摘 要：针对属性权重和专家权重完全未知的直觉模糊群决策问题，提出一种基于证据理论的决策方法。基于记分函数和属性不确定度，将专家的直觉模糊决策矩阵转化为Mass 函数；运用了基于直觉模糊熵的属性权重计算方法，将专家针对属性集关于方案集的评价证据进行修正与合成；确定了考虑接近度与相似度的专家权重计算方法，融合了TOPSIS 法与Jousselme 距离度量专家权重，将各专家关于方案集的评价证据进行修正与合成，最后进行方案排序。运用实例证明了方法的合理性和有效性。
关键词：证据理论，直觉模糊熵，多属性群决策，效能评估，信息集结
0 引言
近年来，多属性群决策问题受到了越来越多的关注，在解决决策择优［1-3］、威胁评估［4］、效能评估［5］等诸多问题有着广泛的应用。在管理决策过程中，由于客观事物的复杂性和不确定性，决策者通常难以用精确的实数值来表达偏好信息，直觉模糊数的提出和发展为解决此类问题提供了新思路。
目前已有很多文献都展开了研究，采用的方法也较多，研究的关键问题主要体现在属性权重的确定、专家权重的确定以及决策信息的集结。
1）属性权重的确定
决策属性权重的确定，通常结合熵理论对直觉模糊数进行处理。文献［2］综合考虑直觉性和模糊性对不确定信息的影响，提出了一种新的直觉模糊熵，并基于熵最小化的原理建立非线性规划模型确定属性权重；文献［6］对直觉模糊熵进行了分类比较，按照直觉模糊熵的度量含义不同，分别从犹豫度、几何距离、概率和不确定性框架4 个方面进行了归纳总结，并提出一种客观权重的确定方法；文献［7］根据直觉模糊熵的定义，在计算属性权重时，考虑了犹豫度对权重的影响，对计算公式进行了改进，提出了新的度量方法，并证明了其合理性。
2）专家权重的确定
4.统计学处理：采用SPSS 17.0进行数据的整理和统计分析。计量资料用均数±标准差表示，2组之间皮片成活率和平均换药次数的比较因为方差不齐，采用校正t检验。以P<0.05为差异有统计学意义。
文献［8］在对直觉模糊多属性群决策中，提出了相似度的概念，把群决策转化为单人决策；文献［1］通过将各专家给出的直觉模糊集决策矩阵转化为决策向量，提出基于直觉模糊决策向量的欧几里得相似度的专家权重确定方法；文献［9］通过单一专家的个人决策矩阵和其他所有决策者的决策矩阵之间的距离来确定决策者权重。结合以上研究确定专家权重的优势，应用TOPSIS 法和Jousselme 距离，融合相似度与接近度来确定专家权重，使结果更加科学合理。
3）决策信息的集结
确定专家权重和属性权重后，运用不同的集结方法便可得到各方案评价结果。文献［1，10-11］通过TOPSIS 法来对专家群的决策信息进行综合集成，根据个人评价信息与群体之间的距离信息进行评价，可能会过分削弱一些偏差度较大评价信息的影响权重，失去部分决策者信息；文献［12］在提出了一系列的信息集成算子，并将其应用于多属性群决策问题中，但是在运用这些算子处理决策问题之前，需要获取属性权重和自然状态发生概率的相关信息，若用于处理属性权重完全未知的情况，不一定可靠。因此，本文应用改进的证据理论进行信息集结，一方面Dempster 组合规则具有良好的信息聚焦性能，降低结果的不确定性；另一方面，可以运用证据权进行证据信息的修正，避免信息的不可靠造成证据之间重要程度的差异。
基于此，本文提出一种新的基于证据理论的直觉模糊群决策方法。将解决问题的关键分为属性集信息集结和专家集信息集结两部分，在计算属性权重和专家权重后，运用证据权理论，分别对属性集和专家集的Mass 函数进行修正，再通过Dempster 组合规则进行合成，最终得出方案集的Mass 函数向量进行方案排序，并结合算例验证了方法的有效性。
