CN102081754A - 多专家动态协调评判方法及智能化辅助决策支持系统 - Google Patents

Abstract

本发明公开了一种多专家动态协调评判方法及智能化辅助决策支持系统，该方法包括的步骤有：1)建立评判体系；2)给因素赋权值，并通过动态协调实现各因素分配权重的一致性；3)由专家分别做出单因素评价，求得综合决策；4)将多个专家的综合决策形成决策信息集，计算各决策方案的一致度；5)在给定的精度下，如果个别专家综合决策与其不一致，进行调整，求得综合评判的结果。智能化辅助决策支持系统，包括在线帮助、内部管理、用户数据管理、模型仿真和决策支持五个子系统。本发明实现了各个评判因素的分配权重和单个因素评判两个一致性，解决了以往按专家人数对各项评判量值进行平均，使一些专家的评判与集中后的评判相差甚远的问题。

Description

多专家动态协调评判方法及智能化辅助决策支持系统

技术领域

本发明涉及一种评判方法，是一种数据处理方法，用于解决多因素决策问题的多专家动态协调评判方法。

背景技术

自上世纪六十年代模糊数学在综合评价中得到较为成功应用后，随后二十多年是现代科学评价蓬勃发展的时期，形成了多种应用广泛的评价方法，研究这些评价方法可以发现，任何一种评价方法，都要依据一定的权数对各单项指标评判结果进行综合，权数比例的改变会变更综合评价的结果。另外，非数量性评判因素的评判，主要依赖于投票者对评价对象的主观感受，对同一评判对象，不同评价者的主观感受是不一样的，使得综合评价结果存在一定的主观性。

然而在现代的管理和现实生活中，对一项决策的评判常常要涉及多个因素或多个指标，评判是在多因素相互作用下的一种综合评判，为了科学决策，往往需要合理集中多个专家的决策意见。由于不同专家在决策过程中对相互制约、相互影响之诸因素的“权数”处理存在差异，使得相应决策也不相同。研究会发现以往解决这类问题，会采用按专家人数对各项决策信息(量值)进行平均，这种方法常常会出现一些专家的决策具有一定主观性与集中后的决策相距甚远，无法保证这样得到的决策方案是理想决策。

近些年围绕综合评价，其他相关知识的不断深入，使得综合评价的方法不断丰富。结合决策实践的实际，解决多因素决策问题的多专家动态协调评判方法，在多个专家做出评判信息的前提下，用一种在评判信息集定义的度量来计算每个评判方案的一致度，借助相应的协调过程，构建一种整合绝大多数评判意见的综合评判，以形成对决策方案的理想评判。

发明内容

为了克服上述所述的现有评判方法中的不足，本发明提供了一种解决多因素决策问题的多专家动态协调评判方法。

本发明采用的技术方案为：在综合评判的过程中在给定精度的要求下，通过动态协调实现各因素分配权重和单个因素评判的一致性，以实现满足精度要求集结绝大多数专家意见的决策。

具体步骤为：

1)根据决策问题的特性和要求建立包含评判对象的因素集和评语集的评判体系；

2)由专家分别给因素集中的因素赋权值，并通过动态协调实现各因素分配权重的一致性；

3)由专家分别做出单因素评价，结合已分配权重，选择合适的算子求得综合决策；

4)将多个专家的综合决策形成决策信息集，在决策信息集上定义的度量来计算各决策方案的一致度；

5)在给定的精度下，如果个别专家综合决策与其不一致，进行调整，最终由均值法求得综合评判的结果。

所述步骤1)中评判体系的建立步骤为：

(1)确定评判问题的因素集和层次；

(2)确定评判问题的评语集。

所述步骤2)中实现分配权重一致性的步骤为：

(1)由需要的精度求出多数决策者一致性下的权向量A，与不在该精度所确定的一致度集合的决策者协商，建议该决策者调整自己的赋值；

(2)再求出新的权向量A，并逐步使精度α满足精度要求；

(3)如果某决策者经多次协商仍坚持己见，则排除该决策者的决策但排除者只能是少数，再用同样的方法分别求出满足精度要求的向量A₁，A₂，…，A_P因素评价。

所述步骤3)中求得综合决策的过程为：

(1)对U_i＝{u_i1，u_i2，...，u_in}中诸元素进行单因素决策，建立映射

${\tilde{f}}_I:\mathrm{Ui}\→F\left(V\right),$

${\tilde{f}}_i\left(U_{\mathrm{ik}}\right)=(r_{k1}^{\left(i\right)},r_{k2}^{\left(i\right)},...,r_{\mathrm{kn}}^i)\∈F\left(V\right)i=\mathrm{1,2},...,p,$

