CN114820078A - 一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法 - Google Patents

Abstract

本发明公开了一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，包括：构建各位决策者对供应商属性评价的决策矩阵；通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重；通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵；对所述综合决策矩阵的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果。该方法通过决策者权重及位置权重对决策者给出的评价信息进行数据融合得到决策者综合评价信息，根据综合评价信息获得最优供应商。

Description

一种基于组合有序加权平均算子的区间直觉模糊供应商选择 方法

技术领域

本发明涉及群体决策技术领域，具体涉及一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法。

背景技术

供应商选择本质上是一个多属性群体决策问题，在群体决策过程中，如何对要排序的目标(方案)进行科学合理的评价是至关重要的问题。随着大数据时代的到来，社会经济环境变得日趋复杂，在生产或者是生活以及其他领域中面临的决策问题越来越具有不确定性，这时决策者在进行决策时对目标的评价往往难以给出较为精确的值。为了解决以上问题，Zadeh提出了模糊集的概念。但随着复杂决策问题的出现，仅用包含隶属度的模糊集去描述决策信息已表现乏力。因此，为了对复杂决策问题的描述更加全面，Atanassov提出了包含隶属度、非隶属度和犹豫度的直觉模糊集。然而在现实情况下，由于决策者有限的知识难以给定描述隶属度和非隶属度的准确值。基于此，Atanassov和Gargov于1989年首次提出区间直觉模糊集(IVIFS)。由于区间直觉模糊集能够更好的刻画和描述决策信息的模糊特性，因此得到了很好的应用；并将IVIFS作为一种工具来求解供应商选择问题。

集结算子是供应商选择过程中的关键问题，目前按照集结算子在集结数据时使用权重的不同可以分为两类：一类算子是在集结数据时，将要集结的数据按照某一规则进行排序，其仅考虑与集结数据位置相关联的向量，不考虑属性本身的权重信息，即有序算子，Xu、Yager、钟晓芳等学者使用该类算子求解供应商选择问题。另一类是在集结数据时仅考虑集结数据本身的权重，并不会对要集结的数据进行排序，即无序算子，Yu、zheng、Meng等学者利用该类算子对决策信息进行集结并选择最优供应商。

通过以上文献对供应商选择问题的研究可以看出上述方法使用的集结算子在数据融合时仅考虑了数据本身或者数据所在位置中的一种权重信息，故不够全面。因此采用现有的集结算子对供应商进行排序时会丢失一部分重要信息，甚至会产生错误的排序结果。

发明内容

本发明的目的在于，提供一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，该方法通过决策者权重及位置权重对决策者给出的评价信息进行数据融合得到决策者综合评价信息，根据综合评价信息获得最优供应商。

为实现上述目的，本申请提出一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，包括：

构建各位决策者对供应商属性评价的决策矩阵；

通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重；

通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵；

对所述综合决策矩阵的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果。

进一步的，构建各位决策者对供应商属性评价的决策矩阵，具体为：

在决策者意见为区间直觉模糊数的情况下，设供应商集为A＝{A₁,A₂,...,A_m}，供应商的属性集为G＝{G₁,G₂,…,G_n}，决策者集为D＝{D₁,D₂,...,D_n}；设决策者D_k对供应商A_i的属性G_j评价值为区间直觉模糊数

则决策者D_k对供应商属性评价的决策矩阵为：

进一步的，通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重，具体为：

其中α∈[0,1]表示决策者的乐观水平，p(i)为要求解的位置权重，n表示向量维度，

为Orness测度，

代表求解的位置权重与(1/n,1/n,...,1/n)交叉熵。

进一步的，通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵，具体为：

第一部分

中θ＝(θ₁,θ₂,...,θ_n)^T为数据

本身的权重向量，即决策者权重，满足θ_j∈[0,1]且

第二部分

中

为IVIFCOWA算子相关联的位置向量，即供应商属性的位置权重，

且

第一部分中

是在数对

中第j大的有序诱导变量u_i所对应的

值，β是可变参数，a为隶属度下界，b为隶属度上界，c为非隶属度下界，d为非隶属度上界；进行融合得到综合决策矩阵如下：

进一步的，对所述综合决策矩阵

的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果，具体为：先获取区间直觉模糊加权算术平均算子IIFWA：

其中，ω_j＝(ω₁,ω₂,…,ω_n)^T为

的权重向量，对综合决策矩阵

的每一行进行集结，由下式得出每个供应商的得分：

为供应商的得分，其中

为供应商综合的区间直觉模糊数，a为隶属度下界，b为隶属度上界，c为非隶属度下界，d为非隶属度上界，并最终通过每个供应商的的分大小对各个供应商进行排序，得到最优供应商。

本发明采用的以上技术方案，与现有技术相比，具有的优点是：本发明针对现有供应商选择问题中使用的集结算子在数据集结时仅考虑数据本身权重或数据所在位置权重的问题，提出组合有序加权平均算子，该算子能够同时考虑决策者权重以及供应商属性的位置权重两种权重信息。将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合，并选择出最优供应商；通过具体的实例分析，对比现有技术本发明的供应商排序结果更加科学合理。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请，即所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

实施例1

针对决策者对供应商属性的评价值为区间直觉模糊数的供应商选择问题，设计了一种新的集结算子用来集结数据。本发明提出组合有序加权平均算子，该算子能够同时考虑集结数据的两种权重信息，使用该算子通过决策者权重及位置权重信息进行数据融合形成综合决策矩阵并选择出最优供应商。

