不确定信息环境下多准则群决策方法研究

摘要

中国正处于发展的转型期和战略机遇期，经济新常态和供给侧改革决定了企业、政府、国家需要在新环境下面临更多复杂多变的决策问题，但由于决策者对新问题缺乏足够的认知和经验，并且新的决策环境带来了未来状态的难以预期性，因此人们在新形势下所面对的决策问题蕴含了极大的不确定性和风险性，如何在不确定的信息环境下制定客观有效的决策，成为学术界和实践界关注的热点问题。
　　多准则群决策是一种准确有效的决策形式，自提出至今得到了快速发展，并广泛应用于项目评估、人员考评、科研成果评价、供应商选择及企业绩效评价等实际决策问题中。由于决策群体知识结构、个体偏好、工作背景等主观因素的差异，以及大数据导致的决策信息的复杂性和模糊性的增加，不确定性信息环境下的多准则群决策研究成为管理决策领域一个重要的内容，国内外学者将不确定性理论引入决策问题，构建能够处理模糊和不确定信息的群决策方法。本文在现有研究的基础之上，将模糊集和粗糙集两种不确定性理论引入多准则群决策方法当中，为了有效表述决策者信息的不确定性，将决策者的主观信息转换为模糊数或粗糙数，充分利用模糊数和粗糙数在处理不确定性问题中的优势，有效集结决策者群体意见，并通过与多准则决策方法的融合，在不确定性环境中建立一套基于模糊数和粗糙数的多准则群决策研究体系，对不确定性决策方法和决策理论进行扩充，提出处理多准则群决策问题的新思路。
　　本文主要研究内容及研究成果如下:
　　(1)针对不确定信息环境下的群体决策问题，分别从三角模糊数和粗糙数的角度提出群体信息集结方法。基于三角模糊数的群体集结方法是针对个体评估值与群体评估值的最优距离和较高相似度两个目标，将决策群体内的专家个体权重考虑在内，选择合适的距离公式和相似度公式，构建数学规划问题，从而提出一种新的三角模糊数集结方法;基于粗糙数的群体集结方法是以粗糙数的构造方法为基础，充分考虑决策群体内每个个体间的相关关系，不借助任何先验知识，完全从个体提供的主观数据出发研究个体间的内在关系，考虑个体权重，利用粗糙数构造原理，将主观群体决策信息进行整合，构造粗糙数集结值。
　　(2)从准则打分、判断矩阵、判断向量三个角度出发提出不确定信息环境下的准则权重计算方法。基于准则重要度直接打分的视角是借助群体集结方法，将决策群体针对准则相对重要程度进行的主观打分进行集结，利用向量标准化的方法构造准则权重;基于判断矩阵的视角是利用经典的成对比较思想，构造专家个体的打分比较矩阵，再依据集结方法构造群体打分矩阵，根据判断矩阵的一致性等特点计算准则权重;基于判断向量的视角是以最优最劣方法为思想，不需要将所有准则进行两两比较，而是先确定最优和最劣准则，再与其他准则进行比较，从而确定两个判断向量，再分别将区间模糊数、三角模糊数、粗糙数引入判断向量，提出相应的准则权重计算方法。
　　(3)从模糊和粗糙视角分别对经典方法进行改进，构造不确定信息环境下的方案排序方法。针对应用最为广泛的TOPSIS和VIKOR方案排序方法，首先从模糊视角出发，基于区间模糊数构造模糊TOPSIS群决策方法，基于三角模糊数构造三角模糊数TOPSIS和三角模糊数VIKOR群决策方法;然后从粗糙视角出发，构造粗糙数TOPSIS和粗糙数VIKOR群决策方法;最后引入一个算例，对构造的新方法进行比较，说明每个方法的有效性和可靠性。本文基于不确定理论提出的方案排序方法拓展了群体决策问题中方案排序方法的应用范围，提高了方案排序和选择的准确性。
　　(4)对考虑决策者心理行为的多准则群决策问题，利用前景理论提出不确定信息环境下的决策者偏好多准则群决策方法和风险型多准则群决策方法。首先针对期望值为精确数和三角模糊数两种情形分别构建基于三角模糊数与前景理论的群决策方法;然后将粗糙数方法与前景理论相融合构造含有决策者偏好的确定型多准则群决策方法;最后针对含有决策者偏好的风险型多准则群决策问题，提出基于粗糙数与前景理论的风险型群决策方法。
　　(5)将本研究提出的方法进行应用，构造经销商选择多准则群决策模型。根据本文对不确定环境下多准则群决策方法的讨论与研究，将多准则群决策模型应用于经销商选择决策问题。首先从经销商的核心竞争力和协同发展能力两个维度确定评价指标体系，然后选取合适的权重计算方法对群体判断信息进行整合，计算指标的权重，选取合适的方案排序方法，应用计算出的权重向量确定每个方案的得分并排序，最终选择得分最高的方案即为最优经销商。
　　本研究为不确定信息环境下的多准则群体决策问题提供了新的研究视角和解决途径，丰富和发展了基于不确定理论的多准则群决策理论与方法。

