论文部分内容阅读
多指标综合评价广泛影响着人们的日常生活,小到个人的衣食住行,大到国家的战略选择。做任何决定都伴随着决策,精确值环境下的多指标综合评价方法已不能匹配社会经济的高速发展,模糊评价信息的多指标综合评价方法逐步走向社会舞台中央,它更加适应复杂的综合评价过程,能科学有效地刻画评价过程,评价者能获得最符合预期目标的方案。本文主要以直觉模糊集和犹豫模糊集为基础,拓展相关概念和方法,为解决更为复杂的多指标综合评价问题提供新思路,主要内容如下:(1)系统地厘清了与直觉模糊集和犹豫模糊集相关的模糊集概念,针对现有复杂模糊评价信息下的多指标综合评价方法存在的不足,分别提出了基于直觉模糊环境和犹豫模糊环境下的多指标综合评价算法模型。(2)在犹豫模糊集、Pythagorean模糊集、区间模糊集的基础上,针对现有综合评价方法忽视了评价过程中的信息丢失问题,将概率的思想与区间值犹豫Pythagorean模糊集相结合,定义了一种新的概率区间值犹豫Pythagorean模糊集。新的模糊集面对愈加复杂的综合评价问题具有明显的优势,既能解决评价过程中的不可避免的信息缺失问题,又更贴近不确定环境下的评价信息。(3)梯形直觉模糊集将离散论域连续化,更加细腻地刻画了不确定综合评价过程。模糊数的对比方法也是综合评价过程中的重要环节,现有的梯形直觉模糊数排序方法在一些情形下会产生难以对模糊数排序的现象。基于此,本文在梯形直觉模糊数的隶属度函数和非隶属度函数中定义图像的几何质心,再结合梯形直觉模糊数的均值和模糊度,提出了改进的梯形直觉模糊数的排序方法。(4)综合评价过程中各输入指标间一直存在着某种关联度,冗余或互补,不严格相互独立。Bonferroni均值和Choquet积分是解决此类问题的有效工具,应用已十分广泛。Choquet积分和模糊测度可将评价信息间的交互关系转换为待聚合模糊数的权重信息,避免了评价者对输入指标权重信息确定过程的主观性,使得评价方法更加可行和有效。综合以上优势,针对评价信息为梯形直觉模糊数且各指标间不严格相互独立的多指标群体综合评价问题,结合Bonferroni均值和Choquet积分,提出梯形直觉模糊Choquet Bonferroni规范赋权调和均值(TrIFCBNWHM)算子,并讨论算子的几种优良性质。接着采用改进的梯形直觉模糊数排序方法,提出一种基于改进排序的Choquet Bonferroni算子的多指标群体综合评价方法,一个全球绿色供应商选择的实际问题分析验证了算子和改进排序方法的有效性和可行性。(5)评价信息聚集主要依赖于运算规则,而Hamacher运算是代数运算以及Einstein运算的推广,应用更加灵活。当前综合评价中忽视了某些评价信息的丢失,故采用概率区间值犹豫Pythagorean模糊环境下的评价信息,考虑到Choquet积分可以有效刻画输入指标间的相关性,结合Hamacher运算法则,提出概率区间值犹豫毕达哥拉斯模糊Hamacher Choquet积分几何平均(PIVHPFHCIG)算子,接着讨论了算子的优良性质,并定义了概率区间值犹豫毕达哥拉斯模糊Hamacher运算法则,更加灵活地刻画每个指标的重要性和关联度。最后,最佳私人合作伙伴的选择问题验证了概率区间值犹豫Pythagorean模糊环境下的多指标综合评价方法的有效性及可行性,并于其他相同多指标综合评价方法进行了对比,对解决社会经济问题拓展了新思路。本文所涉及到的研究给创新现代多指标综合评价方法提供了新思路,更加细腻地刻画了复杂不确定环境下的综合评价信息,为医疗诊断、供应链管理、风险投资决策、贫困退出评估调查和区域产业选择等诸多领域内的多指标综合评价问题提供基本技术遵循。