摘 要：模糊集的提出极大拓宽了多属性决策理论，但无法处理不一致和不连续信息，单值中智集(single-valued neutrosophic sets)的提出弥补了这一不足。本文把单值中智集的三个参数投影到坐标轴上形成三维空间，并把VIKOR方法拓展到该环境下。为了使得VIKOR方法同时考虑正理想解和负理想解对方案的影响，本文提出参照系数的概念并将其引入到原始VIKOR方法中，并通过参照系数的变动探究不同参照标准对排序及最佳妥协解的影响。通过对比分析验证方法的有效性和可行性。对比结果表明，不同的参照标准下，得到的排序及最佳妥协解不同。最后，把所提方法用到实际问题中。
关键词：VIKOR；单值中智集；参照系数；相对距离权重；多属性决策
1 引言
多属性决策方法是指用定性或定量指标对有限个方案进行决策的方法，在现实生活中的应用极为广泛。VIKOR(VlseKriterijumska Optimizacija IKompromisno Resenje)是一种常用的多属性决策方法，由Opricovic[1]提出，属于多属性决策中最佳妥协解方法，同时可以使得群体效用最大，个体遗憾最小。VIKOR方法自提出后被用来解决一系列实际问题，如方案评估、产业发展等[2-4]。许多学者把VIKOR拓展到模糊环境下，提出一系列的模糊VIKOR方法，并广泛应用到医疗、供应商选择、风险管理等多个领域[5-9]。由于VIKOR涉及减法公式，精确数环境下可以直接利用VIKOR方法。在模糊环境下，Liao Huchang和Xu Zeshui[10]提到犹豫模糊集的减法公式，但公式使用不方便，因此在模糊环境下使用VIKOR方法一般不采用直接做差。现存文献对模糊VIKOR方法的处理有以下几种：(1)通过去模糊化的方式把模糊数转化为精确数[11-12]，但会造成信息不能被完全利用；(2)和其他方法如Choquet积分算子、AHP、模糊集的集结算子等结合消除不便之处[13-16]，但计算过程较为复杂；(3)将距离公式引入VIKOR方法[17-19]，应用较为广泛；(4)其他的方法[20-21]。
模糊环境下的VIKOR方法虽然能解决大部分的决策问题，但仍有不适用的范围，尤其是当信息不确定和不一致时。例如当邀请一个专家判断某一表述的准确性时，他可能会说这句话真实的程度是0.5，错误的程度是0.6，不确定的程度是0.2。这一情况就超出模糊集及其拓展集合的适用范围。
Smarandache[22]提出的中智集(neutrosophic sets, NS)可以很好的解决上述提到的问题，已经与多种传统多属性决策方法结合并被广泛应用到医疗保健、投资等多个领域[23-28]。单值中智集(single-valued neutrosophic sets, SVNS)是中智集的一类，由于表达形式简便，更易被应用到现实中。Wang Haibin等[29]首次提出单值中智集思想，Ye Jun[30-31]把单值中智集的思想概念化，并提出一些运算及相似度公式。但Peng Juanjuan等[32-33]举例指出，Ye Jun[31]的简单中智集的运算法则等有与理论违背的地方，对此进行了改进。为对两个单值中智数的大小进行比较，Peng Juanjuan等[33]根据直觉模糊数的记分函数、精确函数提出了简单中智数的记分函数、精确函数和确定函数，并据此比较两个单值中智数的大小。Majumdar和Samanta[34]根据模糊集的欧式距离公式，给出了单值中智集的标准欧式距离公式。
本文用单值中智集的正确值、不确定值和谬误值表示不同的坐标轴，构建三维空间，并把传统VIKOR方法拓展到该环境下。传统VIKOR方法根据方案与正理想解的贴近度进行妥协排序，在一维空间中是合理的。但在一维以上空间中，仅考虑方案与正理想解的贴近度而忽略方案与负理想解的贴近度会造成信息的缺失，得到的评价结果不合理。因此，为综合考虑正、负理想解对方法的影响，本文通过设置“参照系数”把方案与负理想解的贴近度引入到VIKOR方法中，使得决策者可以通过改变参数的大小选择不同的参照标准。另外，本文建立最大化“相对距离”模型求解权重值，使得在该权重下每个方法的相对实力都最好。
2 单值中智集
现实生活的不确定性使得不是所有的属性值都可以用精确数表示，尤其是定性指标。更多情况下会用不精确数或语言变量对属性进行描述。Zadeh[35]于1965年首次提出模糊集的概念，用以表示不确定信息。为使模糊集进一步完善，Atanassov[36]于1986年提出了直觉模糊集，比模糊集的适用范围更广。之后，又出现区间模糊集[37]、区间直觉模糊集[38]、犹豫模糊集[39]等拓展集合，为决策带来更大的空间。但是仍有局限性，例如无法解决信息的不连续和不一致情况。中智集的提出解决了这一问题。以下给出中智集、单值中智集的定义，单值中智集的运算及相关性质。
定义1[22]令X是一个对象(点)集，X中的元素记为x。X上的中智集A由事物的真实值TA(x)，不确定值IA(x)，谬误值FA(x)组成，是[0-,1+]中的非标准子集，即TA(x):X→[0-,1+]，IA(x):X→[0-,1+]，FA(x):X→[0-,1+]。由于TA(x)、IA(x)、FA(x)的和没有限制，因此满足关系0-≤supTA(x) + supIA(x)+supFA(x)≤3+。