为了证明本发明所提方法的有效性，钟晓芳数据做对比计算。某公司寻找最佳供应商，4个供应商对应为A＝{A₁,A₂,A₃,A₄}，各个供应商具有以下属性：成本G₁，质量G₂，服务水平G₃，属性权重向量为w＝(0.34,0.5,0.16)。有4位决策者D＝{D₁,D₂,D₃,D₄}，决策者权重为λ＝(0.26,0.21,0.26,0.27)实施决策。各个决策者对所有供应商的评价值均为区间直觉模糊数。

步骤1：构建各位决策者对供应商属性评价的决策矩阵

表1决策矩阵

步骤2：通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重(0.4，0.3，0.2，0.1)。

步骤3：通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵，如表2所示。β取0.5即认为两种权重具有相同的重要程度。

表2综合决策矩阵

步骤4：对所述综合决策矩阵的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果；

具体的，通过IIFWA算子对综合决策矩阵每一行进行集结并获取各个供应商的得分函数和精确函数，通过得分值，对不同供应商进行排序，本实施例计算的四家供应商排序结果为A₁＞A₃＞A₄＞A₂因此最优供应商是供应商1，即应该从供应商1采购商品。

方法对比：为了说明本发明方法的合理有效性，将本发明所提IVIFCOWA算子计算的结果与现有经典的集结算子区间直觉模糊加权算术平均算子(IVIFWA)、区间直觉模糊有序加权算术平均算子(IVIFOWA)、以及钟晓芳所提共识驱动的区间直觉模糊诱导有序加权算术平均算子(IIFIOWA)计算的结果实施对比，排序结果如表3所示：

表3排序结果对比表

方法	排序结果
		钟晓芳	A<sub>1</sub>＞A<sub>2</sub>＞A<sub>3</sub>＞A<sub>4</sub>
IIFWA	A<sub>1</sub>＞A<sub>4</sub>＞A<sub>2</sub>＞A<sub>3</sub>
		IIFOWA	A<sub>1</sub>＞A<sub>3</sub>＞A<sub>4</sub>＞A<sub>2</sub>
本发明	A<sub>1</sub>＞A<sub>3</sub>＞A<sub>4</sub>＞A<sub>2</sub>

由表3可以看出，本发明的排序结果与上述方法相比虽然稍有不同，但是最好的结果没有变化，这一方面说明了本发明方法的有效性，另一方面由于本发明方法所用集结算子与上述方法存在差异，因此会造成不一样的结果。本发明所提算子IVIFCOWA较IVIFWA算子在集结数据时增加了位置权重信息，相比较IVIFOWA、IIFIOWA算子在集结数据时增加了数据本身的权重信息，其综合考虑了数据本身的重要程度以及数据在集结时所在位置的重要程度，因此通过本发明算子得到的排序结果更加科学合理。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (5)

1.一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，包括：

构建各位决策者对供应商属性评价的决策矩阵；

通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重；

通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵；

对所述综合决策矩阵的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果。

2.根据权利要求1所述一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，构建各位决策者对供应商属性评价的决策矩阵，具体为：

在决策者意见为区间直觉模糊数的情况下，设供应商集为A＝{A₁,A₂,...,A_m}，供应商的属性集为G＝{G₁,G₂,...,G_n}，决策者集为D＝{D₁,D₂,...,D_n}；设决策者D_k对供应商A_i的属性G_j评价值为区间直觉模糊数

则决策者D_k对供应商属性评价的决策矩阵为：

3.根据权利要求1所述一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，通过基于交叉熵的权重优化模型得到IVIFCOWA算子相关联的权重向量即供应商属性的位置权重，具体为：

其中α∈[0,1]表示决策者的乐观水平，p(i)为要求解的位置权重，n表示向量维度，

为Orness测度，

代表求解的位置权重与(1/n,1/n,...,1/n)交叉熵。

4.根据权利要求1所述一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，通过决策者权重以及供应商属性的位置权重，将各位决策者在不同方案下对供应商属性评价的信息通过IVIFCOWA算子进行融合得到综合决策矩阵，具体为：

第一部分

中θ＝(θ₁,θ₂,...,θ_n)^T为数据

本身的权重向量，即决策者权重，满足θ_j∈[0,1]且

第二部分

中

为IVIFCOWA算子相关联的位置向量，即供应商属性的位置权重，

且

第一部分中

是在数对

中第j大的有序诱导变量u_i所对应的

值，β是可变参数，a为隶属度下界，b为隶属度上界，c为非隶属度下界，d为非隶属度上界；进行融合得到综合决策矩阵如下：

5.根据权利要求4所述一种基于组合有序加权平均算子的区间直觉模糊供应商选择方法，其特征在于，对所述综合决策矩阵

的每一行进行集结，根据集结结果得到各个供应商的得分，通过得分值最获取供应商排序结果，具体为：先获取区间直觉模糊加权算术平均算子IIFWA：

ω_j＝(ω₁,ω₂,…,ω_n)^T为

的权重向量，对综合决策矩阵

的每一行进行集结，由下式得出每个供应商的得分：

为供应商的得分，其中

为供应商综合的区间直觉模糊数，a为隶属度下界，b为隶属度上界，c为非隶属度下界，d为非隶属度上界，并最终通过每个供应商的的分大小对各个供应商进行排序，得到最优供应商。