得评判矩阵R_i，以(U_i，V，R_i)为原始模型，在U_i中给出诸因素的权重分配，A_i＝(a_i1，a_i2，...，a_in)，

$\underset{j=1}{\overset{\mathrm{ni}}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}=1,$

求得综合决策B_i＝A_i·R_i∈F(V)，(i＝1，2，...，p)；

(2)考虑2层因素集U^*＝{U₁，U₂，...，U_P}，以B_i作为因素U_i的单因素决策，建立映射

$\tilde{f}:U^{*}\→F\left(V\right)$

$U_i\→\tilde{f}\left(U_i\right)=B_i,$

得2层模糊矩阵R＝(B₁，B₂，...，B_P)T＝(b_ij)_p×m，以(U^*，V，R)为原始模型，在U^*中给出诸因素的权重分配A＝(a₁，a₂，...，a_p)，

求得综合决策B＝A·R∈F(V)。

所述步骤4中计算各决策方案一致度的过程为：

(1)设

为同一个决策模型下多个决策者分别求出的决策的全体构成的集合，函数

如果满足：

①对 ${\∀B}_1\∈\tilde{B},$ 有f(B_i，B_i)＝0

② ${\∀B}_1,B_2\∈\tilde{B},$ 有f(B₂，B₁)＝f(B₁，B₂)

则称f为两个决策的一致度函数；

如果f(B₁，B₂)＝0，则称B₁与B₂是完全一致的；

若f(B₁，B₂)＝1，则称B₁和B₂是完全不一致；

B₁与B₂是完全一致，表示两个决策向量的对应分量完全相等，为同一决策；

设

若它们的向量表示为B_i＝(b_1i，b_2i，...，b_ki)，(i＝1，2)，定义B₁与B₂的距离为：

$g(B_1,B_2)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{(b_j^1-b_j^2)}^2}$

g(B₁，B₂)满足一致度函数条件，且g(B₁，B₂)＝0时有B₁与B₂完全一致。

(2)设 $B=\{B_1,B_2,...,B_S\}\⊆\tilde{B},$ 则称矩阵

为B的一致度矩阵，它是一个对角线元素为0的对称矩阵；

(3)设

称为集合B的一致度函数，F(B)为B的一致度；

(4)设α∈[0，1]，对于

若满足条件：

①F(B)≤α

② ${\∀B}^{\′}\∈\tilde{B}-B,$ 有F(B ∪{B′})＞α

则称B为具有精度α的一致度集合，由一致度矩阵求出具有精度α的一致度集合B，其过程是：

①以为结点，用连线把所有满足f(B_i，B_i)≤α的点B_I和B_i连接起来；

②找出最大完全多边形(即每个顶点到其它顶点都有连线)，则由最大多边形的顶点构成的集合，即为具有精度α的一致度集合B_α。

所述步骤(5)中由均值法求得综合评判的结果的步骤为：

(1)在给定的精度下，如果个别专家综合决策与其不一致，进行调整，如果某决策者经多次协商仍坚持己见，则排除该决策者的决策，但要求排除者只能是少数；

(2)最终由均值法求得综合评判的结果，得出大多数一致性的决策方案。

本发明还提供了一种上述方法的智能化辅助决策支持系统，包括在线帮助、内部管理、用户数据管理、模型仿真和决策支持五个子系统，其中，

所述用户数据管理子系统，用于存储管理与决策系统有关的各种信息，所述信息包括决策系统的原始权向量，各因素的相应评价，一致度信息、精度、协调条件，综合决策生成条件；

所述模型仿真子系统，用于通过人机交互方式辅助用户确定合适的决策模型及其信息合成算法，该系统可供选择模型有：定性和定量的一、二、三级模糊决策模型，定性模糊意见决策模型，定性和定量的模糊意向决策模型，定量的模糊优先关系排序模型，模糊，定性和定量的归类决策模型；