因此，在目前多元化社会思潮和多元化价值观念的影响下，加强医院各科室精神文明建设尤为重要。医务人员只有积极践行社会主义核心价值观，才能避免被非主流的思想观念和价值观念所误导，才能保障我国的医疗卫生事业始终保持正确的价值取向和发展方向，健康稳定可持续发展。
为使中智集的思想更好的用到现实生活中，Ye Jun[30-31]提出简单中智集的概念及一些运算。
定义2[30]令X是一个对象(点)集，X中的元素记为x。当TA(x)、IA(x)、FA(x)退化成[0,1]中的标准子集时，即TA(x):X→[0,1]，IA(x):X→[0,1]，FA(x):X→[0,1]，其和满足0≤TA(x)+IA(x)+FA(x)≤3，称为简单中智集。记为A={〈x,TA(x),IA(x),FA(x)〉|x∈X}。
首先，二语学习是一个长期且艰辛的过程，困难和挫折在所难免。在遇到失败的时候，大多数（45.6%）被试表示他们会从自己的兴趣爱好出发（如听音乐，参加演讲和辩论等），有意识地在自己擅长的方面重拾学习的热情和自信。自我效能感和决心在二语学习中起到重要的作用，它可以帮助学习者建立理想的“二语自我”形象，并激发学习者不畏艰难勇往直前的斗志。
等式(2)对ω和λ求导得：
同时令D表示所有半长为n的Dyck路的集合，p(∂)表示一个半长为n的Dyck路∂中所含峰的个数。定义集合[1,n]和D的卷积[1,n]×D={(m,∂):m∈[1,n],∂∈D}。
(1)A⊕B=〈TA(x)+TB(x)-TA(x)TB(x),IA(x)IB(x),FA(x)FB(x)〉；
(2)A⊗B=〈TA(x)TB(x),IA(x)+IB(x)-IA(x)IB(x),FA(x)+FB(x)-FA(x)FB(x)〉；
(3)λA=〈1-,,〉,λ>0
Cao Qingwei等[41]以最大化每个方案与负理想解的加权距离为目标函数建立模型，得到每个指标的权重，使得在该权重下每个方案与负理想解的距离都最大。本文提出“相对距离”的概念，即把每个方案与负理想解、正理想解距离的差值最大化作为目标函数，通过线性模型求解得到权重，可以使得在该权重下每个方案的相对实力是最好的。
定理1[32-33]对单值中智集A,B,C，性质如下：
(1)A⊕B=B⊕A
(2)A⊗B=B⊗A
此外，还有一点需要值得重视的是，游戏材料的选择要注意安全性。幼儿的年纪尚小，对于很多事物的认识尚且不足，这就要求我们再进行益智区游戏材料选择的时候要注意安全性。在幼儿园里，游戏材料的体积不能过小，避免幼儿的无知导致吞食而窒息，或者塞进鼻子、耳朵里；游戏的材料中尽量避免过于长的细线，可能会出现幼儿绊倒、摔伤或者是勒到脖子等行为；一些尖锐、锋利的游戏材料也不适合出现在幼儿园阶段，防止幼儿划伤、刺伤等。身为教师，我们要时时刻刻注意幼儿的安全问题，要知道幼儿园阶段的学生认知力不足，某些小事都会导致对幼儿的伤害，所以在游戏材料的选择上要格外注意，尽力避免对幼儿产生伤害的可能。
(3)λ(A⊕B)=λA⊕λB,λ>0
(4)=Aλ⊗Bλ,λ>0
(5)λ1A⊕λ2A=(λ1+λ2)A,λ1>0,λ2>0
进而，从上述角度也可很好地理解注意纠正以下弊病的重要性：由于小学数学教学的内容相对而言比较单一，因此，相关的课例研究很容易出现“撞衫”的现象，这并常常导致对于“与众不同”的刻意追求，乃至将此简单地等同于教学上的“创新”，事实上却又往往不知不觉地陷入了单纯的“标新立异”．例如，以下的论述就多少表现出了这样的倾向：“永不重复别人，更不重复自己．”
(6)Aλ1⊗Aλ2=A(λ1+λ2),λ1>0,λ2>0
定义4[33]对单值中智数A=〈TA,IA,FA〉，其记分函数s(A)、精确函数a(A)和确定函数c(A)定义如下：
(1)s(A)=(TA+1-IA+1-FA)/3
(2)a(A)=TA-FA
(3)c(A)=TA
定理2[33]A，B为两个单值中智数：
(1)若s(A)>s(B)，那么A比B大，即A>B；
(2)若s(A)=s(B),a(A)>a(B)，那么A比B大，即A>B；
(3)若s(A)=s(B),a(A)=a(B),c(A)>c(B)，
步骤1. 根据定义4、定理2确定正理想解负理想解
(4)若s(A)=s(B),a(A)=a(B),c(A)=c(B)，那么A等于B，即A=B。
定义5[34]令A={〈TA(x1),IA(x1),FA(x1)〉〈TA(x2),IA(x2),FA(x2)〉,…,〈TA(xn),IA(xn),FA(xn)〉},B={〈TB(x1),IB(x1),FB(x1)〉，〈TB(x2),IB(x1),FB(x2)〉,…,〈TB(xn),IB(xn),FB(xn)〉为两个简单中智集，那么A，B之间的标准欧式距离为：
3 单值中智集环境下的VIKOR方法
VIKOR方法根据准则函数进行评估，根据方案与正理想解的贴近度进行妥协排序，妥协排序的多准则测量是从Lp测度发展来的，是妥协方法的集结函数：
在精确数环境下，方案的属性值由精确数表示。该情况可以看成是由一系列精确数形成的一维空间。一维空间下，若方案与正理想解的距离越小，那么与负理想解的距离就越大。此时，仅考虑方案与正理想解的贴近度得到的最佳妥协解就可以满足距离正理想解最近同时距离负理想解距离最远，如图1所示。
