CN103020133A - 融合排序与语言评价信息的群决策支持系统及方法 - Google Patents

Abstract

本发明涉及一种融合排序与语言评价信息的群决策支持系统及方法，涵盖排序和语言评价两类信息，基于互联网的客户/服务器结构进行群决策支持；服务器端的群决策支持系统包括信息读取模块、决策分析模块和结果展示模块；信息读取模块负责接收客户端专家们给出的评价信息；决策分析模块负责把接收到的专家们给出的评价信息规范化，并集结为群体意见，然后基于群体意见进行最优方案的评选；结果展示模块负责把最优方案的评选结果进行显示。

Description

融合排序与语言评价信息的群决策支持系统及方法

技术领域：

本发明涉及一种信息融合系统与方法，具体说是一种融合排序与语言评价信息的群决策支持方法，可以广泛地应用于模糊、不确定的群决策评价问题，例如，高科技R&D项目、人员选拔、计算机软件的评价等领域。

背景技术：

在解决模糊、不确定的群决策评价问题时，参与决策的专家们通常采用语言表达或者排序（偏好序）的方式表达对被备选方案的评价。这两类信息均可以表达对备选方案的评价。排序（偏好序）就是对备选方案给出从最好（第一位）到最差的顺序排列。语言信息就是参与决策的专家们以自然语言的方式表达对备选方案的评价，可以克服精确数值表达的困难。然而当前群决策评价方法研究中缺乏将排序与语言表达两类评价信息有效融合方法和系统。

发明内容：

发明目的：

本发明的目的是为了克服群决策中排序与语言表达两类评价信息不能有效融合的问题，提出了将排序与语言表达两类评价信息有效融合的方法和群决策支持系统。

技术方案：

本发明是通过以下技术方案来实现的：

一种融合排序与语言评价信息的群决策支持系统，其特征在于：所述群决策支持系统涵盖排序和语言评价两类信息，该系统基于互联网的客户/服务器结构进行群决策支持；该系统包含：客户端的专家，WEB服务器端的信息读取模块，应用服务器端的决策分析模块，应用服务器端的数据库、模型库、方法库和知识库，和WEB服务器端的结果展示模块；其中，客户端的专家，联接WEB服务器端的信息读取模块，信息读取模块联接应用服务器端的决策分析模块，决策分析模块联接数据库、模型库、方法库和知识库；决策分析模块联接结果展示模块，结果展示模块联接客户端的专家。

排序为群决策过程中客户端的专家以顺序的方式表达对备选方案的评价信息。

语言评价为群决策过程中客户端的专家以自然语言的方式表达对备选方案的评价信息。

该群决策支持系统允许位于客户端的专家基于互联网以排序或者语言评价的方式表达对备选方案的评价；该群决策支持系统服务器端的信息读取模块接收客户端的专家给出的关于备选方案的评价信息。

一种如上所述融合排序与语言评价信息的群决策支持系统的群决策支持方法，其特征在于：该方法步骤如下：

（1）、将排序规范化为基准语言集合的模糊集：该群决策支持方法服务器端的决策分析模块利用方法库和知识库将排序评价信息转换为基准语言集合的模糊集；

（2）、将语言信息规范化为基准语言集合的模糊集：该群决策支持方法服务器端的决策分析模块利用方法库和知识库采用有关算法将语言评价信息转换为基准语言集合的模糊集；

（3）、将两类被规范化的评价信息进行集成：该群决策支持方法服务器端的决策分析模块将两类评价信息转换为相同的形式，采用模型库的群体信息集成模型进行评价信息的集成；

（4）、基于评价信息的集成结果选择最优的备选方案：采用模型库的最优方案的选择模型，基于集成结果做出对备选方案的最优选择。

该群决策支持方法的结果展示模块履行最优方案的显示功能。

所述基准语言集合为{“极差”，“很差”，“差”，“一般”，“好”，“很好”，“极好”}。

优点及效果：

本发明是一种融合排序与语言评价信息的群决策支持系统及方法，具有如下优点：

（1）相对于其他群决策支持方法，本发明具有基于互联网的客户/服务器构架，因此，允许客户端的专家基于互联网在不同的时间和不同的地点参与决策，不同于面对面或者局域网的决策环境；

