不确定语言评价信息下大群体决策的MC-EMD方法

摘要：

针对传统语言群决策方法专家权重难以合理求取且决策属性值为不确定语言变量的问题,提出一种基于蒙特卡洛经验模态分解(Mentor Carlo-Empirical Mode Decomposition,MC-EMD)提取专家语言评价信息的多属性大群体决策方法.考虑专家期望偏差越小为宜,建立偏差最小单目标优化模型求解属性权重;运用EMD方法分解各专家的综合语言评价值,得到客观趋势成分和主观随机成分,以客观趋势成分的均值作为评价结果;鉴于不同专家顺序可能有不同的分解结果,从而导致评价结果的不确定性,基于蒙特卡罗思想随机抽取专家排序,通过计算模拟获取专家评价的总体客观趋势,并借以进行方案优选排序.案例分析验证了该方法的有效性和可行性.

关键词：不确定语言变量、蒙特卡洛经验模态分解(MC-EMD)、大群体决策、最小化偏差

所属期刊栏目：25

分类号：C934(管理学)

资助基金：国家自然科学基金项目71271086,71503080;河南省科技厅重点攻关项目142102310123;河南省高等学校重点科研项目资助计划15A630005;华北水利水电大学博士研究生创新基金

在线出版日期：2018-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：164-173