基于证据推理的设计方案多属性决策新方法浅析.docVIP

基于证据推理的设计方案多属性决策新方法浅析 　　概念设计方案评价是一个典型的不确定多属性决策问题，是近年来决策研究中的一个重要内容，具有广泛的应用背景.处理多属性决策问题的方法有很多种，也各自存在一些不足，例如，层次分析法是在评价决策中应用较多的一种方法，通过两两比较进行评价决策，缺点在于对不确定信息缺乏充分考虑，且两两比较矩阵难以保证一致性;模糊评价法主要有模糊综合评价法和改进的模糊综合评价法、模糊优序法等，利用隶属度及模糊推理等方法对概念方案进行排序，不足在于确定隶属度较困难易造成评价误差;TOPSIS方法和多属性效用理论往往只考虑定量指标忽略定性指标，而现实中的多属性决策问题，尤其是概念设计方案评价问题常包含定性属性;证据推理法也称为Dempster Sha-fer证据理论，是由Dempster首先提出、后由Shafer进一步发展的一种不精确推理理论，由于它能够处理不确定和不完全信息，所以在概念设计方案评价中有着广泛的应用，但证据推理在概念设计方案决策应用过程中存在一些缺陷.首先，证据推理算法要求目标属性的权系数是确定且完全的，在己有的证据推理方法中，权重大多采用主观赋权法，由于决策者对问题认识或自身知识的局限性，给出的权重太主观且无实际意义，有些文献也提出构建客观权重，如文献引入信息嫡的概念，利用嫡权求得各属性的客观权重，但决策结果显示方案排序不完全一致，仅依据评价系统中数据确定权值绝对客观，有可能产生与实际相悖的权值;其次，证据推理算法要求基本属性与广义属性应具有相同的评价集，这在实际决策中较难做到，特别是对定性的基本属性. 　　为了克服这些问题，文中以证据推理决策这一最具代表性的决策方法为基础，引入反偏好函数的概念，利用主客观因素相结合的反偏好函数法确定目标属性的权重，以便决策者做出更合理的决策;通过建立不同反偏好阶段的区间边界值，确定统一的模糊评价集，以解决传统证据推理评价中定性定量指标分别构建评价集及评价集的统一处理等一系列复杂的问题. 　　1基于证据推理算法的多属性决策 　　应用证据推理进行方案评价决策时把各个基本属性。看成相应的证据，将评价等级看成辨识框架。 　　2证据推理决策新方法中的要点 　　2. 1评价指标的模糊标度 　　针对概念设计阶段评价指标具有模糊性和预测#39;险的特点，需要将评价指标进行模糊标度，鉴于三角模糊数具有使用简便、易于理解、能很好表达各种模糊变量的特点，文中在对概念设计方案指标值进行标度时采用三角模糊数形式。 　　2. 2反偏好权重的确定 　　文中提出反偏好权重的概念，即采用反偏好函数法确定的属性权重，与Achille Messac教授提出的物理规划法构建偏好函数类似，通过反偏好函数来表达决策者对各设计目标的偏好程度，不同之处在于，文中通过反偏好函数区间即边界值的确定来计算目标属性权重，不是直接利用综合偏好函数进行评价，且在物理规划法中，最终计算出的偏好函数值越小越满意，而文中研究的反偏好权重反映了决策者对各目标属性的重要程度，自然越大越好. 　　2. 3各目标属性值的反偏好函数类型及区间边界 　　设计目标的反偏好函数，有4种类型:正指标型(1R型)，指标越大越好;逆指标型(2R型)，指标越小越好;最佳指标型(3R型)，指标趋于某值最好;区间指标型(4R型)，指标取在某个范围内最好.以目标属性。 　　3实例分析 　　文中以文献中的应用实例即螺旋输送机输送系统4套初始方案为例进行证据推理决策新方数来划分重要度区间，在不同的区间范围内，决策者对于此目标属性的重要程度判断是不同的，这符合决策者在多目标属性决策中的思维特点，因此反偏好函数法能够从本质上把握决策者对目标属性的重要度偏好设置. 　　具体步骤如下: 　　首先，采用模糊标度的方法对备选方案每一目标值进行模糊化处理; 　　然后，设定各目标属性的反偏好函数类型及等级偏重程度区间边界，本例中，制造成本和能耗的反偏好函数为2R型，其他目标属性为1R型，相应的等级偏重程度区间边界; 　　最后，根据2. 2节的方法，通过反偏好函数法确定决策者对螺旋输送机各评价指标的偏好程度，即偏好权重值.首先，利用公式(11)-(12)确定每个方案目标属性各区间段的反偏函数;然后，通过分段曲线拟合，便可得到符合要求的定量描述的反偏好函数;最后，利用公式(13)-(14)确定各目标属性的权重值。 　　4结论 　　1)提出了一种基于反偏好函数的权重确定方法，并采用三角模XxU糊数进行目标属性的模糊标度，通过偏好区间的划分来确定评价等级区间. 　　2)利用证据推理法中评价等级、概率分配函数、效用值等思