所述决策支持子系统包括在网络环境中的多台终端，由一台终端充当决策的协调者，各决策者在各自的终端上完成各自的决策，并与协调者不断协商，直至得到满足精度要求的一致决策。

本发明的有益效果：本发明在综合评判的过程中在给定精度的要求下，通过动态协调实现了各个评判因素的分配权重的和单个因素评判两个一致性；而且实际评判时，也可选择在各专家所做出综合评判的基础上求出满足精度要求的一致性评判，提供了一种实用高效地决策评判方法，解决了以往按专家人数对各项评判量值进行平均，使一些专家的评判与集中后的评判相差甚远的问题。

附图说明

图1为本发明的多专家动态协调评判方法过程图；

图2为决策问题的层次结构图；

图3为本发明的智能化辅助决策支持系统结构图。

具体实施方式

下面通过具体实施例对本发明作进一步详细描述。

如附图1所示，是本发明提出一种解决多因素决策问题的多专家动态协调评判方法，具体包括以下步骤：

步骤1：确定评判对象的因素集和评语集

根据决策问题的特点和影响问题的因素，确定评判问题的因素集U＝{u₁，u₂，u₃，u₄}，如图2所示，针对因素u₁、u₂、u₃、u₄提出三种可供选择的方案①，②，③，以利用多专家动态协调评判方法求出最佳决策方案。

步骤2：赋权值并动态协调实现各因素权重分配一致性

请来5位专家对三种方案(①，②，③)进行排序，各专家赋权值，由某精度求出多数决策者一致性下的权向量A，与不在该精度所确定的一致度集合的决策者协商，建议该决策者调整自己的赋值，即动态协调实现各因素权重分配一致性，求出新的权向量A，并逐步使精度α满足精度要求，如果某决策者经多次协商仍坚持己见，则排除该决策者的决策(排除者只能是少数)，再用同样的方法分别求出满足精度要求的向量A₁，A₂，...，A_P因素评价，值如表1。

表1：各决策者给出的权向量

步骤3：各专家单因素评价，求得综合决策

做出了决策B₁，B₂，...，B₅，见表2到表6，由A_i·R_iT＝B_i(I＝1，...，5)可以求出各方案的决策量值如表2-7所示。

表2：B1中方案关于因素的量值

表3：B2中方案关于因素的量值

表4：B3中方案关于因素的量值

表5：B4中方案关于因素的量值

表6：B5中方案关于因素的量值

表7：各方案的决策量值

步骤4：将多个专家的综合决策信息集，用定义的度量计算各决策方案的一致度

由距离公式

可得出对应的一致度矩阵如表8。

表8：第一次得到的一致度矩阵

步骤5：在给定精度下，动态协调，最终采用均值法求得综合评判结果

在给定精度α＝0.286下，则B₂，B₃，B₄，B₅在精度下是一致的，且为决策者的大多数。设各决策者的决策是平等的，由这些决策，按均值法可求出相应的综合决策B^*，即方案①，②，③的综合量值为B^*＝(.461，.251，.288)。

在给定精度α＝0.286下B₁与{B₂，B₃，B₄，B₅}时不一致，建议调整决策向B^*靠拢。设B₁接受建议，并修改表2得表9，于是，修改后B₁的决策向量为A₁·R₁*T＝(0.310，0.265，0.425)

表9：B₁调整后方案关于因素的量值

B₁根据建议调整后各方案的决策量值为表10。

表10：调整后各方案的决策量值

表11为调整后，根据距离公式

可得出新对应的一致度矩阵

表11：调整后得到的一致度矩阵

在给定的精度α＝0.286下，B₁，B₂，B₃，B₄，B₅是一致的，由均值法求得①，②，③方案的综合评价量值为B^**＝{0.431，0.255，0.315}从而得三方案的排序为：①，③，②。