1 预备知识
1.1 直觉模糊集
定义1［13］ 设X 是一个论域，则论域X 上的一个直觉模糊集定义为：
其中，为X 上的两个映射，分别表示元素x 属于A 的隶属度和非隶属度，且对于A 上的所有均成立。此外，定义为A 中元素x 的犹豫度，用以描述元素x 是否属于集合A 的不确定程度。
4）建立节能管理信息平台，确保信息完整和可追溯。中国海油建立了涵盖数据直报管理、节能查询统计、节能数据分析、节能审计监测、固定资产能评等11个模块的节能管理信息平台，并加强系统的使用与管理力度，实现了节能信息的科学性、完整性、可追溯性。
1.2 直觉模糊熵
定义2 设A 和B 为直觉模糊集，对于X 上所有直觉模糊集IFS（x）存在的映射称为直觉模糊熵，如E 满足下列条件：
FGR组母血与脐血TG、TC、LDL-C、HDL-C水平均明显低于对照组，差异均有统计学意义(P<0.05)。FGR组脐血TG、TC水平明显低于母血TG、TC水平，差异均有统计学意义(P<0.05)。而脐血LDL-C、HDL-C水平与母血差异无统计学意义(P>0.05)。
1）为非模糊集；
2）；
设正理想解为
3），若且，则；若且，则；
4）。
1.3 证据理论
定义3［14］ 设Θ 为识别框架，m 为识别框架Θ 上的Mass 函数，，则称由Bel所定义的函数Bel为Θ 上的信任函数。
传统的组卷方式通常是教师组卷完毕后便整合试题、印刷。智学网下的组卷，为了方便教师网络阅卷，需要专门制作答题卡。在制作答题卡的环节中，教师需确定大、小标题，每题分值、各类型题目次序，同时为方便后续界面切割，还需综合考虑版面分割问题。确认完毕后，生成答题卡。
定义4［15］设Bel1，Bel2，…，Beln 是同一识别框架Θ 的信任函数，m1，m2，…，mn 为对应的Mass 函数，有
2 基于证据理论的直觉模糊群决策模型
2.1 问题描述与评价信息处理
对于属性权重和专家权重完全未知的多属性群决策问题，由K 名专家Pk（k=1，2，…，K）组成的专家集，针对由n 个备选方案的m 个属性oi（i=1，2，…，m）组成的属性集O，由n 个备选方案xj（j=1，2，…，n）构成方案集X 展开评价。
假设专家Pk对方案xj∈X 关于属性oi∈O 的评价值采用直觉模糊数来描述，其中表示专家Pk对方案xj关于属性oi给定的隶属度（或满意度）、表示非隶属度（或不满意度），表示犹豫度，且。则专家Pk的直觉模糊决策矩阵为。
综上所述，本研究保肢失败的主要原因是保肢指征较宽，对后期治疗的困难预估不足，对如患者年龄、基础疾病、经济承受能力、心理状态以及患者对治疗结果的期望值等缺乏正确的评估。这些问题均值得临床重视。
运用D-S 证据理论进行信息集结，首先需要构建各证据下不同方案的Mass 函数，主要利用记分函数和属性的不确定度来构建。
对于直觉模糊数，定义其记分函数为
其中，。
大数据驱动下，信息融合的对象不仅包括传统意义上图书馆的各类数据库资源、信息系统资源，还包括各类感知设备所采集的信息，以及图书馆用户行为数据等。将这些信息进行全面整合，最终实现终端应用、大屏展示和移动APP上的信息联动，是智慧图书馆信息系统实施的基础。
对进行归一化处理，令
2.2.2 属性集证据信息修正与合成
运用证据理论进行决策，在求解各证据下不同方案的Mass 函数时，要合理地确定属性不确定度，本文运用灰色关联法，根据各属性信息之间的相似或相异程度来衡量该属性与其他属性的匹配程度，某个属性相对于其他属性而言，越匹配属性体系的平均信息，则该属性包含的信息对决策越有利，即该属性不确定度越低，反之亦然。属性oik 的q 阶不确定度可定义为
