基于证据理论和Vague集的多属性群决策方法研究

为了解决人们在复杂环境中决策困难的问题,论文基于Vague集描述不确定事物的优势,通过证据理论对Vague集进行合成,得到一种信息集结的多属性群决策方法。该算法首先考虑专家评分的可信度,在分析Vague集与证据理论的数学关系后,使用证据理论将各方案在各属性下的专家集证据集结。然后通过Vague集记分函数进行属性权重的计算,将方案集在属性集下的Vague评价值进行加权修正,再通过证据理论将属性集证据集结得到各方案最终的Vague评价值。之后使用记分函数计算每一方案的得分来确定最优方案。最后通过算例进一步说明所提方法的可行性与有效性。文章给出的算法使决策者在不确定环境下可以进行理性决策,从而选出最优方案。