现在几乎人人都有自己的微博，微博主页上的认证标签代表了博主的个性和成就，假如古代诗人也有微博，他们的认证标签会是什么呢？
图1 精确数空间
在模糊环境下，方案的属性值由模糊数表示。Yang Yingjie和Chiclana[40]用隶属度、非隶属度及犹豫度建立坐标系，在二维及三维空间中考虑模糊数的性质。在该情况下，方案与正理想解的距离越小，不代表其与负理想解的距离越大。如图2所示，A,B为两个备选方案，属性值由直觉模糊数表示。此时，得到的最佳妥协解不满足与正理想解的距离最小同时与负理想解的距离最大。
图2 直觉模糊集空间
3.1 最大化“相对距离”的权重获取模型
(4)Aλ=〈,1-,1-〉λ>0。
在单值中智集环境下，假设有m个方案，n个属性，属性值均为单值中智数，ωj(j=1,2,…,n)为属性j的权重。根据定义4和定理2确定正、负理想解，根据定义5确定每个方案与正、负理想解的距离那么表示方案i在属性j下的相对距离，于是表示方案i的整体加权相对距离。那么，zi越大说明方案的相对实力越好。最大化m个方案的加权相对距离总和就得到目标函数，模型如下：
0≤ωj≤1,j=1,2,…,n
(1)
模型(1)是一个条件约束问题，可以通过构造Lagrange函数求解。设λ为Lagrange乘数，那么Lagrange函数为：
(2)
定义3[32-33]对单值中智集A=〈TA(x),IA(x),FA(x)〉,B=〈TB(x),IB(x),FB(x)〉，有：
(3)
等式(3)是关于ωj(j=1,2,…,n)和λ的方程，联立方程得到权重值，并对权重值进行标准化处理。
3.2 基于“参照系数”的VIKOR方法
用单值中智集的正确值、不确定值和缪误值建立做坐标系，把单值中智集投影到三维空间中图3所示。在该环境下，B,C,D表示3个备选方案，随着备选方案与正理想解的距离缩小的同时，其与负理想解的距离也在缩小。因此，以正理想解为参照对象得到的最佳妥协解与以负理想解为参照对象得到的最佳妥协解也是不同的。故在单值中智集环境下仅考虑方案与正理想解的贴近度不能全面的反映方案的优劣。
这里，分别表示每个方案与正理想解、负理想解的距离。通过定义5中的距离公式计算。
图3 单值中智集空间
要注意的是，以方案与正理想解的贴近度为参照对象时，结果越小越好；以方案与负理想解的贴近度为参照对象时，结果则越大越好。因此，为保持排序的同步性，采用S负和R负的倒数进行整合。框架如图4所示。
再过两年多的时间，中国就将庆祝共和国五十周岁的诞辰；而人类将喜迎一个新世纪的千岁新年。我深信不疑，香港将在那个双喜临门的时刻，用更加美好的生活，向祖国献礼；带着更加辉煌的成就，跨进新世纪。
假设方案i在指标j下的属性值由单值中智数表示，指标的权重根据模型(1)得到。具体步骤如下：
那么A比B大，即A>B；
步骤2. 分别以正、负理想解为参照对象计算方案i的S和R；
(4)
(5)
图4 基于参照系数的VIKOR方法框架图
本文的基本思想是：分别以方案与正理想解的贴近度和方案与负理想解的贴近度为参照对象，得到方案的群体效用S正,S负和个体遗憾R正,R负。通过在S正和S负，R正和R负之间引入参照系数得到最终的群体效用值和个体遗憾值。需
Step 3. 计算方案i的S值和R值；
但令我沮丧的是，大病来袭的我在剧咳中竟然没有引起任何一个人的注意。别人不注意也就罢了，居然连老婆綦丽也没有注意。他们的注意力全部都集中到裘子的身上。尽管裘子的笑话己经讲完了，他们却仍把目光停留在裘子的脸上放肆地大笑着。好在老婆就坐在我身侧，我赶紧凑过去对老婆说：我的假牙掉了。
简单中智集可简写为A=〈TA(x),IA(x),FA(x)〉。当TA(x),IA(x),FA(x)，均为[0,1]之间的子区间时，简单中智集退化成区间中智集(interval neutrosophic sets, INS)；当TA(x)，IA(x)，FA(x)均为[0,1]之间的一个精确数时，简单中智集退化成单值中智集(single-valued neutrosophic sets, SVNS)。特别的，当X中仅有一个元素时，A=〈TA(x),IA(x),FA(x)〉是一个单值中智数，记为A=〈TA,IA,FA〉。本文用单值中智数表示多属性决策问题的属性值。
(6)
其中，λ∈[0,1]为参照系数，代表决策者更注重方案与正理想解的贴近度还是方案与负理想解的贴近度，参照系数不同则参照标准不同。λ>0.5表示决策者更注重方案与正理想解的贴近度；λ<0.5表示决策者更注重方案与负理想解的贴近度；λ=0.5表示决策者态度居中。
步骤4. 计算方案i的Q值；
(7)
其中S+=maxSi,S-=minSi,R+=maxRi,R-=minRi。根据S、R、Q值确定排序结果。v可以被认为是一个权重，v>0.5表示决策者更注重群体效用，即满足大多数人的意见；v<0.5表示决策者更注重个体遗憾，即这里折中取v=0.5。
表4反映的情况，与最高检职务犯罪预防厅关于近年来我国女性职务犯罪率呈明显快速增长态势的判断基本一致［9］，表5关于女性职务犯罪人数的统计也印证了这一判断［10］。
步骤5. 根据Q的升序对结果排序。
