基于云模型下的概率语言术语集VIKOR理论的性能优选分析方法

摘要

本方法公开了一种基于云模型下的概率语言术语集VIKOR理论的性能优选分析方法，主要解决现有技术由于主观选择和随机赋值带来的不确定性和随机性问题。其实现方案为：1)标准化处理原始PLTSs；2)高斯集成法转化PLTSs为云模型；3)确定正、负理想解；4)确定客观权重得到群体效用决策值和个体遗憾值；5)利用群体效用决策系数v的取值来确定利益比率；6)条件迭代筛选升序排列结果。本发明构建的PC‑VIKOR法，有效解决由于个人偏好不同导致的主观赋值问题，提高了多属性决策问题中的权重精确度，可用于各个领域的科学决策问题。图1所示为本发明方法的流程图。

说明书

技术领域

本发明涉及性能优选分析方法，尤其涉及基于云模型下的概率语言术语集VIKOR理论的综合性能优选方法，属于管理科学领域，可用于决策分析。

背景技术

决策是指人们为达到预先设定的目标，在具体先验系统的基础上，基于现实客观条件，采用科学、合理的方法和措施，通过必要的分析与判断，从所有可供选择的方案中找出最优方案并实施。随着世界经济和科学发展的日益强大，决策活动变得越来越重要，涉及范围及影响也越来越大。在社会生活中，决策过程无处不在，小到商品购买，大到国家金融体制的改革，都依赖科学决策来完成。随着社会的不断进步与发展，在实际决策问题的思考过程中涉及的东西也越来越复杂多变，但是想准确解决问题则需要综合多个决策者的意见和建议，又因为决策者的思维方式、所见所想各不相同，所以我们很难得到准确无误的信息，因此我们进行决策研究时出现的问题也就越来越多，越来越复杂。

为了解决多属性决策问题，TOPSIS和VIKOR方法作为典型的多准则折衷方法而被广泛使用。但是TOPSIS法忽略了相对距离带来的误差，导致最优方案并不能总是接近理想解。相对于此，VIKOR法可以在保证可接受的优势和可靠性的同时，找出方案的最优折衷解。因此，它是解决多属性决策问题的一种优选方法，并被广泛用于多个领域。Shemshadi等人将熵和VIKOR相结合，提出一种适用于筛选隐藏供应方的模糊VIKOR方法。Zhang等人对于单纯的利用VIKOR或TOPSIS方法在解决多准则决策问题是不能考虑到相对距离的重要性问题，提出了一种基于犹豫模糊集的E-VIKOR方法，Kiani B等人使用三种不同的权重分配方法进行敏感性分析，提出了一种与VIKOR法相结合的方法来获得混凝土结构的最佳修补材料。

但是从上述文献知，多属性同时出现需要决策专家进行偏好选择时，难免会出现主观选择和随机赋值，给决策过程带来诸多不确定性和随机性。通过分析，概率语言术语集(the probabilistic linguistic term set,PLTS)能够同时考虑隶属度、非隶属度和犹豫度三方面信息，能够减少不确定性。

在上述分析中，基于概率语言术语集的VIKOR方法能够改善现有VIKOR方法的不足，但是这种方法却不能将定性数据以精准的定量值来进行分析，这使得结果与真实值仍有些许误差。而云模型是描述语言变量的模糊性和随机性的有效工具，可用于完成将特定概念转换为定量数据的过程，极大地修正了由于随机性和定性概念无法得到准确值带来的误差。

发明内容

本发明的目的是整合多个语言术语的不同偏好到概率语言术语集，再清晰进行定量分析，提高概率语言术语集距离测度的精度。基于以上云模型理论，对所选对象进行综合性能优选分析。

