基于非平衡多屬性群決策的評估方法研究

臧翰林

摘要：在研究復雜問題時，往往需要采用更加可變的、動態的解決方法。在本研究中，引入了將多屬性決策（MADM）技術與定性群決策技術相結合的混合決策方法，此外，還提出了一種基于不同專業知識水平的專家的可推廣的新型多屬性群決策方法，以提高在解決復雜問題時的效用。

關鍵詞：多屬性決策;群決策;MADM

針對突發事件應急決策、重大工程項目風險決策等高度不確定性和復雜性的決策問題，為了確保決策的準確性，往往需要多個專家參與。多屬性群決策問題是當今復雜決策環境下的研究熱點。隨著人類生活的日益進步，人們對于某一重大方案的決策已經由單人逐漸趨于多人，傳統的多屬性決策方法變得越來越無能為力，各種多屬性群決策的方法不斷涌現，其應用也不斷完善。

在特定決策中同時使用定性和定量方法被稱為混合方法研究，混合方法研究可以更好地洞察研究問題，能夠更加全面的反映問題的本質，在評估領域被認為是當前研究的一項重要技術。當小組決策小組的成員有不同的看法時，需要將這些意見進行科學合理的整合，形成共同決策，本文致力于解決這個問題。

混合方法研究混合了群決策 （group decision making，GDM）方法和基于應用數學的決策。因此，它被認為是一種適合多條件相關的研究策略，通過優化有限的可用信息和專家資源來做出決策。GDM 適用于研究和決策信息來源不足的情況，在GDM中，需要采用專家意見作為數據作為決策基礎。Hallowell強調一個好的決策需要收集多個來源的信息和證據。本研究提出的方法是一種用于動態查詢的穩健方法專家或決策者。專家小組成員的集體意見比專家小組成員的意見質量更高單個評論員的受限觀點。

1.群決策

當多個決策者或者專家參與決策過程時，決策結果往往比一個決策者決定的結果更準確。這是因為單個專家的知識水平、經驗無法與多個專家相比。GDM的核心目標是從專家組獲得盡可能多的關于該問題的高質量答案和觀點加強決策。GDM獲取決策數據主要分為三種主要方法，分別是頭腦風暴法、名義小組法和德爾福法。此外，在決策過程之前選擇決策標準和替代方案的適當方法。頭腦風暴決策是通過面對面的會議或與所有貢獻者小組一起在線聚會。在頭腦風暴會議中，一般來說，貢獻者可以看到（或聽到）彼此，這也會造成某個專家的決策影響其他專家的結果。名義小組技術是頭腦風暴的一種改進，其中決策團隊單獨提供他們的決定。在名義小組技術中，所有意見都被存檔，主要決策者通過研究所有存檔記錄得出決定。在德爾福方法使中，采用多輪決策的方法收集決策意見，在每一輪中，專家可以根據根據其他專家組的意見修改他們的意見，旨在獲得最大數量的來自專家小組的公正信息。

2.多屬性群決策

多準則決策 （MCDM）的數學技術用于評估復雜的問題使用多個決策標準，多屬性決策（MADM）屬于MCDM 的一種。通常，MADM的信息是從專家的意見中獲得的，可以適用于專家數量少的特殊情況下。本研究針對提出了 MADM 和 GDM 的混合方法，以解決在復雜的情況的決策問題。這個決策分為兩個步驟：第一階段是采用定性方法的 GDM，從GDM中得到專家決策數據。第 2 階段是MADM，第一階段從專家組收集的數據計算的平均值可以作為 MADM 的輸入。決定每個集群的權重/貢獻專家是最高決策者。

3.多集群多屬性群決策

為了制定更有效和更全面的群體決策，可以讓很多的專業水平不同的專家進入決策組。當專家水平不等時，可以按照專業知識水平的不同給他們進行分組形成不同的集群，由于個人經驗、專業背景和知識儲備的差異，決策者的偏好會有所不同，故應盡可能消除偏好對決策結果的影響。此時根據每個集群的級別對每個集群賦予不同的權重。例如，具有高等專業知識水平的專家集群的權重高于具有中等專業水平具有高水平的專家集群，具有中等知識水平的專家集群的權重高于具有低等知識水平的專家集群。

4.方法模型

選擇因子評級（FR）是多集群多屬群決策常用的賦權方法。FR是 MADM中流行且實用的方法之一。也有不同的名稱，即加權評分法或 WSM。FR是一個運籌學決策工具，為評分/排名提供有效科學的決策方案。定義x 個備選方案（A）和y個決策標準 （C），該方法可以通過五個步驟實現。

步驟1：根據決策標準對決策的重要性決策標準的優先級。根據確定的優先級可以為每個決策標準分配一個權重（W），以百分比表示，所有的權重總和為100%。

步驟2：對于每個備選方案，為每個標準分配一個數值（V）。在這一步中，備選方案由決策矩陣（V）表示，其中V是表示替代A可以達到標準C的程度。在這項研究中，研究人員使用了數值來自 1≤V≤10的域，當然也可以采用不同標準的數值來代替。

步驟3：加權分數WS可以通過標準的數值乘以每個標準的權重來計算分配給每個選項的相應數值;并添加結果值。如公式（1）所示。

步驟4：如公式（2）所示;對于每個備選方案（WS），因子評級 （FR）的計算公式為

步驟5：最后通過比較FR，具有最高FR的方案就是最優方案。

參考文獻

[1]趙晶英.基于熵權迭代的區域物流多屬性模糊群決策評估模型[J].物流科技，2021，9（09）：21-29.

[2]魏俐華，陳剛.考慮信任度的Pythagorean模糊兩階段交互多屬性群決策方法[J].計算 機應用研究，2021，10（38）：2954-2960.