步骤6. 对妥协解进行检验，假设A为妥协
解，那么Q的值应满足以下两个条件：
条件1：可接受优势。若B是排在第二位的方案，那么Q(B)-Q(A)≥DQ。其中M为方案的总数，
被解释变量为主营业务利润(profit)，研发费用(R&D)和营销费用(advertisement)为解释变量，考虑到研发费用和营销费用对主营业务利润的作用可能有滞后性，因此本文采用滞后一阶的多元线性回归模型。
条件2：决策过程中可接受的稳定性，即根据S或(和)R的值，A也是最好的方案。
(1)理想整体发电效率随负荷增加而单调增大。由于给水流量波动导致的实时参数滞后，以及环境温度对背压和发电效率的影响，直接空冷机组的实际整体发电效率、汽轮发电机整体效率、汽轮机理想循环热效率随负荷增加并未表现出明显单调递增的规律。
4 对比分析
为验证对原始VIKOR方法修正的有效性，用本文提出的基于参照系数的VIKOR方法对Zhang Nian和Wei Guiwu[42]中的算例进行求解。文献[42]通过犹豫模糊集的距离公式把VIKOR和TOPSIS拓展到犹豫模糊环境下，并对两个结果进行对比。具体结果如下所示，表1给出分别以正、负理想解为参照对象时方案的S和R。不同参照系数取值下的结果如表2所示。
表1 分别以正理想解和负理想解为参照对象的结果
S正R正S负R负A10.50480.180.49520.1857A20.48930.21430.51070.25A30.53820.20.45180.15A40.42740.21430.57260.325
表2 不同取值下的结果
λ00.10.20.30.40.50.60.70.80.91A1A2A3A4S2.0192 1.8678 1.7163 1.5649 1.4134 1.2620 1.1105 0.9591 0.8077 0.6562 0.50481.9580 1.8112 1.6643 1.5174 1.3705 1.2237 1.0768 0.9299 0.7830 0.6362 0.48932.0334 1.8839 1.7344 1.5848 1.4353 1.2858 1.1363 0.9868 0.8373 0.6877 0.53821.9508 1.7984 1.6461 1.4938 1.3414 1.1891 1.0367 0.8844 0.7321 0.5797 0.4274 A1A2A3A4R5.3846 4.8642 4.3437 3.8232 3.3028 2.7823 2.2618 1.7414 1.2209 0.7005 0.18004.0000 3.6214 3.2429 2.8643 2.4857 2.1071 1.7286 1.3500 0.9714 0.5929 0.21436.6667 6.0200 5.3733 4.7267 4.0800 3.4333 2.7867 2.1400 1.4933 0.8467 0.20004.2553 3.8512 3.4471 3.0430 2.6389 2.2348 1.8307 1.4266 1.0225 0.6184 0.2143 A1A2A3A4Q0.6739 0.6648 0.6562 0.6479 0.6397 0.6315 0.6227 0.6126 0.5983 0.5660 0.34910.0440 0.0745 0.1031 0.1299 0.1551 0.1788 0.2012 0.2223 0.2423 0.2613 0.77931.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.79170.0479 0.0479 0.0479 0.0480 0.0480 0.0481 0.0483 0.0485 0.0489 0.0503 0.5000
不同参照系数下的排序结果及妥协解如表3和图5所示。表3最后一列为λ=1时，即原始VIKOR方法，文献[42]的结果。从结果可以看出，当λ=1，即仅考虑方案与正理想解的贴近度时，排序结果为A1>A4>A2>A3，最佳妥协解为A1和A4；当λ=0，即仅考虑方案与负理想解的贴近度时，排序结果为A2>A4>A1>A3，最佳妥协解为A2和A4。即参照标准不同，得到的排序和最佳妥协解完全不同。而当0.1≤λ≤0.9，即决策者同时考虑正、负理想解对方案的影响时，排序结果均为A4>A2>A1>A3，最佳妥协解为A2和A4。这说明，在单值中智集构成的三维空间中，正、负理想解对最佳妥协解的产生都有影响，且决策者的偏好不同，得到的最佳妥协解也不一样。因此，在VIKOR方法中同时考虑方案与正、负理想解的贴近度得到的最佳妥协解更为合理，即引入参照系数是有效的。决策者可以根据自身偏好改变参照系数的大小，从而得到满意的最佳妥协解。图5能更直观的反映这一变化。
图5 Q值波动图
5 实例
考虑企业选择合作伙伴的问题，现有一个企业，要从4家公司中选择其中一个作为自己的合作伙伴。记A1,A2,A3,A4，从C1创新能力，C2管理能力，C3服务水平和C4发展潜力4个方面对4家公司进行评价。通过专家赋值的方式给出4家公司在每个指标下的指标值，结果由单值中智数表示。如表4。
