摘要：针对权重存在不确定性问题，基于分布式偏好信息提出一种不确定性多属性决策方法。该方法首先将每个属性下的分布式偏好信息转化为效用值区间，运用区间数距离函数构造相对优势矩阵，然后利用SMAA-2方法计算得到不同决策方案处于不同位置的概率，并利用排序权重得到排序结果。最后，通过算例分析，验证该方法的有效性和可行性。
关 键 词：不确定信息；分布式偏好；SMAA-2
在实际决策过程中，由于信息大多数具有不精确、模糊等特征，加上决策者对问题认识的局限性或自身知识的缺乏等原因，决策者获取的决策属性值和属性权重值大多数是不确定的。描述这些不确定的属性值信息和权重值信息常用的形式有：区间数、三角模糊数、语言评价值等等[1-3]。分布式偏好信息能够充分刻画不精确、模糊的决策信息，它通过评估等级与隶属于等级的概率来联合描述不确定性信息[4]，自提出以来在决策领域得到广泛关注，已逐渐成为多属性决策研究中的一个热点。相关学者对此纷纷展开研究，取得了一些研究成果，大致可以分为两类：第一类研究是通过分布式偏好信息构造类似于层次分析法(Analytic Hierarchy Process,AHP)中的模糊判断矩阵来进行决策。如付超[5]等利用分布式偏好信息表示方案间两两相互比较关系，并将其转化为得分值区间，然后通过一致性直觉判断矩阵的决策方法来进行排序。常文军[6]等提出具有一致性的两两方案间分布式偏好信息矩阵，并结合可能度法得到排序结果；另一类研究是将分布式偏好信息作为决策属性下的评估信息，进而构建出传统多属性决策方法中的决策矩阵，然后通过属性权重对决策信息集结后进行决策。如习扬[7]等将在线评价信息化为分布式偏好信息，研究了不完全信息下权重确定问题。Gong[8]等以区间数权重为决策变量，将证据推理方法(Evidential Reasoning,ER)和DEA交叉效率(DEA Cross-efficiency)方法相结合，分析和探讨决策方案存在竞争关系的排序问题。Wang[9]等将分布式偏好信息用于桥梁风险评价并进行排序。
上述诸多方法从不同的视角研究了含有分布式偏好信息的多属性决策问题，模型和方法在很多情况下具有较好的适用性。但是目前研究还存在某些局限性，如第一类方法在处理含有大量决策方案时，决策者需要进行很多次的相互比较，判断矩阵的一致性问题难以保证；第二类方法采用非线性信息融合方法，计算过程较为复杂，而且算法中还需要确定的权重信息，在面对权重信息未知或者部分已知的情况下需要结合其他方法方可进行决策。为此，为减少决策的复杂程度，在第二类方法的基础上，提出一种不完全信息下基于分布式偏好信息的多属性决策方法。
1 决策问题
假设某个多属性决策问题，包含m个决策方案I={I1,I2,…,Im}，k个属性C={C1,C2,…,Ck}，属性相应的权重表示为W={w1,w2,…,wk}，属性权重完全未知或者部分已知(如区间数)。决策者对决策方案Im在指标Ck上的评价值为f(Im,Ck)，评价值用分布式偏好信息表示(Hn,βni(Ck))。Hn(n=1,2,…,N)为评价等级，评价等级N越高表示决策方案在指标Ck上表现越好。u(Hn)为对应等级的效用值。βniCk表示决策方案在指标Ck上被评价到等级Hn上的置信程度，该置信程度可以由隶属度函数对定性或定量指标获取。若表示指标Ck上的信息是完整的，否则为不完全信息。
决策问题是：在权重完全未知或者部分已知情况下，如何利用分布式偏好信息对决策方案集进行充分排序。
2 决策方法
2.1 属性优势度计算
为了实现不同分布式偏好关系的有效比较，按照文献[5]的思路将分布式偏好信息转换为效用值区间，并利用区间数距离进行比较，得到属性的优势度[10]。对于某个属性Ci，其效用值区间得分[umin(Ci),umax(Ci)]可由式(1)表示：