（2）相对于其他群决策支持方法，本发明具有基于互联网的客户/服务器构架，因此具有更好的可扩展性，允许客户端的专家基于互联网在不同的时间和不同的地点参与决策；

（3）相对于其他群决策支持方法，本发明具有融合排序与语言评价信息的优势；当前的群决策支持方法通常采用数值或者排序来表达决策者的意见，评价信息表达方式单一；然而，在纷繁复杂的世界里，决策环境变得异常复杂，一方面参与决策的专家已经不局限于当地或本地，而是扩展到整个国家或国家范围，另一方面，模糊或者不确定的情况经常出现，更广泛范围参与决策的专家们给出的评价信息有时更适合以语言信息的方式表达，或者以排序的方式表达，而不仅仅是以数值方式表达的简单情况；因此，本发明支持更一般情况的决策环境，支持排序与语言评价信息作为评价信息的表达方式，而不仅仅是的数值表达的方式，相对于其他系统，在支持决策信息方面更通用，应用面更广泛。

附图说明：

图1是本发明系统硬件结构图；

图2是本发明群决策支持流程图；

图3是本发明中关于排序中各方案的排序位置所对应的区间的示意图；

图4是本发明中关于排序与语言评价信息的融合方法示意图。

具体实施方式：

下面结合附图对本发明技术方案进行具体说明：

本发明涉及一种具有融合排序与语言评价信息的群决策支持系统及方法，如图1-图4中所示，该群决策支持方法基于互联网且具有客户/服务器架构；基于互联网，客户端被邀请参与决策的专家可以以排序或者语言评价的方式表达对备选方案的意见；服务器端的群决策支持系统包括信息读取模块、决策分析模块和结果展示模块；信息读取模块负责接收客户端专家们给出的评价信息；决策分析模块负责把接收到的专家们给出的评价信息规范化，并集结为群体意见，然后基于群体意见进行最优方案的评选；结果展示模块负责把最优方案的评选结果进行显示。

该群决策支持方法在互联网中的物理设施包括计算机、Web服务器、应用服务器、数据库服务器、网络及通信设备，即该群决策支持方法是在上述物理层的支撑下运行。

本发明涉及一种融合排序与语言评价信息的群决策支持系统，其特征在于：所述群决策支持系统涵盖排序和语言评价两类信息，该系统基于互联网的客户/服务器结构进行群决策支持；该系统包含：客户端的专家们11-1k，WEB服务器端的信息读取模块2，应用服务器端的决策分析模块3，应用服务器端的数据库41、模型库42、方法库43和知识库44，和WEB服务器端的结果展示模块5；

其中，客户端的专家们11-1k，联接WEB服务器端的信息读取模块2，信息读取模块2联接应用服务器端的决策分析模块3，决策分析模块3联接数据库41、模型库42、方法库43和知识库44；决策分析模块3联接结果展示模块5，结果展示模块5联接客户端的专家们11-1k。

排序为群决策过程中客户端的专家以顺序的方式表达对备选方案的评价信息。

语言评价为群决策过程中客户端的专家以自然语言的方式表达对备选方案的评价信息。

该群决策支持系统允许位于客户端的专家们11-1k基于互联网以排序或者语言评价的方式表达对备选方案的评价；该群决策支持系统服务器端的信息读取模块2接收客户端的专家们11-1k给出的关于备选方案的评价信息。

一种如上所述融合排序与语言评价信息的群决策支持系统的群决策支持方法，其特征在于：该方法步骤如下：

（1）将排序规范化为基准语言集合的模糊集：该群决策支持方法服务器端的决策分析模块3利用方法库43和知识库44将排序评价信息转换为基准语言集合的模糊集；

（2）将语言信息规范化为基准语言集合的模糊集：该群决策支持方法服务器端的决策分析模块3利用方法库43和知识库44采用有关算法将语言评价信息转换为基准语言集合的模糊集；