表3 不同参照系数下的排序结果
λ00.10.20.30.40.50.60.70.80.91排序A2A4A4A4A4A4A4A4A4A4A1A4A2A2A2A2A2A2A2A2A2A4A1A1A1A1A1A1A1A1A1A1A2A3A3A3A3A3A3A3A3A3A3A3妥协解A2, A4A2, A4A2, A4A2, A4A2, A4A2, A4A2, A4A2, A4A2, A4A2, A4A1, A4
表4 单值中智集环境下的决策矩阵
C1C2C3C4A1(0.7,0.2,0.4)(0.5,0,0.5)(0.25,0.5,0.25)(0.6,0.2,0.1)A2(0.6,0.2,0.4)(0.6,0.1,0.2)(0.4,0.5,0.25)(0.6,0.3,0.1)A3(0.8,0.3,0.4)(0.6,0.1,0.1)(0.2,0.5,0.2)(0.5,0.2,0.2)A4(0.7,0.2,0.4)(0.5,0.1,0.4)(0.3,0.5,0.25)(0.5,0.2,0.2)
根据定义4和定理2得到正、负理想解为：
A+=〈(0.8 0.3 0.40), (0.60 0.10 0.1), (0.4 0.5 0.25), (0.60 0.20 0.10)〉;
A-=〈(0.60 0.2 0.4), (0.50 0 0.50), (0.2 0.50 0.20), (0.50 0.20 0.20)〉
根据定义5得到方案与正、负理想解的距离及相对距离，如表5。将相对距离带入模型(1)，根据(2)和(3)得到指标的权重值为：ω1=0.3008,ω2=0.2064,ω3=0.2451,ω4=0.2477。根据(4)和(5)得到分别以正、负理想解为参照标准时方案的S和R，如表6所示。选取不同的参照系数值，根据(6)和(7)得到S,R和Q值，如表7所示。根据Q值对方案进行排序，结果如表8和图6所示。
表5 方案的相对距离
距离C1C2C3C4A1A2A3A4“相对距离”D-减D+-0.0239-0.2449-0.04580.0816-0.12910.13380.11900.04230.12910.2449-0.1190-0.0816-0.0239-0.10090.0068-0.0816
表6 分别以正理想解和负理想解为参照对象的结果
S正S负R正R负A10.57500.46330.20640.2447A20.52460.70640.30080.2999A30.49280.50720.24770.3008A40.71070.33630.24770.1345
表7 不同参照系数取值下的结果
结果00.10.20.30.40.50.60.70.80.91SA12.1584 2.0001 1.8417 1.6834 1.5250 1.3667 1.2083 1.0500 0.8917 0.7333 0.5750A21.4157 1.3266 1.2375 1.1484 1.0593 0.9702 0.8810 0.7919 0.7028 0.6137 0.5246A31.9716 1.8237 1.6759 1.5280 1.3801 1.2322 1.0843 0.9364 0.7886 0.6407 0.4928A42.9737 2.7474 2.5211 2.2948 2.0685 1.8422 1.6159 1.3896 1.1633 0.9370 0.7107RA14.0866 3.6986 3.3106 2.9226 2.5345 2.1465 1.7585 1.3705 0.9824 0.5944 0.2064 A23.3347 3.0313 2.7279 2.4245 2.1211 1.8177 1.5144 1.2110 0.9076 0.6042 0.3008 A33.3245 3.0168 2.7091 2.4014 2.0938 1.7861 1.4784 1.1707 0.8631 0.5554 0.2477 A47.4338 6.7152 5.9966 5.2779 4.5593 3.8407 3.1221 2.4035 1.6849 0.9663 0.2477 QA10.3343 0.3292 0.3268 0.3239 0.3201 0.3151 0.3079 0.2969 0.2777 0.2325 0.1886 A20.0012 0.0020 0.0029 0.0040 0.0056 0.0077 0.0109 0.0163 0.0571 0.0594 0.5730 A30.1784 0.1750 0.1708 0.1656 0.1589 0.1503 0.1383 0.1209 0.0531 0.0417 0.2188 A41.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.7188
表8 不同参照系数取值下的排序及妥协解
λ00.10.20.30.40.50.60.70.80.91排序A2A2A2A2A2A2A2A2A3A3A1A3A3A3A3A3A3A3A3A2A2A3A1A1A1A1A1A1A1A1A1A1A2A4A4A4A4A4A4A4A4A4A4A4妥协解A2, A3A2, A3A2, A3A2, A3A2, A3A2, A3A2, A3A2, A3A2, A3A2, A3A1,A3
