不完全信息下基于证据理论的多属性决策方法研究

【摘要】：多属性决策问题通常是一个定性和定量相结合的问题。当权重、属性值等因素具有不确定性、模糊性、不完全性等性质时,决策过程就会相当复杂。本文针对不同决策环境下权系数为不完全信息形式,属性值为不确定且不完全的多属性决策问题进行了研究。 当权系数为不完全信息形式中的几种时,先对决策者给出的权系数部分信息进行分析,得到一组可利用的基数权重。在将决策者给出的不确定且不完全的属性值用信任度表示的基础上,将其纳入证据理论的框架内,用基于证据推理的递归算法集成。比较方案集在所有的基数权重下的效用值的大小,从而确定方案集的排序。 当权系数为不完全信息形式时,通过证据推理算法构造信任度函数,结合不完全信息的权系数建立非线性规划模型,然后使用遗传算法求解模型得到所有被选方案的区间数,从而得到整个方案集的排序。文中将这种方法称之为BERWI法。 在有多个决策者的情况下,通过群决策理论的引入,在BERWI法的基础上提出了一致准则法和个体各自评价法。在决策者给出参考集的情况下,在BERWI法的基础上进行扩展,提出了相应的解决方案。 对以上提出的方法都以实例证明了其可行性和有效性。研究结果表明能够对此类问题提供较好的决策支持。 最后,以动态联盟伙伴选择问题为例,详细说明了在实际问题中的应用。