其中，q 不确定度阶数，为提高分辨率，采用欧式距离，取q=2，
为灰色均值关联度，计算公式为
其中，。
则专家Pk对属性oi 关于方案集的Mass 函数可表示为
式中，。
因此，专家Pk 对属性集关于方案集的Mass 函数矩阵为
2.2 属性集信息集结
——针对近期媒体曝光的一些党员干部收受贿赂为网络游戏充值，挪用公款打赏主播，贪污公款用于网络赌博等“奇葩”案例，宁波市镇海区委常委、纪委书记、监委主任童华强表示，当今社会信息技术日新月异，年轻干部普遍熟悉互联网，很多违纪违法问题也与网
Atanassovd［6］等于1986 年提出直觉模糊集的概念后，直觉模糊熵也随之发展起来，在处理模糊信息和不确定信息方面也更加灵活。文献［7］根据直觉模糊熵的定义，在计算属性权重时，考虑了犹豫度对权重的影响，对计算公式进行了改进，提出了新的度量方法，避免了隶属度与非隶属度相同的情况下计算失效的问题，并证明了其合理性。因此，本文采用文献［7］中所构建的改进的直觉模糊熵计算公式：
小弱沮丧地垂下头：“我知道人们都不喜欢我，我扮成别人的模样，甚至还能通过它得到对方的记忆，我可以完全地让自己变成他人，可是却怎么也改变不了胆小的事实。”
结合本文的问题描述，即可由式（7）得到第i 个属性的直觉模糊熵为
第k 个专家的第i 个属性的权重为
ER和PR：≥5%肿瘤细胞核出现棕黄色颗粒，记为阳性病例；HER-2：≥10%肿瘤细胞膜呈现完整强着色，记为阳性病例；CK5/6 和GCDFP-15：≥25%肿瘤细胞浆出现棕黄色颗粒，记为阳性病例；S-100：≥25%肿瘤细胞核或浆出现棕黄色颗粒，记为阳性病例；P53：≥75%肿瘤细胞核出现棕黄色颗粒，记为阳性病例。Ki-67：肿瘤细胞核出现棕黄色颗粒记为阳性细胞，连续计数50个高倍视野中阳性细胞的比例，取平均值。AB-PAS染色肿瘤细胞浆内出现湖蓝色或紫色为阳性着色。
最终即可得到初始记分函数矩阵。
2.2.1 考虑直觉模糊熵的属性权重计算
构建Mass 函数后，为了避免信息的不可靠造成证据之间重要程度的差异，保证每条证据信息处于同样重要的位置，需要进行修正。
仙吕调清新绵邈，南吕宫感叹伤悲，中吕宫高下闪赚，黄锺富贵缠绵，正宫惆怅雄壮，道宫飘逸清幽。(以上六宫)
综合考虑属性之间的差异，针对属性权重，采用证据权将专家Pk 对属性集关于方案集的Mass 函数进行修正。
e-tron和e-tron Sportback之后，奥迪将推出第三款电动车型—e-tron GT。e-tron GT概念车于2018洛杉矶车展全球首发，量产版计划2020年底前实现量产。作为保时捷Taycan的同平台车型，奥迪e-tron GT的技术由奥迪与保时捷合作开发完成，由奥迪旗下负责高性能车型的子公司奥迪运动有限公司负责量产。概念车的前后轴各配备一台电动机，系统功率590马力，0～100公里/小时和0～200公里/小时加速分别仅需3.5秒和12秒，电池组容量超过90千瓦时，WLTP标准下续航里程超过400公里。
若，则称为关键证据，其他证据关于的证据权为，即可对Mass 函数作出如下修正：
根据通过Dempster 组合规则，将修正后的专家针对属性集关于方案集的Mass 函数进行合成。得到专家Pk 关于方案集的Mass 函数向量为Mk。
2.3 专家集信息集结
2.3.1 考虑相似度和接近度的专家权重计算