若B1不接受建议，坚持己见，则排除该决策，得出大多数一致性的决策B^*＝{0.461，0.215，0.288}其方案排序为：①，③，②。

为了提高多专家动态协调评判的效率，降低决策的风险，设计了智能化辅助决策支持系统，如附图3所示。所述的智能化辅助决策支持系统包括五个子系统，核心功能和多专家评判方法动态协调实现。用户(Users)可以通过人机交互HI(Human Interface)接口向系统发送请求，系统将通过计算程序C.P(Count Programme)运行相应的子系统，完成决策任务要求。智能帮助子系统IHS(Intelligent Help Subsystem)，能从知识库K.B(Knowledge Base)中提取用户决策所需的专业知识、专业术语；用户在运行该系统时，可以随时就当前界面上的内容请求系统帮助，即提供系统使用说明，如果用户操作错误会主动提示。内部管理子系统IMS(Internal Management Subsystem)维护、管理系统内部资料，系统基本文件，元知识库和专家知识库等。用户信息管理子系统UIMS(UsersInformation Management Subsystem)，借助数据库D.B(Data Base)管理与决策系统有关的各种信息，如决策系统的原始权向量，各因素的相应评价，一致度信息、精度、协调条件，综合决策生成条件等，该子系统是一个面向用户的一个信息查询系统。模型仿真子系统MES(Model Emulation subsystem)能在模型库M.B(Model Base)和图形库G.B(Graph Base)中根据要求选择模型和表达图形，并依据环境条件进行仿真，为分析研究提供理想系统的模拟运行数据，并检验真实模型选取的合理性，预测决策过程中可能发生的运行状况。决策支持子系统DSS(Decision Support Subsystem)能根据给定系统的输入输出样本和其它有关系统知识的先验信息，辅助用户完成决策的全过程。

综上所述，本发明的多专家动态协调评判方法，在综合评判的过程中在给定精度的要求下，通过动态协调实现了各个评判因素的分配权重的和单个因素评判两个一致性；而且实际评判时，也可选择在各专家所做出综合评判的基础上求出满足精度要求的一致性评判，解决了以往按专家人数对各项评判量值进行平均，使一些专家的评判与集中后的评判相差甚远的问题。

以上实施例仅用于说明本发明的优选实施方式，但本发明并不限于上述实施方式，在所述领域普通技术人员所具备的知识范围内，本发明的精神和原则之内所作的任何修改、等同替代和改进等，其均应涵盖在本发明请求保护的技术方案范围之内。

Claims (9)

1.一种多专家动态协调评判方法，其特征在于包括如下步骤：

1)根据决策问题的特性和要求建立包含评判对象的因素集和评语集的评判体系；

2)由专家分别给因素集中的因素赋权值，并通过动态协调实现各因素分配权重的一致性；

3)由专家分别做出单因素评价，结合已分配权重，选择合适的算子求得综合决策；

4)将多个专家的综合决策形成决策信息集，在决策信息集上定义的度量来计算各决策方案的一致度；

5)在给定的精度下，如果个别专家综合决策与其不一致，进行调整，最终由均值法求得综合评判的结果。

2.如权利要求1所述的方法，其特征在于：所述步骤1)中评判体系的建立步骤为：

(1)确定评判问题的因素集和层次；

(2)确定评判问题的评语集。

3.如权利要求1或2所述的方法，其特征在于：所述步骤2)中实现分配权重一致性的步骤为：

(1)由需要的精度求出多数决策者一致性下的权向量A，与不在该精度所确定的一致度集合的决策者协商，建议该决策者调整自己的赋值；

(2)再求出新的权向量A，并逐步使精度α满足精度要求；

(3)如果某决策者经多次协商仍坚持己见，则排除该决策者的决策但排除者只能是少数，再用同样的方法分别求出满足精度要求的向量A₁，A₂，…，A_P因素评价。

4.如权利要求3所述的方法，其特征在于所述步骤3)中求得综合决策的过程为：

(1)对U_i＝{u_i1，u_i2，...，u_in}中诸元素进行单因素决策，建立映射

${\tilde{f}}_I:\mathrm{Ui}\→F\left(V\right),$

${\tilde{f}}_i\left(U_{\mathrm{ik}}\right)=(r_{k1}^{\left(i\right)},r_{k2}^{\left(i\right)},...,r_{\mathrm{kn}}^i)\∈F\left(V\right)i=\mathrm{1,2},...,p,$