(1)
通过转换得到效用值区间矩阵。基于效用值区间矩阵得到优势度矩阵其中，算子D(·)是距离算子，计算区间数与0之间的距离，若区间数x=[umin(Ci),umax(Ci)]，则同时包含了决策方案Ap与Aq在属性Ck上的优劣方向和优劣幅度。如果表示决策方案Ap在属性Ck上优于Aq的幅度；如果表示决策方案Ap在属性Ck上劣于Aq的幅度；如果决策方案Ap与Aq在属性Ck上表现相同，无优劣势关系。
2.2 决策方法与步骤
针对权重完全未知和部分已知的情况，不同学者提出了相应的处理方法。在多属性决策中，对于权重完全未知的情况，相关研究多采用主观赋权、客观赋权、主客观赋权结合等方法[11]。这类赋权方法在不同情况下具有较好的实用性，但是也存在着一些弊端，如不同赋权方法得到的最优权重可能不同，进而可能导致决策结果发生变化，决策者在方法选择上存在困惑；对于权重部分已知的情况，相关研究多通过建立线性或者非线性规划模型来求解出最优权重，这类方法适用范围也有限，不能有效处理某些特殊情况的权重信息，如权重在约束外围内呈正态分布的情况。为解决上述两类方法存在的不足，用SMAA-2方法仿真模拟在权重约束下的最终效用值。SMAA-2方法是Lahdelma等在最初SMAA方法的基础上于2001年提出的决策方法，它是一种通过概率分布来近似描绘各种不确定形式的属性权重和属性值信息[12-14]。自提出以来，在设施位置选择、水库防洪调度等领域得到广泛应用[15-16]。
其主要思想为：随机生成某种符合权重约束的随机数权重，根据优势度矩阵得到各决策方案的整体优势度，并进行评价，经过多次迭代，利用统计学思想，得到决策方案排名第一或者其他名次的最优权重集和排名概率，依据排序权重得到最终的排序结果。具体SMAA-2方法如下：
Step 1:决策者根据专家意见或者在线评价系统，得到分布式偏好信息：各属性下的评价等级以及隶属度。
(2)
根据文献[17]的数据和文献[18]的方法来说明该方法的有效性和可行性。从5家公司I1,I2,I3,I4,I5中选择投资对象，有4个评价准则：应对潜在风险能力C1、成长能力C2、未来持续盈利能力C3、经营环境C4。指标权重信息不完全：0.12≤w1≤0.20，0.12≤w2≤0.40，0.08≤w3≤0.25，0.10≤w4≤0.23。评价等级为7级，Hn=(H1,H2,H3,H4,H5,H6,H7)，对应的等级效用分别为(0.05,0.13,0.25,0.40,0.57,0.77,1)，决策矩阵如表1所示。根据上述决策步骤求解投资对象选择问题。
(3)
分别计算不同属性下的优势度，构造相对优势度矩阵为：
(3)总体可接受度指数在得到可接受指数的基础上，利用排序权重(RankWeights)或者元权重(MetaWeights)ak集结处于不同名次的可接受度指数，得到总体可接受度指数如式(6)所示。
明太祖朱元璋分封儿孙，藩王势力膨胀。建文帝即位后与亲信开始削藩，并以防边为名将燕王朱棣的精兵调出塞外，准备削除燕王。朱棣于1399年起兵反抗，随后挥师南下，史称“靖难之役”。建文帝缺乏谋略，朱棣适时出击，策略灵活，于1402年攻下帝都应天（今江苏南京）。同年，朱棣即位，是为明成祖。
(4)
(2)第1名中心权重向量表示决策方案Im处于第1名时的权重偏好，由式(5)计算得出：
(5)
(1)可接受度指数用来度量决策方案Im处于第k名的权重分布空间占整个权重可行空间W的概率大小。决策者的属性偏好用权重W在可行空间分布来表示，假定其概率分布函数为fW(w)，在给定的属性值和权重分布基础上，由式(4)计算得出：
