一种区间直觉模糊多属性群体决策供应商选择方法

摘要

本发明公开了一种区间直觉模糊多属性群体决策供应商选择方法，先利用已有算子将每一位专家的决策矩阵进行集结形成平均决策矩阵，将每一位专家的决策矩阵和平均决策矩阵拆分为隶属度矩阵、非隶属度矩阵以及犹豫度矩阵，并用本发明改进的双向投影公式计算每一专家和平均决策矩阵的隶属度、非隶属度以值犹豫度矩阵的双向投影值，最后将三个投影值进行加权融合求出每位专家与群体的相似度，来确定每个专家的权重。最后通过确定的权重进行群体决策，选择出最优供应商。该方法充分考虑了区间直觉模糊数的定义及作用，使得决策的结果即对供应商的排序择优上更加合理。

说明书

技术领域

本发明涉及一种群体决策方法，具体涉及一种区间直觉模糊多属性群体决策供应商选择方法。

背景技术

供应商选择本质上是一个多属性群体决策问题，评价方法是影响供应商选择的重要外生力量，选择有效的评价方法是供应商选择的重中之重。为了描述决策信息，Zadeh提出了模糊集的概念。但随着复杂决策问题的出现，仅用包含隶属度的模糊集去描述决策信息已表现乏力。因此，为了对复杂决策问题的描述更加全面，Atanassov提出了包含隶属度、非隶属度和犹豫度的直觉模糊集。然而在现实情况下，由于决策者有限的知识难以给定描述隶属度和非隶属度的准确值。基于此，Atanassov和Gargov于1989年首次提出区间直觉模糊集。由于区间直觉模糊集能够更好的刻画和描述决策信息的模糊特性，因此得到了很好的应用。

目前关于区间直觉模糊多属性群决策问题研究最多的是专家权重确定、属性权重确定、集结方法确定和排序方法确定等。对于相同的决策矩阵，不同的专家权重可能导致不同的最终决策结果，目前有如下研究方法确定专家权重。Yue首先建立一个理想的群体决策，即群体决策的均值。然后根据TOPSIS思想，通过每个个体决策与理想决策之间的相似性度量确定专家权重。Zhang和Xu通过衡量个体和群体之间的共识程度，建立了一个基于共识最大化的最优模型来确定专家的权重。Meng计算出每个专家的决策矩阵与其他专家的决策矩阵之间的距离确定专家权重。Wan在文中定义了区间直觉模糊集的相似度，并以此为基础，计算出专家之间的相似度，通过计算的相似度进行专家权重的确定。孟提出了一种基于单向投影的专家权重确定方法。

根据以上文献研究，主要是通过相似度或接近度确定对专家权重，但是以上文献都没有用到决策时的犹豫度信息，考虑不够全面，并且也没有充分考虑区间直觉模糊数的定义。

发明内容

本申请针对供应商选择问题，提出了一种区间直觉模糊多属性群决策方法；该方法由专家给出的评判信息计算专家评判的相似度，从而确定群体专家权重，根据专家权重求出供应商的群体综合属性值给出排序结果。

为实现上述目的，本申请的技术方案为：一种区间直觉模糊多属性群体决策供应商选择方法，包括：

构建所有专家对供应商属性评价的决策矩阵，对所述决策矩阵集结得到平均决策矩阵；

将所述平均决策矩阵和专家D

利用改进的双向投影公式，得到平均决策矩阵和专家D

通过所述双向投影值获得每一专家与群体的相似度；

获取每个专家权重；

获取所述专家权重后，先进行集结获得综合决策矩阵X，对所述综合决策矩阵X的每一行进行集结，根据结果计算得分，最终得到排序方案。

进一步的，构建所有专家对供应商属性评价的决策矩阵，对所述决策矩阵集结得到平均决策矩阵，具体为：

在专家决策意见为区间直觉模糊数的情况下，设供应商集为A＝{A

得到每个专家的决策矩阵，再利用公式

进行集结得到平均决策矩阵；其中

其中

并且(i∈M,j∈N)。

进一步的，将所述平均决策矩阵和专家D

进一步的，平均决策矩阵和专家D

所述隶属度矩阵的双向投影值为：

其中

ω是各个属性的权中向量的满足ω＝(ω

所述非隶属度矩阵的双向投影值为：

其中

ω是各个属性的权中向量的满足ω＝(ω

其中

ω是各个属性的权中向量的满足ω＝(ω

进一步的，通过所述双向投影值获得每一专家与群体的相似度，具体为：

更进一步的，所述每个专家权重根据每个专家与群体的相似度计算得出：

更进一步的，获取所述专家权重后，先通过计算的专家权重对所有专家的决策矩阵进行集结获得综合决策矩阵X，再对所述综合决策矩阵X的每一行进行集结，根据结果计算得分，最终得到排序方案，具体为：

