专家赋权与群体排序向量的迭代集结方法.pdfVIP

第33卷第5期 贵州大学学报(自然科学版) Vol． 33No． 5 2016年 10月 JournalofGuizhouUniversity(NaturalSciences) Oct． 2016 文章编号 1000 5269(2016)05 0081 05 DOI:10．15958/j．cnki．gdxbzrb．2016．05．17 专家赋权与群体排序向量的迭代集结方法 李建明 (贵州大学数学与统计学院,贵州贵阳550025) 摘 要:对于备选方案集为有限集的群体决策,排序向量是决策成员(也称专家)对备选方案的 偏好顺序及偏好强度的判断,用归一化非负向量表示. 以决策群体中专家对方案的排序向量的 算术平均值为群体的初始排序向量,基于专家排序向量与群体初始排序向量的欧氏距离,本文 提出一种对专家赋权和集结群体排序向量的迭代方法,经过算例及计算机模拟,迭代过程快速收 敛;该方法体现了群体(或多数)优先的原则,并能有效降低个体偏见或缺失对群体决策的不利 影响. 关键词:群体决策;专家权重;排序向量;迭代集结 - 中图分类号:TP3 05;C934 文献标识码:A - [1 2] 及类中专家排序向量信息熵的大小对专家赋权 群体决策的理论和方法 是决策科学的研 究前沿之一.在群体决策中,参与决策的成员也称 信息熵是对随机现象不确定性的一种度量,基于信 专家.如何集结专家偏好信息以获得群体偏好信 息熵的专家赋权方法把专家对决策方案相对重要 息,进而对备选方案定级排序,这是群体决策研究 性的判断视为一种随机分布,这是否合适值得探 - 的中心内容[3 11]. 对于方案集为有限集的群体决 讨.由于群体偏好集结和专家赋权的复杂性,不同 策,专家对方案的偏好信息最终归结为专家对方案 赋权方法难免有一定的局限性 当前,对于工业化 的排序向量. 排序向量是专家对备选方案的偏好 发展阶段的判断,常使用的是20世纪70 至80年 顺序及偏好强度的判断,可用归一化非负向量表 代或更早期限的理论[10] [13] 示. 在群体偏好信息的集结过程中,如何对专家赋 本文从一个新的角度,以达成群体共识 为 权,以体现不同专家在决策中的相对重要性,大体 目标方向,探索专家赋权与群体偏好集结的方法. 分为主观倾向赋权和客观倾向赋权两类方法.文 在群体决策中,应以群体利益为优先,鼓励理性 [3]给出的专家赋权方法,由群体中专家互相评价 妥协,减少个体偏见和缺失对群体决策的不利影 来确定专家权重,该方法的局限性在于需要专家之 响,在合理规则下引导达成群体共识. 本文提出一 间相互熟悉,这是一种主观倾向的赋权方法.以专 种对专家赋权和集结群体排序向量的迭代集结方 家偏好信息为基础,在群体决策过程中对专家赋权 法:以群体中所有专家排序向量的算术平均值为 的方法是一种客观倾向的赋权方法 比如基于判 群体初始排序向量,根据专家排序向量与群体初 - [12] [ 7] 断矩阵 信息的专家赋权方法 ,对判断矩阵 始排序向量的欧氏距离,逐次赋权,迭代集结,直 一致性或判断矩阵相似度较高的专家赋予较大的