(6)
其中，ak用来表示各个排序位置的重要程度。决策方案排名越靠前，对应的排序权重或者元权重ak就越大，这里采用
综上所述，给出不完全信息下基于分布式偏好关系的决策步骤：
基于随机生成的属性权重，决策方案Im的排名位置可由式(2)表示：
Step 2:将分布式偏好信息转化为区间得分，进而得到优势度矩阵。
Step 4:模拟多次，计算各决策方案处于不同名次的概率，得到可接受度指数并计算各决策方案处于第1名的权重，得到第1名中心权重向量
Step 3:根据给定的权重分布情况，随机生成符合条件的权重，结合优势度矩阵，根据式(6)计算各决策方案的效用值，排序并标记名次。
沥青混凝土心墙厚度主要取决于坝体高度、防渗要求、坝壳料可能的变形情况、抗震要求和施工条件等因素。国内已建沥青心墙工程通常采用底部较厚、顶部较薄的结构型式，顶部厚度不小于0.4m，底部最大厚度（不含扩大端）宜为坝高的1/110～1/70，国内已建和在建沥青混凝土心墙坝防渗心墙厚度统计如表1。
Step 5:考虑到各决策方案排在不同排序位置的概率，依据式(6)计算得到总体可接受度指数根据大小得到各决策方案综合排序结果。
要实现自动气象站不受电机的干扰，加强雷电波保护极为重要。在雷电产生过程中，由于电磁感应和雷电自带的波段都会在电源线和信号传输线中进行流动。要避免出现这种情况，可以在自动气象站中假装电涌保护器，同时开可以在电源线和信号传输线外加装金属管。实现多点接地，在受到电击知可以将雷电倾斜到大地中，起到保护的作用。
3 算例分析
其中，u(Im,wm)为决策方案Im在权重偏好wm下的效用值，这里效用值由优势度来代替。假设决策方案排名最优名次为1，最劣名次为K。ρ(ture)=1;ρ(flase)=0。决策方案Im处于第k名时，此时的优势权重区域可由以下式(3)表示：
表1被选企业的决策信息矩阵
C1C2C3C4I1{H4,0.2;H5,0.7}{H2,0.2;H3,0.5;H4,0.2}{H4,0.4;H5,0.4;H6,0.2}{H4,0.5;H6,0.5}I2{H5,0.5;H6,0.5}{H3,0.2;H4,0.3;H5,0.4}{H3,0.6;H4,0.4}{H3,0.2;H4,0.3;H5,0.5}I3{H4,0.3;H5,0.5;H6,0.1}{H4,0.3;H5,0.7}{H3,0.3;H4,0.5;H5,0.2}{H3,0.3;H4,0.6}I4{H3,0.3;H4,0.4;H5,0.3}{H3,0.4;H4,0.6}{H4,0.5;H5,0.4}{H3,0.3;H4,0.5;H5,0.2}I5{H4,0.8;H5,0.2}{H4,0.5;H5,0.4}{H2,0.3;H3,0.4;H4,0.3}{H3,0.3;H4,0.5;H5,0.2}
利用式(1)将决策信息矩阵转化为评价得分值矩阵：
SMAA-2方法为决策者提供了多种辅助评价技术对各决策方案进行分析。
2）非洲是传统核心区。埃尼公司上游业务几乎涉及所有非洲传统油气资源国家，从北非的阿尔及利亚、利比亚、埃及到西北非的摩纳哥，再到东非莫桑比克、肯尼亚等国家，西非传统油气大国埃尼公司更是都有进入，包括尼日利亚、安哥拉、刚果、加蓬、加纳等。埃尼公司已经在非洲15个国家开展上游业务，未来4年埃尼公司重点聚焦的勘探盆地/地区，非洲仍将占据一半。
由于指标权重信息部分已知，以公司I4为参考点，利用Matlab 2016a软件进行蒙特卡洛仿真，模拟10 000次，计算得出所有决策方案在不同排序位置的概率(如表2、图1所示)。
本文研究的时态RDF模型是用时间标签来标记RDF数据三元组，且表示有效时间。以下就是时态RDF模型的基本定理。