目录

声明

摘要

第1章 绪论

1．1 研究背景与问题提出

1．1．1 研究背景

1．1．2 问题提出

1．2 研究意义

1．2．1 理论意义

1．2．2 现实意义

1．3 国内外研究现状

1．3．1 多准则群决策研究现状

1．3．2 不确定性理论研究现状

1．3．3 不确定性多准则群决策研究现状

1．3．4 行为多准更唾决策研究现状

1．3．5 研究现状评述

1．4 研究内容

1．5 技术路线与研究方法

1．5．2 研究方法

1．6 研究创新点

1．7 本章小结

2．1 多准则群决策理论

2．1．1 多准则决策研究概述

2．1．2 群体决策理论

2．1．3 行为决策理论

2．2 模糊集理论

2．2．1 模糊集理论发展概述

2．2．2 模糊集基础知识

2．2．3 模糊数

2．2．4 三角模糊数运算法则

2．3 粗糙集理论

2．3．1 粗糙集理论发展概述

2．3．2 粗糙集基础知识

2．3．3 粗糙数

2．3．4 粗糙数运算与排序

2．4 本章小结

第3章 不确定信息环境下准则权重计算方法

3．1 权重计算方法

3．1．1 主观权重计算方法

3．1．2 客观权重计算方法

3．1．3 组合权重计算方法

3．2 群体集结方法

3．2．1 群体集结

3．2．2 三角模糊数群体集结方法

3．2．3 粗糙数群体集结方法

3．3 基于准则重要度直接打分的权重计算方法

3．3．1 问题描述

3．3．2 三角模糊数权重计算方法

3．3．3 粗糙数权重计算方法

3．4 基于判断矩阵的权重计算方法

3．4．1 判断矩阵法

3．4．2 三角模糊数互补判断矩阵法

3．4．3 粗糙数判断矩阵法

3．5 基于判断向量的权重计算方法

3．5．1 最优最劣方法(BWM)

3．5．2 RST-BWM方法

3．5．3 模糊最优最劣方法

3．5．4 三角模糊数最优最劣方法

3．5．5 粗糙最优最劣方法

3．6 算例比较

3．7 本章小结

第4章 不确定信息多准则群决策方案排序方法研究

4．1 多准则群决策排序问题描述

4．2 经典的方案排序与评价方法

4．2．1 TOPSIS方法

4．2．2 VIKOR方法

4．3 模糊多准则群决策排序方法

4．3．1 区间模糊TOPSIS群决策排序方法

4．3．2 三角模糊数TOPSIS群决策排序方法

4．3．3 三角模糊数VIKOR群决策排序方法

4．4 粗糙多准则群决策排序方法

4．4．1 粗糙数TOPSIS群决策排序方法

4．4．2 粗糙数VIKOR群决策排序方法

4．5 算例比较

4．6 本章小结

第5章 考虑决策者心理行为的多准则群决策方法研究

5．1．1 个人风险决策过程

5．1．2 价值函数

5．1．3 概率权重函数

5．2 基于三角模糊数和前景理论的多准则群决策方法

5．2．1 问题描述

5．2．2 集结群体信息

5．2．3 参照点为精确数的决策过程

5．2．4 参照点为三角模糊数的决策过程

5．3 基于粗糙数和前景理论的多准则群决策方法

5．3．2 集结群体信息

5．3．3 群体收益-损失计算

5．3．4 方案排序

5．4 考虑决策者偏好的风险型多准则群决策

5．4．1 问题描述

5．4．2 集结群体信息

5．4．3 群体收益-损失计算

5．4．4 概率权重函数计算

5．4．5 计算前景值

5．5 算例分析

5．6 本章小结

第6章 不确定信息多准则群决策方法在经销商选择中的应用

6．1 经销商选择问题描述

6．1．1 经销商选择研究现状

6．1．2 基于多准则群决策的经销商选择问题描述

6．2 经销商选择评价指标体系的建立

6．2．1 评价指标体系的构建原则

6．2．2 构建评价指标体系

6．3 基于粗糙数多准则群决策的经销商选择方法

6．3．1 问题描述

6．3．2 经销商评价准则权重计算

6．3．3 经销商排序及选择

6．4 本章小结

第7章 结论与展望

7．1 研究结论

7．2 研究展望

参考文献

致谢

攻读博士学位期间的学术成果