在群决策过程中，由于专家之间知识、理解和背景等的不同，所提供的决策信息往往会有所差异，因此，有必要对各专家的重要性进行区别。专家的权重可以由专家集关于方案集的Mass 函数分析得出，主要考虑两个方面，一方面是相似度，用于表示决策者Pk的个人决策矩阵和所有决策者构成的综合群决策矩阵之间的相似程度；另一方面是接近度，用于表示决策者Pk的个人决策矩阵和除了决策者Pk 的其他所有决策者构成的综合群决策矩阵之间的接近程度。据此分析，在求解决策者权重时，主要包括3 个步骤：一是运用TOPSIS 法确定相似度，二是运用Jousselme 距离确定接近度，三是综合确定专家权重。
1）运用TOPSIS 法确定接近度
采用TOPSIS 法来确定决策者权重，首先需要确定正负理想解：
Penfolds白葡萄酒家族在全球市场所受关注度逐年提升，Penfolds酿酒团队的匠心独具更是使新年份的白葡萄酒焕出新生。精选BINA霞多丽已发展成为一款独具特色的单一产区葡萄酒，富有现代风格与阿德莱德山区霞多丽的特征。
负理想解为
计算各方案到正负理想解的距离
计算各方案与总体方案理想解的接近程度
步骤6：专家集证据信息集结；
2）运用Jousselme 距离确定接近度
运用Jousselme 距离确定接近度，即运用两两证据间的Jousselme 距离计算证据相似性，进一步得出该证据被其他证据支持的程度，归一化即得出专家权重。具体实现步骤如下。
定义5［16-17］ 设识别框架Θ 上有两个Mass 函数m1和m2，两者之间的距离可以表示为
式中，，，。
对得到的证据计算距离，并表示成证据距离矩阵：
证据体之间的证据mi和mj之间的相似性测度表示为
式中，。
由于斜坡式码头装卸效率较低，目前已建的斜坡式码头往往不能满足设计吞吐需求。因此，有关专家和学者考虑将沿海深水管桩码头引用至山区内河河流中来，并发挥常规重力式码头结构刚度大、整体稳定性好的优点，与常规的重力式沉箱码头类型相组合，即钢管桁架-沉箱复合式码头。由于该类码头沿江应用较少，还未有大规模的工程实践，因此本文以重庆市江北区经济开发区某实例码头为研究对象，建立三维有限元数值分析模型，对其结构、荷载以及抗滑抗倾稳定性进行详细分析。
用Sup（mk）来表示mk被其他证据支持的程度。若两个证据的相似程度越高，其相互支持的程度越大，Sup（mg）的值也就越大；反之亦成立。其计算公式为
即可得到专家权重为
3）综合确定专家权重
为了综合地考虑相似度和接近度，通过折衷系数η（0≤η≤1）加以综合，最终构造了决策者Pk关于方案集的组合权重
式（21）可以通过控制折衷系数η 的改变在相似度和接近度之间进行权衡。若更关注相似度，则取0.5＜η≤1，若更关注接近度，则取0≤η＜0.5，若无偏好则取η=0.5。为平衡相似度和接近度，取η=0.5。
2.3.2 专家集证据信息修正与合成
同理2.2.3，考虑专家之间的差异，针对专家权重，采用证据权将专家Pk 关于方案集的Mass 函数进行修正
其中，表示方案集的不确定程度。
根据证据组合规则，将修正后的专家集关于方案集的Mass 函数进行合成，即可得到最终关于方案集评价向量
即可根据向量进行方案的评价。
基于上述分析，基于证据理论的直觉模糊群决策流程如下：
步骤1：获取专家意见得出判断矩阵；
步骤2：属性集Mass 函数的构建；
步骤3：属性权重的确定；
步骤4：属性集证据信息集结；
步骤5：专家权重确定；
即可得出专家权重为
步骤7：对方案进行排序。
3 算例分析
