基于云模型和证据理论的多属性决策优化算法
为解决多属性决策中语言值评语的模糊性和不确定性问题,在云模型评估的基础上引入了D-S证据理论.首先,使用黄金分割法将专家的语言评价值转化为云决策矩阵,而后以评语集中的不同等级标准云为参照,得出各评价等级的隶属度,进而构建出不同专家对不同方案中不同属性的评语的基本概率分配函数(mass函数);其次,基于D-S证据理论,引入冲突系数、Jousselme距离、Pignistic概率距离3个值,定义了证据冲突量并计算各证据可信度与专家相对权重,对不同专家mass函数进行修正并融合;再次,结合各属性权重融合不同备选方案的mass函数,与理想云mass函数和负理想云mass函数对比,通过比较平均贴合度的大小可得出最佳方案;最后结合算例,验证了该算法的适用性,为多属性决策提供了新的技术途径.
云模型、证据理论、冲突系数、Jousselme距离、Pignistic概率距离、多属性决策
41
TH11
国家自然科学基金71102118
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共10页
1061-1070