5）唐山陶瓷厂办公楼遗址，室内墙壁仅出现了一些2～3毫米宽的裂纹，其他未损，目前仅供该厂的内部员工使用。
“特种肥料能够引爆行业的深层原因有三个词：土壤、品质与健康。”会上，禾硕农业区域经理高红岩结合产品特点与推广案例向与会代表介绍了禾硕农业在推广特肥上的经验与感受。据介绍，推广特肥，禾硕农业坚持以农业技术服务为主线，以作物解决方案为依托，以精细化管理把控市场，取得了不错的效果与业绩。
考虑所有决策方案排在不同位置的概率，结合排序权重得到总体可接受度：1>0.447 4>0.385 9>0.25>0.2，被选企业的综合排序为：I3φI2φI1φI5φI4(φ表示优于)，此时，支持企业I3为最优决策方案的中心权重向量为(0.181 8,0.379 2,0.229 6,0.209 4)。
与文献[17-18]的结果进行比较，评价结果一致，验证了该方法的有效性与科学性。通过对比分析也显现出研究中方法的两个优点：一是方法充分考虑了所有可能的权重信息，有效地避免了通过求解具体的权重进行决策，结果具有鲁棒性；二是通过可接受度指数等指标可以得到丰富的决策信息辅助于决策。
刚上班时我还是一个没有编制的老师，每月只有499元的基本工资。我们班有个孩子叫钱振东，家里哥仨特别困难，我以微薄的收入经常帮助他。他毕业了很长时间，他的母亲看见我告诉我，临中考前我给他的钱他没花一直放在书里。他的母亲说话不清晰，我认真听着，真的是有一种感情——叫感动.作为老师这是我最大的快乐。
在不确定性多属性决策过程中，会存在多种排序结果。尽管在上述算例中决策者可以依据总体可接受度得到较为鲁棒的决策方案排序，但是决策者还应该全面分析所有的排序结果及其出现概率如表2所示。为此，对以I3为最优决策方案的排序序列进行全排序仿真，得到全面详尽的排序结果。在理论上，5个决策方案可能有120种排序结果，上述算例中，I3,I4,I5的位置相对固定，因此，只有两种排序结果，其排序结果与排序概率如表3所示。
图1不同排序位置上5个企业的可接受度
表2备选企业的可接受指数及总体可接受度
b1pkb2pkb3pkb4pkb5pkahImI100.31580.6842000.3859I200.68420.3158000.4474I3100001I4000010.2I5000100.25
表3文献[14]、文献[15]方法与本研究中方法对比分析结果
权重偏好排序结果概率/%本文方法0.12≤w1≤0.20I3ϕI2ϕI1ϕI5ϕI468.420.12≤w2≤0.40I3ϕI1ϕI2ϕI5ϕI431.58文献[17]0.08≤w3≤0.25I3ϕI2ϕI1ϕI5ϕI4-文献[18]0.10≤w4≤0.23I3ϕI2ϕI1ϕI5ϕI4-
4 结论
在多属性决策问题中，将分布式偏好信息转换成区间数，通过构造区间数的优势度，并基于SMAA-2模型提出一种不确定性多属性决策方法。该方法从仿真模拟的视角利用概率和分布函数去刻画属性权重的不确定性，并通过多次的模拟，得到不同排序位置的接受指数和总体可接受指数，进而得到鲁棒性排序结果。从算例看出，相对于其他传统决策方法，研究中方法提供的结果信息更为丰富，可以得到不同排序结果及其概率。分布式信息是基于确定值描述的，考虑区间数情况是下一步研究的方向。
参考文献：
[1] 陈晓红,赵翠翠,杨立.基于区间直觉模糊数的群决策模型及其在社交网络中应用[J].系统工程理论与实践,2017,37(7):1 842-1 852.
[2] 唐忠,李文强,李彦.含广义三角模糊数的机械结构可靠度计算方法[J].系统工程理论与实践,2018,38(8):2 155-2 167.
