基于二元语义与粗糙集的多属性决策方法简

【引言】在社会生活中，多属性决策已经成为决策科学，系统工程，管理学等领域中热点课题，多属性决策是利用某种决策方法对有限个决策方案在有限个属性下的属性值进行集成，从而可以对方案进行择优和排序的过程。由于人类的思维具有模糊性，以及客观事物具有复杂性，人们在对一些问题例如汽车的性能，企业的信用等进行评估时通常会给出一些定性的评估信息（如：好，中等，不好）。因此对属性值以语言变量或者不确定语言变量形式给出的多属性决策问题研究具有非常重要的理论意义和实际价值。语言多属性决策已经取得一定的研究成果。本文在此基础提出了一种基于二元语义与粗糙集的多属性决策方法。二元语义以事先预备好的语言短语集合（例如：{很好，好，中等，差，很差}）中的一个短语和一个实数值的二元形式来表达集成后所获得的语言评价信息，该方法可以减少语言评价信息集结和运算过程中出现的信息损失和信息的扭曲，同时在计算的可靠性和精确性等方面也明显优于其他的语言信息处理方法。粗糙集理论在处理离散数字信息功能上明显强于其他信息处理方法，对样本分布的要求不高，可以对一些并非按照常见分布规律分布的样本进行处理，同时可以很好地挖掘出指标之间潜在关系，定量分析出属性的重要性。然后再以属性的重要性进行属性约简，确定属性的权值，避免人为确定属性权重的主观性。通过实际例题应用，结果表明，该方法是合理的和科学的。