本发明的目的可以通过以下技术方法实现：

我们用概率语言信息考虑一个多属性决策问题，假设A＝{A

其中

基于云模型下的概率语言术语集VIKOR理论的性能优选分析方法，其特征在于包括以下步骤：

(1)将需要进行决策的各方案性能属性的文本评论语言得到的原始概率语言术语集进行标准化处理。若属性值为不同类型，则需首先将成本型全部转换成利益型属性再进行决策：

其中，

(2)利用高斯集成法将概率语言术语集转换成云模型。

其中：r

(3)由云模型的距离测度来确定正理想解

任意给定两朵云C

其中，

(4)计算各属性的客观权重来确定群体效用决策值(S

(4-a)我们将使用信息熵的概念来计算各属性的客观权重。我们设定的语言评估集范围为[-τ,τ]，为保证熵的非负性，我们可用以下公式计算熵：

其中,

进而可得各属性权重：

(4-b)计算群体效用决策值(S

其中，ω

(5)根据群体效用决策系数v的取值来确定利益比率(Q

我们将v设定为：强化个体遗憾(v＝0.25)，同时最大化群体效用和个体遗憾(v＝0.5)，强化群体效用(v＝1)。

其中，

(6)将各备选方案A

条件1：可接受的优势条件。

条件2：可接受的决策可靠度。

a

当这两个条件不能同时满足时：

(i)若不能满足条件1，则方案a

其中a

(ii)若不满足条件2，则方案a

(ii)特别地：只剩下两个方案且同时不满足条件1和条件2时，则根据上述结果无法直接比较优劣，因为只有两个方案时，如果两个方案各分配一个最大、最小值，归一化的结果就会出现0和1这种极端情况，那么Q

Q′

附图说明

图1本发明实施方式的共享汽车选择问题文本评论得到PLTSs的方案A

图2本发明实施方式的共享汽车选择问题PLTSs进行标准化后方案A

图3本发明基于云模型下的概率语言术语集VIKOR理论的性能优选分析方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

(1)将需要进行决策的各方案性能属性的文本评论语言得到的原始概率语言术语集进行标准化处理。若属性值为不同类型，则需首先将成本型全部转换成利益型属性再进行决策：

现在我们来考虑共享汽车的选择问题，经过大量评估得出以下数据：4个备选共享汽车分别为Gofun出行(A

上述问题的评价结果在表1中，为方便起见，本文只展示了A

(2)利用高斯集成法将概率语言术语集转换成云模型(C-PLTSs)。

熵是校准方差的一个重要工具，当呈正态分布x～N(μ,σ

其中：r

每一个概率语言值都对应一朵云，即

由此我们可以将概率语言术语集转换为云模型的形式，可以直观、具体的观察到该概率语言术语集的相关变化规律。

(3)由云模型的距离测度来确定正理想解

我们深入研究后发现对于Sigmoid函数，它的值域为[0,1]，并且输入的各个观测对象均独立存在，不会造成信息错乱和丢失的情况，刚好满足云模型的概率随机性。另外，S型生长曲线具有单调递增、反函数同样单调递增的性质，而在决策分析中，语言评估集是一个有限个数的集合，因此Sigmoid函数适用于云模型。基于以上优点，我们提出了云模型新的距离测度来帮助专家进行科学、准确地决策分析。

任意给定两朵云C

(4)计算各属性的客观权重来确定群体效用决策值(S

信息熵是用来描述在结果出来之前对可能产生的信息量的期望。一个具体事件的信息量是随其发生概率而递减的，即一件事件的发生概率越大，它的信息量就越小。其公式表达为：

其中

进而可得各属性权重：

即各属性权重为ω

因此可得：

S

R

(5)根据群体效用决策系数v的取值来确定利益比率(Q

由(4)可得S

(6)为保证结果中最优方案的唯一性，方案需同时满足两个条件——可接受的优势条件和可接受的决策可信度。在设定的三种决策机制下，根据表3中的Q

根据准则要求，三种决策机制下均有

而比较方案A

因此可知

对于方案A

由此可知

因此最终排序结果为

表1：共享汽车选择问题的PLTSs评价结果。

表2：共享汽车问题标准化后的PLTSs结果。

表3：根据v设定的三种指标区间的值计算四个方案的Q

表4：根据v设定的三种指标区间的值计算三个方案的Q

表5：根据v设定的三种指标区间的值计算两个方案的Q