通过专家权重，由式

为区间直觉模糊加权算术平均算子IIFWA，其中

其中

对各个供应商进行排序得出排序的结果，并选择最优供应商。

本发明与已有的方法，在以下方面存在优势：本发明利用改进的双向投影法求专家和群体的相似度来确定专家权重。克服了传统投影法应用在本类问题上存在相似度误判的缺点。且将决策矩阵分为隶属度、非隶属度、犹豫度矩阵分别进行双向投影，并将三个投影值进行加权融合确定专家与群体相似度，并获得专家权重。对比现有技术充分考虑了区间直觉模糊数的定义及作用，使得决策的结果即对供应商的排序择优上更加合理。

附图说明

图1为一种区间直觉模糊多属性群体决策供应商选择方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的描述：以此为例对本申请做进一步的描述说明。

针对专家对供应商属性的评价值为区间直觉模糊数的供应商选择问题，在专家权重完全未知的前提下，专家与群体越相似则应有较大的权重，为此设计了一种加权区间数矩阵双向投影公式，用来确定专家的权重。本发明的内容是先利用已有算子将每一位专家的决策矩阵进行集结形成平均决策矩阵，利用每一位专家的决策矩阵拆分为隶属度矩阵、非隶属度矩阵以值犹豫度矩阵，并用本发明改进的双向投影公式计算每一专家和平均决策矩阵的隶属度、非隶属度以值犹豫度矩阵的双向投影值，最后将三个投影值进行加权融合求出每位专家与群体的相似度，来确定每个专家的权重。最后通过确定的权重进行群体决策，选择出最优供应商。

为了证明本发明所提方法的有效性，利用Zhang的数据做对比计算。台塑钟表有限公司(FWCL)是一家大型知名制造商，在亚洲拥有自己的连锁店销售手表，为了开发新产品，其董事会希望选择材料供应商来采购关键零部件，以实现市场竞争优势。组成由D＝{D

专家D

步骤一：构建四位专家对供应商属性评价的决策矩阵，对所述决策矩阵集结得到平均决策矩阵

步骤二：将平均决策矩阵拆分为区间值隶属度矩阵

将专家D

步骤三：利用改进的双向投影公式，求出平均决策矩阵的

表1.专家D

步骤四：计算专家D

通过计算得出对隶属度、非隶属度、犹豫度偏好度即权重为0.4，0.4，0.2。

表2.专家D

步骤五：获取每个专家权重

其中，

步骤六：利用步骤五得到的专家权重和集结公式，将所有专家的决策矩阵进行集结得到五家供应商的综合属性评价矩阵如下：

属性权重为W＝(w

表3.各个方案的得分

如表3所示：本发明计算的五家供应商的排序结果为

A

方法对比：

表4.排序结果

表5.几种方法求得的权重

从整体的供应商排序结果分析：由表4可以看出其他方法的排序的结果和本发明所提方法的排序结果并不完全一致，但趋势大致相同，一方面说明了本发明所提方法的有效性，另一方面由于本发明与其它方法求得的权重不同，所以集结得到的排序结果也不尽相同,首先与孟俊娜单向投影相比，由于单向投影在处理本类问题时不够严谨，可能存在相似度误判的情况，造成决策上的错误，本发明方法结合了矩阵间的互相投影值，并且在处理投影的过程中，本发明改进的双向投影在处理投影的过程重考虑到了属性之间的权重对投影值的影响，充分利用了数据的信息，能够消除以上影响，更能客观的说明两个矩阵的相似性；与文Yue和Zhang方法相比，以上文献没有充分考虑区间直觉模糊数的定义，一组区间直觉模糊数包括隶属度非隶属度和犹豫度信息，分别表示支持、反对和中立三种态度具有不同的意义。本发明将每一位专家的区间直觉模糊决策矩阵拆开分别计算隶属度矩阵非隶属度矩阵和犹豫度矩阵的相似度，再将三个相似度进行加权融合，这样做不仅能考虑了犹豫度信息，还充分考虑了隶属度，非隶属度和犹豫度的定义及作用，使得相似度的确定更为合理，求得的专家权重也更加合理，对供应商择优排序也更加合理。

而且由表5可以看出，对比以上方法本发明的方法在确定的专家权重上离散程度更低，这样使得决策专家权力更加集中，专家权重配比科学，决策结果一致性高。所以对本发明方法更加合理。

综上所述，本发明的方法充分考虑了数据之间的信息，对比传统的投影法，不仅消除了相似度误判的情况，还考虑了属性之间的权重在计算投影值上的影响，此外对比引用的文献还考虑了决策时的犹豫度信息，考虑的更加充分。并且本发明方法确定的专家权重离散度低，这样使得决策专家权力更加集中，专家权重配比科学，决策结果一致性高。所以本发明的供应商选择方法与其他三种相比更加科学合理。

以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。