为了分析某型飞机大修能力水平，需要对3 个厂家的大修效能进行评估。经研究决定，邀请空军维修保障领域的专家P1，P2，P3 3 人组成的专家集，对某3 家大修企业x1，x2，x3的大修效能进行评估，主要从任务完成率o1、人员技术水平o2、备件满足率o3、设备完好率o4、信息化建设水平o5 5 个方面进行分析。具体的计算过程如下：
步骤1：专家P1，P2，P3给出的每家大修企业关于属性集的直觉模糊评价值分别为
步骤2：运用式（1）、式（2）得到专家P1的记分函数矩阵为
运用式（3）、式（4）计算属性不确信度为：
运用式（5）即可确定专家P1 对属性集关于方案集的Mass 函数矩阵为
步骤3：运用式（8）、式（9）计算专家P1的属性权重向量为
步骤4：考虑属性权重，运用式（10）对Mk 进行修正，进而通过Dempster 组合规则进行合成。得到专家P1 关于方案集的Mass 函数向量为
同步骤2～步骤4 分别得到专家P2，P3 关于方案集的Mass 函数向量，组合得到专家集关于方案集的Mass 函数矩阵M
步骤5：考虑相似度和接近度，运用式（11）～式（21）计算专家P1，P2，P3的权重向量为：。
步骤6：运用式（22）对专家权重进行修正，进而通过Dempster 组合规则进行合成。得到专家P1，P2，P3 关于方案集的Mass 函数向量为
步骤7：得出3 个方案的排序为
即第1 个大修厂的效能较好，验证了方法的可行性和有效性。主要有以下优势：一是通过计算相似度和接近度来确定专家权重，更加全面合理；二是通过属性权重和专家权重对决策证据信息进行修正，有利于避免证据之间的潜在冲突，结果也更加客观；三是通过Mass 函数向量对方案进行优劣排序，可明显对比各方案的评价指标，有利于作出判断。
4 结论
针对专家权重和属性权重完全未知的直觉模糊群决策问题，首先，基于记分函数和属性的不确信度构建Mass 函数，运用改进的直觉模糊熵计算公式确定属性权重，并引入证据权进行修正，运用Dempster 组合规则展开属性集信息集结；其次，基于TOSPSIS 法确定相似度，基于Jousselme 距离计算接近度，考虑相似度和接近度进行专家权重计算，引入证据权进行修正，运用Dempster 组合规则对专家集关于方案集的Mass 函数进行集结，得出专家集针对方案集对于属性集的Mass 函数向量，即可进行方案优劣的判断，最后通过算例计算验证了方法的可行性和有效性。
参考文献：
［1］王超，陈云翔，蔡忠义，等.基于TOPSIS 的直觉模糊多属性群决策方法［J］.火力与指挥控制，2015，40（9）：11-15.
［2］王翠翠，姚登宝，毛军军，等.基于熵和相关系数的直觉模糊多属性决策方法［J］. 计算机应用，2012，32（11）：3002-3004，3017.
［3］陈云翔，王攀，罗承昆.基于证据理论的偏好型直觉模糊群决策方法［J］.控制与决策，2017，32（5）：947-953.
［4］张浩为，谢军伟，葛佳昂，等.改进TOPSIS 的多态融合直觉模糊威胁评估［J］. 系统工程与电子技术，2018，40（10）：2263-2269.
［5］胡涛，吕瑞强，李德权.基于直觉模糊熵的飞行保障效能灰色聚类评估［J］.指挥控制与仿真，2016，38（4）：64-68.
［6］CHEN T Y，LI C H.Determining objective weights with intuitionistic fuzzy entropy measures：a comparative analysis［J］.Information Sciences，2010（18）：4207-4222.