[3] 龚本刚,张孝琪,郭丹丹.基于证据理论-DEA交叉效率的混合型多属性决策方法[J].控制与决策,2016,31(5):943-948.
[4] C FU,D L XU,S L YANG.Distributed preference relations for multiple attribute decision analysis[J].Journal of the Operational Research Society,2016,67(3):457-473.
[5] 付超,侯震.基于多等级方案成对比较的决策方法[J].控制与决策,2015,30(10):1 828-1 834.
[6] 常文军,孙超平,胡鑫.基于分布式偏好关系的多属性决策方法及应用[J].计算机应用研究,2017,34(12):3 693-3 697.
[7] 习扬,樊治平.使用在线评价信息的属性权重确定及方案排序方法[J].控制与决策,2016,31(11):1 998-2 004.
[8] B GONG,D GUO,X ZHANG,et al.An approach for evaluating cleaner production performance in iron and steel enterprises involving competitive relationships[J].Journal of Cleaner Production,2017,142:739-748.
[9] Y M WANG,T M S ELHAG.Evidential reasoning approach for bridge condition assessment[J].Expert Systems with Applications,2008,34(1):689-699.
[10] 孙金辉,林志明,李东.改进的优势度决策法及其排序方法[J].控制与决策,2017,32(4):763-768.
[11] G L YANG,J B YANG,D L XU,et al.A three-stage hybrid approach for weight assignment in MADM[J].Omega,2017,71(C):93-105.
[12] R LAHDELMA,P SALMINEN.SMAA-2:stochastic multicriteria acceptability analysis for group decision making[J].Operations Research,2001,49(3):444-454.
[13] R LÉANDRE.Prospect theory and stochastic multicriteria acceptability analysis (SMAA)[J].European Journal of Operational Research,2009,37(5):961-971.
[14] F YANG,S ANG,Q XIA,et al.Ranking DMUs by using interval DEA cross efficiency matrix with acceptability analysis[J].European Journal of Operational Research,2012,223(2):483-488.
[15] S KARABAY,KÖSE,ERKAN,et al.Mathematical model and stochastic multi-criteria acceptability analysis for facility location problem[J].Promet-Traffic-Traffico,2016,28(3):245-256.
[16] F ZHU,P A ZHONG,Y N WU,et al.SMAA-based stochastic multi-criteria decision making for reservoir flood control operation[J].Stochastic Environmental Research & Risk Assessment,2016,31(6):1-13.
[17] 王坚强,黄思旷.基于模糊熵和证据推理的语言D数多准则决策方法[J].控制与决策,2016,31(4):673-677.
[18] F Y MENG,X H CHEN,Q ZHANG.Multi-attribute decision analysis under a linguistic hesitant fuzzy environment[J].Information Sciences,2014,267(1):287-305.
UncertainMultipleAttributeDecisionMakingMethodBasedonDistributedPreferenceRelations
ZHANG Xiaoqi
(College of Management Engineering，Anhui Polytechnic University,Wuhu 241000,China)
Abstract：For the problems of multi-attribute decision making with uncertain information about attribute weights,a new method based on the distributed preference information is proposed.Firstly,the distributed preference information under each attribute is transformed into an interval number,and the dominance matrix is obtained by using interval number distance functions.Then,the probability of different alternatives in different positions is presented in the simulation process on the basis of the SMAA-2 method,and the ranking result is obtained by ranking weight.Finally,analysis of an example demonstrates the effectiveness and order-preserving of the proposed method.
Keywords：uncertain information;distributed preference;SMAA-2 method
文章编号：1672-2477(2019)02-0063-05
收稿日期：2018-11-28
基金项目：安徽工程大学青年科研基金资助项目(2016YQ37)
作者简介：张孝琪(1990-)，男，安徽六安人，助教，硕士．
中图分类号:C934
文献标识码：A
标签：权重论文; 方法论文; 属性论文; 信息论文; 方案论文; 社会科学总论论文; 管理学论文; 决策学论文; 《安徽工程大学学报》2019年第2期论文; 安徽工程大学青年科研基金资助项目(2016YQ37)论文; 安徽工程大学管理工程学院论文;