（3）将两类被规范化的评价信息进行集成：该群决策支持方法服务器端的决策分析模块3将两类评价信息转换为相同的形式，采用模型库42的群体信息集成模型进行评价信息的集成；

（4）基于评价信息的集成结果选择最优的备选方案：采用模型库42的最优方案的选择模型，基于集成结果做出对备选方案的最优选择。

该群决策支持方法的结果展示模块5履行最优方案的显示功能。

所述基准语言集合为{“极差”，“很差”，“差”，“一般”，“好”，“很好”，“极好”}。

上述决策支持方法具体如下：

步骤1，将排序规范化为基准语言集合的模糊集：

给定针对各备选方案以排序O^j＝(o^j(1),...,o^j(m))的(m为备选方案的个数)形式给出的评价信息，可以通过下面的过程把排序O^j＝(o^j(1),...,o^j(m))转换为基准语言集合的模糊集。

首先，建立m个排序位置所对应的区间

1≤i≤m，如1所示；

其次，建立m个排序位置所对应区间的隶属度函数，即

然后，建立基准语言集合（即， ${\mathrm{TERMSET}}^B=\{{\mathrm{term}}_0^B,{\mathrm{term}}_1^B,...,{\mathrm{term}}_g^B\}$ ）中各语言短语所对应的三角模糊数的隶属度函数γ_i＝(μ_i,α_i,β_i)，i＝0,1,..,g，其中，模值μ_i与上界值α_i和下界值β_i的具体计算公式如下所示：

${\mathrm{\γ}}_i=\left\{\begin{array}{cc}{\mathrm{\α}}_1=0& \\ {\mathrm{\μ}}_i=\frac{i}{g-1}& 0\≤i\≤g-1\\ {\mathrm{\α}}_i=\frac{i-1}{g-1}& 1\≤i\≤g-1\\ {\mathrm{\β}}_i=\frac{i+1}{g-1}& 0\≤i\≤g-2\\ {\mathrm{\β}}_{g-1}=1& \end{array}\right.---\left(2\right)$

并且，g+1为基准语言集合中语言短语的个数；

最后，建立排序O^j＝(o^j(1),...,o^j(m))中各方案的排序位置所对应的区间隶属度函数关于基准语言集合（即， ${\mathrm{TERMSET}}^B=\{{\mathrm{term}}_0^B,{\mathrm{term}}_1^B,...,{\mathrm{term}}_g^B\}$ ）的模糊集，即，

$\mathrm{\τ}\left({\mathrm{inter}}_i\right)=\left\{({\mathrm{term}}_k^B,{\mathrm{\δ}}_k^i)\right|k=\mathrm{0,1},...,g\}---\left(3\right)$

其中，

${\mathrm{\δ}}_k^i=\underset{x}{\max }\min \{y\left(i\right),{\mathrm{\γ}}_k\}---\left(4\right)$

并且，y(i)为区间inter_i对应的隶属度函数（如式1所示），γ_k为基准语言集合TERMSET^B中语言短语

所对应的三角模糊数的隶属度函数（如式2所示）。

步骤2，将语言信息规范化为基准语言集合的模糊集：

给定专家j关于备选方案S_i的语言评价

i＝1，...,m,j=1,..,n（n为专家数），k＝1，...,K(K为语言短语集合TERMSET^j中语言短语的个数)；下面的函数τ将

转换为基准语言集合 ${\mathrm{TERMSET}}^B=\{{\mathrm{term}}_0^B,{\mathrm{term}}_1^B,...,$ ${\mathrm{term}}_g^B\left\}\right)$ 的模糊集，

$\mathrm{\τ}:{\mathrm{term}}_i^j\→F\left({\mathrm{TERMSET}}^B\right)---\left(5\right)$