［7］王新霞，陈孝国.直觉模糊熵的改进研究［J］.齐齐哈尔大学学报，2015，31（4）：11-13.
［8］CHEN Z P，WEI Y. A new multiple attribute group decision making method in intuitionistic fuzzy setting ［J］. Applied Mathematic Modeling，2001，35（2）：4424-4437.
［9］MENG F，ZHANG Q，CHENG H. Approaches to multiple-criteria group decision making based on interval-valued intuitionistic fuzzy Choquet integral with respect to the generalized-Shapley index ［J］. Knowledge-Based Systems，2013，37（5）：237-249.
［10］梁昌勇，戚筱雯，丁勇，等.一种基于TOPSIS 的混合型多属性群决策方法［J］. 中国管理科学，2012，20（4）：109-117.
［11］刘海光，潘爽，张源原.远程AUV 区间值直觉模糊Petri网自主决策方法研究［J］.电光与控制，2017，24（11）：11-15.
［12］XU Z S.Intuitionistic fuzzy aggregation operators［J］.IEEE Transactions on Fuzzy Systems，2007，15（6）：1179-1187.
［13］ATANASSOV K.Intuitionistic fuzzy set ［J］.Fuzzy Sets and Systems，1986，20（1）：87-96.
［14］SHAFER G A. Mathematical theory of evidence［M］.Princeton：Princeton University Press，1976.
［15］刘海燕，赵宗贵，刘熹.D-S 证据理论中冲突证据的合成方法［J］.电子科技大学学报，2008，37（5）：701-704.
［16］董鹏，唐梦妮，罗朝晖，等.Hopfield 神经网络的军事装备维修保障点选址等级分类［J］. 火力与指挥控制，2017，42（12）：27-30.
［17］JOUSSELME A L，GRENIER D，BOSSE E. A new distance between two bodies of evidence ［J］. Information Fusion，2001，2（1）：91-101.
Intuitionistic Fuzzy Group Decision-making Method Based on Evidence Theory
CHANG Zheng，XIANG Hua-chun，CHEN Yun-xiang，LUO Cheng-kun
（College of Equipment Management and Unmanned Aerial Vehicle Engineering，Air Force Engineering University，Xi’an 710051，China）
Abstract：In order to solve the intuitionistic fuzzy group decision problem with completely unknown attribute weight and expert weight，a decision method based on evidence theory is proposed.Based on the scoring function and attribute uncertainty，the expert’s intuitionistic fuzzy decision matrix is transformed into Mass function. The method of attribute weight calculation considering intuitionistic fuzzy entropy is determined. The evaluation evidence of attribute set about schema set is modified and synthesized by experts. The expert weight calculation method considering proximity and similarity is determined. The TOPSIS method and Jousselme distance are fused to measure the expert weight. The expert evaluation evidence on the schema set is revised and synthesized. Finally，the scheme sequencing is obtained. The rationality and validity of the method are proved by an example.
Key words：evidence theory，intuitionistic fuzzy entropy，multi-attribute group decision-making，effectiveness evaluation，information gathering
中图分类号：C934
文献标识码：A
DOI：10.3969/j.issn.1002-0640.2019.08.024
引用格式：常政，项华春，陈云翔，等.基于证据理论的直觉模糊群决策方法［J］.火力与指挥控制，2019，44（8）：125-130.
文章编号：1002-0640（2019）08-0125-06
收稿日期：2019-01-15
修回日期：2019-03-27
作者简介：常 政（1996- ），男，山西运城人，硕士。研究方向：装备发展与管理决策。
Citation format：CHANG Z，XIANG H C，CHEN Y X，et al.Intuitionistic fuzzy group decisionmaking method based on evidence theory［J］.Fire Control&Command Control，2019，44（8）：125-130.
标签：权重论文; 属性论文; 专家论文; 证据论文; 直觉论文; 社会科学总论论文; 管理学论文; 决策学论文; 《火力与指挥控制》2019年第8期论文; 空军工程大学装备管理与无人机工程学院论文;