图6 Q值波动图
从表8可以看出，参照系数的改变会引起排序结果改变。当参照系数λ≤0.7时，排序结果A2>A3>A1>A4，最佳妥协解为A2和A3，公司2和公司3均为最佳合作伙伴；当参照系数λ增大为0.8、0.9时，排序结果为A3>A2>A1>A4，最佳妥协解仍为A2和A3；当参照系数λ=1时，排序结果为A1>A3>A2>A4，最佳妥协解为A1和A3，即公司1和公司3均为最佳合作伙伴。因此，决策者选择不同的参照标准，选择的合作伙伴是不一样的，同时考虑正、负理想解对方案的影响得到的结果更能满足决策者的偏好。但公司3在整个过程中均为最佳妥协解，因此该公司可以仅选择公司3为合作伙伴。
从图6可以看出，方案4的Q值在整个参照系数λ的变化过程中始终处于较高水平，即排名始终处于最后一位；方案1的Q值在参照系数λ的变化过程中有缓慢降低的趋势，在λ取1时，达到最低点。这意味着，若决策者仅考虑方案与正理想解的贴近度，方案1会排在第一位。反之则排名靠后；方案3的Q值在前期缓慢下降，最后明显上升。但在整个过程中，方案3始终处于前两位；方案2在λ<1时，Q值较小，但λ取1时迅速上升。这说明，若决策者仅考虑方案与正理想解的贴近度，方案2仅排在第3位。反之，则方案2排在第一位。
6 结语
单值中智集作为中智集中一种特殊的集合，已经被逐渐应用到决策的各个领域。本文根据单值中智集的相关性质，提出基于“相对距离”获得权重的方法，并把VIKOR方法拓展到单值中智集环境下的。同时通过设置参照系数把方案与负理想解的贴近度引入VIKOR方法。经对比分析，决策者以方案与正理想解的贴近度为基准得到的排序及最佳妥协解，和决策者以方案与负理想解的贴近度为基准得到的排序及最佳妥协解是不同的。而当决策者同时考虑方案与正、负理想解的贴近度时，决策者的偏好不同，方案的最终得分也不一样，得到的排序结果和最佳妥协解也可能会发生变化。实例分析部分也表明，决策者综合考虑不同偏好水平下的排序结果及妥协解得到的最佳妥协解更为合理。
末次治疗结束后第3个月，观察两组mMRC分级、CAT评分、CCQ评分，根据评价标准计算积分并记录，同时对随访期间出现的不良反应进行记录。
本文具有以下创新点：(1)把传统VIKOR方法拓展到单值中智集环境下，比传统VIKOR和模糊VIKOR的适用范围更广，尤其是当信息不连续和不一致时；(2)建立最大化“相对距离”的权重获取模型，使得在该权重下每个方案的相对实力都是最好的；(3)通过设置参照系数把方案与负理想解的贴近度引入到传统的VIKOR方法中，使得决策者可以通过改变参照系数的取值选取不同的参照标准。
本文所选的对比分析案例及实例的排序结果的波动都不是很大，且均有一个方案始终属于妥协解。这种情况下，决策者可以通过该方法得到的结果明确的选取一个方案做为最佳妥协解。但当决策者选取的参照标准不同，排序结果波动较大且妥协解的变动很大时，也会造成决策者的迷茫。因此，进一步研究可以考虑如何把方案与正、负理想解的贴近度整合为一个确定的公式，从而得到一个“相对的”最佳妥协解，消除由于偏好不同所造成的决策迷茫问题。
“你信命吗？”不等徐艺回答，左达接着说，“不管你信不信，我信。看来，我不能和要债的拼命，不是他们的错，这就是我的命，我是命中注定要输的，和任何人没关系。刚才这最后一把，让我知道我活着是没指望了，只有死亡能彻底让我戒赌，让我解脱。”
参考文献：
[1] Opricovic S.Multicriteria optimization of civil engineering systems[J]. Faculty of Civil Engineering, Belgrade, 1998, 2(1): 5-21.
[2] Falcone G, Luca A D, Stillitano T, et al.Assessment of environmental and economic impacts of vine-growing combining life cycle assessment, life cycle costing and multicriterial analysis[J].Sustainability, 2016, 8 (8): 793.
[3] Hu Kuanghua, Chen Fuhsiang, Tzeng Gwo hiung. Evaluating the improvement of sustainability of sports industry policy based on MADM[J]. Sustainability, 2016, 8(7) 606.
B, S M,I. Multicriteria decision making in selecting best solid waste management scenario: A municipal case study from Bosnia and Herzegovina[J]. Journal of Cleaner Production, 2015, 130:166- 174.
