[发明专利]基于语言值双极软粗糙集的多准则群决策方法

说明书

本发明公开了基于语言值软集的多准则群决策技术和方法，在语言值双极信息集上引进恰当的运算，建立带参数λ的语言值双极信息集结算子。基于专家群的集中评估值构成的决策方案上的语言值软集，建立相应的粗糙近似模型—语言值双极软粗糙集模型，得到专家群上的语言值双极下近似软集和上近似软集。通过对全部决策方案的语言值双极评价集及其下近似、上近似进行加权算术平均，分别得到三个决策方案上的语言值双极模糊集，并利用它们对全部决策方案排序。最后，将基于语言值软集的多准则群决策方法用于软件平台、系统的评价并给出算法，通过实际例子说明本发明提出的方法是有效的。本发明的理论分析有创新性，方法构造有新颖性，技术手段有实用性。

技术领域

本发明属于决策评估方法技术领域，尤其涉及基于自然语言值的双极软粗糙集的多准则群决策方法。

背景技术

在经济社会生活中，在考虑诸如供应商选择、投资项目选择及人才选拔等决策问题时，决策者往往难以给出精确的定量评估信息，反而更习惯于以语言值信息来直观地表达偏好信息，如很差、差、中等、好、很好等。因此，许多学者对语言值集、语言值软集的性质、运算和应用进行了研究，并得到了一些有趣而有价值的结果。在理论分析的基础上，应用语言值软集方法，研究了一类具有可用信息语言值的多准则群决策问题。然后，给出了所提出决策方法的决策过程，最后将该方法应用于管理科学中的决策问题。

很多决策问题中涉及到的信息描述除具有以上所介绍的语言值特征外，可能还具有所谓的双极特征。利用双极信息模型处理决策分析中的问题是源于这样的动机：对一个事物同一个特性可能有正面和负面的不同主观感受。例如，对一套火车站附近的房子既可以是正面的(交通方便)，也可能是负面的(太过喧哗吵闹)。又比如，一个在线学习内容既可以是正面的(方便学习)，也可能是负面的(缺少线下课堂学习情境)。在用数值对这些事物的特性进行描述时，仅用正值或负值就不够了，而用一个正值和负值的组合更合适。因此，在双极信息理论中，通常使用二个变量来刻画双极概念，第一个变量(横坐标) 用来描述负信息，第一个变量(纵坐标)用来描述正信息。双极信息通常是由正信息(也称为偏好信息)和负信息(也称为禁止信息)组成的二元组。当然，在实际的应用中，负信息和正信息之间应该有某种联系，这种联系通常是通过一种相容性约束来进行。比如，如果正信息和负信息分别由某论域集X的子集P 和Q表示，则它们满足的相容性约束条件通常为P∩Q＝φ；当正信息和负信息分别由某论域集X的模糊子集f和g表示，则它们应当满足相容性约束条件x∈X,f(x)+g(x)≤1等。

本发明针对评价值为语言值双极信息的多准则群决策问题进行研究，提出基于语言值软集的多准则群决策方法。在语言值双极信息集上引进适当的运算，构建带参数λ的语言值双极信息集结算子。基于全部的集中评估值构成的决策方案上的语言值软集，建立相应的粗糙近似模型—语言值双极软粗糙集模型，得到专家群上的语言值双极下近似软集和上近似软集。通过对全部决策方案的语言值双极评价集及其下近似、上近似进行加权算术平均，分别得到三个决策方案上的语言值双极模糊集，并利用它们对全部决策方案排序。最后，通过网络学习平台评价的多准则综合决策评估的案例研究，验证方法的有效性和合理性。

发明内容

为实现上述目的，本发明的技术方案为：

基于语言值双极软粗糙集的多准则群决策技术，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；