[发明专利]基于语言值双极软粗糙集的多准则群决策方法

权利要求书

1.基于语言值双极软粗糙集的多准则群决策技术，其特征在于，包括如下步骤：

S1：设定D＝{d₁,d₂,…,d_l}为专家群，w＝{w₁,w₂,…,w_l},w_i∈[0,1],w₁+w₂+…+w_l＝1为专家权重向量，U＝{u₁,u₂,…,u_m}为方案集，E＝{e₁,e₂,…,e_n}为评价准则集，v＝{v₁,v₂,…,v_n}为准则权重向量；

其中，d_k表示第k个专家，w_k表示第k个专家的权重(k＝1,2,…,l)，u_i表示第i个待评价方案(i＝1,2,…,m)，e_j表示第j个评价准则，v_j表示第j个评价准则的权重(j＝1,2,…,n)；

S2：决策专家d_k对方案u_i关于准则e_j的评价结果为语言值双极信息其中为专家d_k关于准则e_j对方案u_i的正面语言值评价，为专家d_k关于准则e_j对方案u_i的负面语言值评价，决策专家d_k对全部待评价方案的评价结果为，得到专家评估语言值双极软集(F^(k),E),k＝1,2,…,l；

其中，F^(k)表示的是第k个专家评估语言值双极信息表，参数集E为评价准则集；

S3：依据专家权重向量,利用语言值双极信息加权算术平均算子LBWA_w将专家评估语言值双极软集集结，得到专家组评估语言值双极软集(F,A),这里F:A→Λ(U),

其中，F:A→Λ(U)表示一个A到Λ(U)的函数，是部分的评价准则。e_j表示第j个评价准则，Λ(U)表示方案集U上全体语言值双极模糊集，F^(k)(e_j)表示决策专家d_k对全部方案关于准则e_j的评价结果，其中为专家d_k关于准则e_j对方案u_i的正面语言值评价，为专家d_k关于准则e_j对方案u_i的负面语言值评价；

S4：根据准则权重向量，利用语言值双极信息加权算术平均算子LBWA_w将决策专家d_k的评估语言值双极软集表(F^(k),E)按行集结，得到专家d_k对全部方案的评估结果，其评价结果为方案集U上的语言值双极信息模糊子集k＝1,2,…,l，其中u_m表示第m个待评价方案(m＝1,2,…,i)；

S5：依据得到的全部专家评价得到的语言值双极信息模糊子集s^(k)构成U上一个语言值双极信息决策软集(G,D)，其中，G:D→Λ(U)表示一个D到Λ(U)的函数，G(d_k)＝s^(k)是专家d_k对全部方案的评估结果集，k＝1,2,…,l；

S6：基于语言值双极信息决策软集(G,D)，通过粗糙近似计算，得到语言值双极信息决策软集(G,D)的上近似和下近似(G,D)；

S7：语言值双极信息决策软集(G,D)及其上近似下近似(G,D)，根据专家权重，计算得到U上的三个语言值模糊子集其中

其中：β表示全部方案的评价结果，β表示全部方案的评价结果的下近似，表示全部方案的评价结果的上近似，d_k表示第k个专家的权重，w_k表示第k个专家的权重，k＝1,2,…,l，G(d_k)表示专家d_k对全部方案的评估结果集的下近似，表示专家d_k对全部方案的评估结果集的上近似；

S8：依据得到的设权重值为(w_L,w_M,w_H)，则通过下式得到各决策方案的估计值：

其中：V(u_i)表示方案u_i的最终评价结果。w_L表示评价结果下近似所占权重，β(u_i)是S7中计算出的第i个方案的评价结果的下近似的隶属度；w_M表示评价结果所占权重，β(u_i)是S7中计算出的第i个方案的评价结果的隶属度；w_H表示评价结果上近似所占权重，是S7中计算出的第i个方案的评价结果的上近似的隶属度；

S9：将V(u_i)的计算结果进行排序，排序最前的作为最佳方案。