基于改进距离函数的概率犹豫模糊多属性群决策

摘要

概率犹豫模糊集能精准地描述方案相对于属性取值的犹豫性概率分布，因而在决策分析中占有重要地位。在多属性群体决策中，利用方案间的相似性和距离函数，可以依据方案的代表性的强弱进行有效排序。若结合现有的排序结果，还可改进最优方案。为此，本文探讨概率犹豫模糊系统中基于代表性强弱的多属性群决策问题。本文首先提出了基于对数的距离函数，并利用余弦相似度与杰卡德相似系数构建了综合相似度。然后，利用基于对数的距离函数改进专家的客观权重，并与主观相结合计算专家的综合权重。同时在群共识的基础上，针对代表性提出了基于相似度均值的综合决策矩阵的正、负理想解。并结合基于对数的距离函数计算属性权重。最后，利用贴进度法给出群共识下基于代表性强弱的备选方案的排序方法。在实例验证环节，与传统多属性群决策模型进行对比分析，验证了本文所提出模型的可行性和有效性。同时本模型的结果与传统排序相结合可以得到最优方案选择。

关键词

综合相似度 / 基于对数的距离函数 / 权重 / 群共识 / 逼近理想解法