[5] Chen Tingyu. Remoteness index-based pytha- gorean fuzzy VIKOR methods with a generalized distance measure for multiple criteria decision analysis[J]. Information Fusion, 2017, 41:129-150.
[6] Zhang Junling, Hegde G, Shang Jennifer, et al. Evaluating emergency response solutions for sustainable community development by using fuzzy multi-criteria group decision making approaches: IVDHF-TOPSIS and IVDHF- VIKOR[J]. Sustainability, 2016, 8(4):291.
[7] Ghadikolaei A S, Parkouhi S V. A resilience approach for supplier selection: Using fuzzy analytic network process and grey VIKOR techniques[J]. Journal of Cleaner Production, 2017, 161:431-451.
[8] 袁宇,关涛,闫相斌,等.基于混合VIKOR方法的供应商选择决策模型[J].控制与决策,2014, (3): 551-560.
[9] 方曦,李治东,熊焰,等.基于模糊VIKOR法的企业决策情报评价及应用[J].情报理论与实践, 2015, 38(3): 49-52.
[10] Liao Huchang, Xu Zeshui. Subtraction and division operations over hesitant fuzzy sets[J]. Journal of Intelligent & Fuzzy Systems,2014, 27(1):65-72.
[11] 江文奇.基于FVIKOR的三角模糊数型准则决策方法[J].控制与决策,2016, 31(7):1330-1334.
[12] Wu Zhibin, Ahmad J, Xu Jiuping. A group decision making framework based on fuzzy VIKOR approach for machine tool selection with linguistic information[J].Applied Soft Computing, 2016,42(C):314-324.
[13] 赵树平,梁昌勇,罗大伟.基于VIKOR和诱导广义直觉梯形模糊Choquet积分算子的多属性群决策方法[J].中国管理科学,2016, (6):132-142.
[14] 江文奇.基于前景理论和VIKOR的风险型模糊多准则决策方法[J].控制与决策, 2014, (12):2287-2291.
[15] 谭春桥, 贾媛. 基于证据理论和前景理论的犹豫-直觉模糊语言多准则决策方法[J]. 控制与决策, 2017, 32(2):333-339.
[16] 江文奇.三角模糊数型多准则群决策的VIKOR扩展方法[J].控制与决策,2015,(6): 1059-1064.
[17] Zhang Nian, Wei Guiwu. Extension of VIKOR method for decision making problem based on hesitant fuzzy set[J]. Applied Mathematical Modelling, 2013,37(7):4938-4947.
[18] Kim Y,Chung E S.Fuzzy VIKOR approach for assessing the vulnerability of the water supply to climate change and variability in South Korea[J]. Applied Mathematical Modelling, 2013,37(22): 9419-9430.
[19] 李庆胜,刘思峰.基于灰色关联的灰色犹豫模糊VIKOR方法[J].数学的实践与认识, 2015, (18): 119-126.
[20] 索玮岚.基于扩展VIKOR的不确定语言多属性群决策方法[J].控制与决策, 2013,(9): 1431- 1435.
[21] 刘凯宁,樊治平,李永海.考虑多因素关联情形的企业发展战略选择的SDV方法[J].管理学报, 2014,11(12):1766-1774.
[22] Smarandache F.A unifying field in logics: Neutrsophic logic. Neutrosophy, neutrosophic set, neutrosophic probability (fourth edition).[J]. Journal of Molecular Biology,2003, 332(2):489 -503.
[23] Peng Juanjuan,Wang Jianqiang, Zhang Hongyu, et al.An outranking approach for multi-criteria decision- making problems with simplified neutrosophic sets[J]. Applied Soft Computing, 2014,25(C): 336-346.
[24] Ye Jun.Improved cosine similarity measures of simplified neutrosophic sets for medical diagnoses[J]. Artificial Intelligence in Medicine, 2014,63(3):171-179.
[25] Liu Peide, Wang Yumei. Multiple attribute decision-making method based on single-valued neutrosophic normalized weighted Bonferroni mean[J]. Neural Computing & Applications, 2014, 25(7-8):2001-2010.
[26] Ye Jun, Fu Jing. Multi-period medical diagnosis method using a single valued neutrosophic similarity measure based on tangent function[J]. Computer Methods & Programs in Biomedicine, 2016,123:142-149.
[27] Biswas P, Pramanik S, Giri B C.TOPSIS method for multi-attribute group decision- making under single-valued neutrosophic environment[J]. Neural Computing & Applications, 2016, 27(3): 727-737.
[28] Hu Junhua, Pan Li, Chen Xiaohong. An interval neutrosophic projection-based VIKOR method for selecting doctors[J]. Cognitive Computation, 2017, 9(6): 801-816.
[29] Wang Haibin, Smarandache F, Sunderraman R. Single valued neutrosophic sets[C]//Proceedings of the 8th Joint Conference on Information Science, Salt Lake City, USA, July 21-26, 2005.
[30] Ye Jun.Vector similarity measures of simplified neutrosophic sets and their application in multicriteria decision making[J]. International Journal of Fuzzy Systems,2014, 16(2):204-211.
