论文部分内容阅读
信息集结算子是综合评价的要素之一,用来将多个评价指标值转化为一个能够反映评价对象综合情况的综合评价值。诱导有序加权平均算子作为重要的信息集结算子经常被用于解决综合评价问题,其主要特征是,将指标值按诱导变量值的降序重新排列,然后加权集结。其中,权重系数和指标值排序后的位置有关。本文对综合评价中诱导有序加权平均(IOWA)算子的相关文献进行了综述,针对现有研究的薄弱之处,首先,定义了不同类型的序诱导变量,提出相应的诱导有序加权平均(IOWA)算子；然后,分析了IOWA算子的态度特征值对综合评价结果的影响,并提出了确定IOWA算子态度特征值的方法；最后,提出两种确定IOWA算子权重系数的方法。论文的主要工作与创新点具体如下：(1)刻画了以各指标值为中心的局域信息密度,以此度量指标值的可靠性,提出了局域密度诱导的有序加权平均算子,用于集结各指标值。(2)度量了各聚类中信息的可靠性(即类信息可靠性),并提出了类信息可靠性诱导的有序加权平均算子,用于集结各聚类的代表参数值。(3)在权重系数确定方法未知的条件下,分析了诱导有序加权平均(IOWA)算子的态度特征值对综合评价结果的影响,据此,对方案进行初选,简化评价过程,还可以为自主评价中确定态度特征值范围提供依据。(4)在权重系数确定方法已知的条件下,以最大熵诱导有序加权平均算子为例,给出一种序最优的自主评价方法,用于确定诱导有序加权平均(IOWA)算子的态度特征值,并据此确定IOWA算子的权重系数。(5)分别提出了“依赖诱导变量的态度特征值法”和“拉开档次诱导有序加权平均法”,用于确定IOWA算子的权重系数。论文最后对研究结果进行了总结,并提出需要进一步深入研究的问题。