其中，F(TERMSET^B)为TERMSET^B上的模糊集，并且，

$\mathrm{\τ}\left({\mathrm{term}}_i^j\right)=\{({\mathrm{term}}_0^B,{\mathrm{\γ}}_0^{\mathrm{ij}}),({\mathrm{term}}_1^B,{\mathrm{\γ}}_1^{\mathrm{ij}}),\·\·\·,({\mathrm{term}}_g^B,{\mathrm{\γ}}_g^{\mathrm{ij}})\}---\left(6\right)$

而且，

${\mathrm{\γ}}_l^{\mathrm{ij}}=\underset{x}{\max }\min \{\mathrm{\γ}\left({\mathrm{term}}_i^j\right),{\mathrm{\γ}}_l\left({\mathrm{term}}_l^B\right)\},l=\mathrm{0,1},\·\·\·,g---\left(7\right)$

其中，γ(·)与γ_l(·)分别为语言短语和

的隶属度函数。

步骤3，将两类被规范化的评价信息进行集成：例如采用加权平均法。

步骤4，基于评价信息的集成结果选择最优的备选方案。

Claims (7)

1.一种融合排序与语言评价信息的群决策支持系统，其特征在于：所述群决策支持系统涵盖排序和语言评价两类信息，该系统基于互联网的客户/服务器结构进行群决策支持；该系统包含：客户端的专家，WEB服务器端的信息读取模块（2），应用服务器端的决策分析模块（3），应用服务器端的数据库（41）、模型库（42）、方法库（43）和知识库（44），和WEB服务器端的结果展示模块（5）；其中，客户端的专家，联接WEB服务器端的信息读取模块（2），信息读取模块（2）联接应用服务器端的决策分析模块（3），决策分析模块（3）联接数据库（41）、模型库（42）、方法库（43）和知识库（44）；决策分析模块（3）联接结果展示模块（5），结果展示模块（5）联接客户端的专家。

2.根据权利要求1所述的融合排序与语言评价信息的群决策支持系统，其特征在于：排序为群决策过程中客户端的专家以顺序的方式表达对备选方案的评价信息。

3.根据权利要求1所述的融合排序与语言评价信息的群决策支持系统，其特征在于：语言评价为群决策过程中客户端的专家以自然语言的方式表达对备选方案的评价信息。

4.根据权利要求1所述的融合排序与语言评价信息的群决策支持系统，其特征在于：该群决策支持系统允许位于客户端的专家基于互联网以排序或者语言评价的方式表达对备选方案的评价；该群决策支持系统服务器端的信息读取模块（2）接收客户端的专家给出的关于备选方案的评价信息。

5.一种如权利要求1所述融合排序与语言评价信息的群决策支持系统的群决策支持方法，其特征在于：该方法步骤如下：

（1）将排序规范化为基准语言集合的模糊集：该群决策支持方法服务器端的决策分析模块（3）利用方法库（43）和知识库（44）将排序评价信息转换为基准语言集合的模糊集；

（2）将语言信息规范化为基准语言集合的模糊集：该群决策支持方法服务器端的决策分析模块（3）利用方法库（43）和知识库（44）采用有关算法将语言评价信息转换为基准语言集合的模糊集；

（3）将两类被规范化的评价信息进行集成：该群决策支持方法服务器端的决策分析模块（3）将两类评价信息转换为相同的形式，采用模型库（42）的群体信息集成模型进行评价信息的集成；

（4）基于评价信息的集成结果选择最优的备选方案：采用模型库（42）的最优方案的选择模型，基于集成结果做出对备选方案的最优选择。

6.根据权利要求5所述的融合排序与语言评价信息的群决策支持方法，其特征在于：该群决策支持方法的结果展示模块（5）履行最优方案的显示功能。

7.根据权利要求5所述的融合排序与语言评价信息的群决策支持方法，其特征在于：所述基准语言集合为{“极差”，“很差”，“差”，“一般”，“好”，“很好”，“极好”}。

Images