得评判矩阵R_i，以(U_i，V，R_i)为原始模型，在U_i中给出诸因素的权重分配，A_i＝(a_i1，a_i2，...，a_in)，

求得综合决策B_i＝A_i·R_i∈F(V)，(i＝1，2，...，p)；

(2)考虑2层因素集U^*＝{U₁，U₂，...，U_P}，以B_i作为因素U_i的单因素决策，建立映射

$\tilde{f}:U^{*}\→F\left(V\right)$

$U_i\→\tilde{f}\left(U_i\right)=B_i,$

得2层模糊矩阵R＝(B₁，B₂，...，B_P)T＝(b_ij)_p×m，以(U^*，V，R)为原始模型，在U^*中给出诸因素的权重分配A＝(a₁，a₂，...，a_p)，

求得综合决策B＝A·R∈F(V)。

5.如权利要求1或2所述的方法，其特征在于：所述步骤4中计算各决策方案一致度的过程为：

(1)设

为同一个决策模型下多个决策者分别求出的决策的全体构成的集合，函数

如果满足：

①对 ${\∀B}_1\∈\tilde{B},$ 有f(B_i，B_i)＝0

② ${\∀B}_1,B_2\∈\tilde{B},$ 有f(B₂，B₁)＝f(B₁，B₂)

则称f为两个决策的一致度函数；

如果f(B₁，B₂)＝0，则称B₁与B₂是完全一致的；

若f(B₁，B₂)＝1，则称B₁和B₂是完全不一致；

B₁与B₂是完全一致，表示两个决策向量的对应分量完全相等，为同一决策；

设

若它们的向量表示为B_i＝(b_1i，b_2i，...，b_ki)，(i＝1，2)，定义B₁与B₂的距离为：

$g(B_1,B_2)=\sqrt{\frac{1}{2}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{(b_j^1-b_j^2)}^2}$

g(B₁，B₂)满足一致度函数条件，且g(B₁，B₂)＝0时有B₁与B₂完全一致。

(2)设 $B=\{B_1,B_2,...,B_S\}\⊆\tilde{B},$ 则称矩阵

为B的一致度矩阵，它是一个对角线元素为0的对称矩阵；

(3)设称为集合B的一致度函数，F(B)为B的一致度；

(4)设α∈[0，1]，对于

若满足条件：

①F(B)≤α

② ${\∀B}^{\′}\∈\tilde{B}-B,$ 有F(B∪{B′})＞α

则称B为具有精度α的一致度集合，由一致度矩阵求出具有精度α的一致度集合B，其过程是：

①以为结点，用连线把所有满足f(B_i，B_i)≤α的点B_I和B_i连接起来；

②找出最大完全多边形，则由最大多边形的顶点构成的集合，即为具有精度α的一致度集合B_α。

6.如权利要求1或2所述的方法，其特征在于：所述步骤(5)

中由均值法求得综合评判的结果的步骤为：

(1)在给定的精度下，如果个别专家综合决策与其不一致，进行调整，如果某决策者经多次协商仍坚持己见，则排除该决策者的决策，但要求排除者只能是少数；

(2)最终由均值法求得综合评判的结果，得出大多数一致性的决策方案。

7.一种实现权利要求1所述方法的智能化辅助决策支持系统，包括在线帮助、内部管理、用户数据管理、模型仿真和决策支持五个子系统，其中，

所述用户数据管理子系统用于存储管理与决策系统有关的各种信息；

所述模型仿真子系统，用于通过人机交互方式辅助用户确定合适的决策模型及其信息合成算法；

所述决策支持子系统包括在网络环境中的多台终端，由一台终端充当决策的协调者，各决策者在各自的终端上完成各自的决策，并与协调者不断协商，直至得到满足精度要求的一致决策。

8.如权利要求7所述的系统，其特征在于：所述与决策有关的信息包括决策系统的原始权向量，各因素的相应评价，一致度信息、精度和协调条件，和综合决策生成条件。

9.如权利要求7所述的系统，其特征在于：所述模型仿真子系统包含的决策模型有：定性和定量的一、二、三级模糊决策模型，定性模糊意见决策模型，定性和定量的模糊意向决策模型，定量的模糊优先关系排序模型，和定性和定量的归类决策模型。

Images