论文部分内容阅读
社会不断进步、经济不断发展,社会、经济、生活中涉及的许多决策问题都变得而复杂庞大,面向个体决策者的决策问题越来越少,而更多的则是需要由多个决策者参与共同做出决定的决策问题。面对这样的社会背景,企业生产经营过程中的决策问题也逐渐趋向于群体决策化。例如,对于大中型企业和工程的决策,由于随机因素与模糊性的增加,为了避免出现错误的决策结果,大都通过群体决策来保证决策结果的准确性与效率性。但是由于群体中各决策者所处的社会地位、拥有的权力、学术威望、知识经验、个人偏好、对问题的认识程度、表达方式等因素的不同,对决策的结果造成影响。下面对影响群决策结果的因素以及多群体决策过程进行介绍:首先,由于决策者的背景不同,会出现决策者采用的评价方式不同。那么就需要对不同的偏好信息进行处理,转化成同一种形式。本文采用的是将不同形式的偏好信息转化成基准语言模糊集,将基准语言模糊集转化成二元语义的方法,把不同的偏好信息转化成同一种形式。其次,确定群体中属性的权重。在多群体决策研究中,属性权重的确定是重点研究内容之一。确定属性权重的方法分成两类:主观赋权法和客观赋权法。为了克服主观性,本文采用客观赋权法中的熵权法对属性权重进行确定。再次,确定群体中专家权重。专家权重的确定是群体决策中的另一个重要研究点。以往的群体决策研究中,对于专家权重大都是假设每个决策者所占的权重相等,或者采用主观赋权法、客观赋权法。本文为了克服主观性,提出了两种客观的确定专家权重的方法:基于不确定度与偏离度最小化的专家权重确定方法,基于离差最大化与权重距离最小化的专家权重确定方法。最后,集结群体意见。群体意见的集结在本文中分为两个步骤:步骤一,群体内部意见集结;步骤二,多群体综合意见集结。关于群体内部意见集结,本文基于简单加权法对群体内部意见集结,得到以群体综合意见为出发点的方案排序向量;关于多群体综合意见集结,本文定义了距离函数,通过遗传算法找出与各群体给出的方案排序向量间距离最小的方案排序向量。