[31] Ye Jun.A multicriteria decision-making method using aggregation operators for simplified neutrosophic sets[J].Journal of Intelligent & Fuzzy Systems,2014, 26(5):2459-2466.
[32] Peng Juanjuan, Wang Jianqiang, Zhang Hongyu, et al. An outranking approach for multi-criteria decision-making problems with simplified neutrosophic sets[J]. Applied Soft Computing, 2014,25(C):336-346.
[33] Peng Juanjuan, Wang Jianqiang, Wang Jing, et al. Simplified neutrosophic sets and their applications in multi-criteria group decision- making problems [J]. International Journal of Systems Science, 2016, 47(2):2342-2358.
[34] Majumdar P,Samanta S K.On similarity and entropy of neutrosophic sets[J].Journal of Intelligent & Fuzzy Systems Applications in Engineering & Technology, 2014, 26(3): 1245- 1252.
[35] Zadeh L A.Fuzzy sets [J].Information &Control, 1965,8(3):338-353.
[36] Atanassov K T. Intuitionistic fuzzy sets[J]. Fuzzy Sets & Systems,1986,20(1):87-96.
[37] Gorzaczany M B. A method of inference in approximate reasoning based on interval-valued fuzzy sets[J]. Fuzzy Sets & Systems, 1987, 21(1): 1-17.
[38] Atanassov K, Gargov G. Interval valued intuitionistic fuzzy sets[J]. Fuzzy Sets & Systems, 1989, 31(3):343-349.
[39] Torra V. Hesitant fuzzy sets[J].International Journal of Intelligent Systems,2010, 25(6):529- 539.
[40] Yang Yingjie, Chiclana F. Consistency of 2D and 3D distances of intuitionistic fuzzy sets[J]. Expert Systems with Applications, 2012, 39(10):8665- 8670.
[41] Cao Qingwei, Wu Jian, Liang Changyong. An intuitionsitic fuzzy judgement matrix and TOPSIS integrated multi-criteria decision making method for green supplier selection[J].Journal of Intelligent & Fuzzy Systems, 2015,28(1):117-126.
[42] Zhang Nian, Wei Guiwu. Extension of VIKOR method for decision making problem based on hesitant fuzzy set[J]. Applied Mathematical Modelling, 2013, 37(7):4938- 4947.
VIKORMethodBasedontheReferenceCoefficientunderSingle-valuedNeutrosophicEnvironment
FANJian-ping,LIUSheng-nan,WUMei-qin
(School of Economic and Management, Shanxi University, Taiyuan 030006, China)
Abstract： The proposed single-valued neutrosophic sets make up for the shortcomings of fuzzy sets that cannot handle inconsistent and discontinuous information. The study regards three parameters of single-valued neutrosophic sets as three coordinates to generate a 3D dimension, and extends VIKOR method to single-valued neutrosophic sets environment. The ranking of original VIKOR method is based on the closeness between alternatives and the positive ideal solution(PIS). Namely the optimal compromise solution is the closest to PIS. However, in the 3D space consists of single-valued neutrosophic sets, the closest distance between the alternative and PIS does not mean that it is the farthest from the negative ideal solution(NIS). That is, the ranking and the optimal compromise solution are different when take the closeness between alternatives and PIS as baseline compared with the closeness between alternatives and NIS. Different preference of decision makers for reference standard lead to different results which cause confusion in the decision making. The existing research does not propose some advices to solve the problem. For this reason, the concept of reference coefficient(RC) is proposed and the closeness between alternatives and NIS is introduced into original VIKOR method and the influence of different RC is explored on the ranking and the optimal compromise solution. In order to verify the effectiveness of the improved method, the result of the paper are compared with those of the existing literature. The result shows that the changes of RC have an impact on the ranking and the optimal compromise solution. It is more reasonable for decision makers to consider the results of different RC comprehensively. VIKOR method based on the reference coefficient amends the use of original VIKOR method under the imprecision environment which is an extension of VIKOR method. The research result shows that it is a reasonable ranking method.
Keywords： VIKOR; single-valued neutrosophic sets; reference coefficient; relative distance weights
中图分类号：C934
文献标识码：A
文章编号：1003-207(2019)06-0136-10
DOI:10.16381/j.cnki.issn1003-207x.2019.06.013
收稿日期：2017-06-29； 修订日期：2018-05-25
基金项目：山西省“1331工程”重点创新团队建设计划(2017)；山西省“服务产业创新学科群建设计划”：智慧物流管理服务产业创新学科群项目(2018)
通讯作者简介：范建平(1975-)，男(汉族)，山西武乡人，山西大学经济与管理学院，副院长，副教授，博士，研究方向：决策科学与技术，E-mail: fjp@sxu.edu.cn.
标签：方案论文; 理想论文; 中智论文; 方法论文; 距离论文; 社会科学总论论文; 管理学论文; 决策学论文; 《中国管理科学》2019年第6期论文; 山西省“1331工程”重点创新团队建设计划(2017) 山西省“服务产业创新学科群建设计划”:智慧物流管理服务产业创新学科群项目(2018)论文; 山西大学经济与管理学院论文;