臧翰林

摘要：在研究復(fù)雜問題時，往往需要采用更加可變的、動態(tài)的解決方法。在本研究中，引入了將多屬性決策（MADM）技術(shù)與定性群決策技術(shù)相結(jié)合的混合決策方法，此外，還提出了一種基于不同專業(yè)知識水平的專家的可推廣的新型多屬性群決策方法，以提高在解決復(fù)雜問題時的效用。

關(guān)鍵詞：多屬性決策;群決策;MADM

針對突發(fā)事件應(yīng)急決策、重大工程項目風(fēng)險決策等高度不確定性和復(fù)雜性的決策問題，為了確保決策的準(zhǔn)確性，往往需要多個專家參與。多屬性群決策問題是當(dāng)今復(fù)雜決策環(huán)境下的研究熱點。隨著人類生活的日益進步，人們對于某一重大方案的決策已經(jīng)由單人逐漸趨于多人，傳統(tǒng)的多屬性決策方法變得越來越無能為力，各種多屬性群決策的方法不斷涌現(xiàn)，其應(yīng)用也不斷完善。

在特定決策中同時使用定性和定量方法被稱為混合方法研究，混合方法研究可以更好地洞察研究問題，能夠更加全面的反映問題的本質(zhì)，在評估領(lǐng)域被認為是當(dāng)前研究的一項重要技術(shù)。當(dāng)小組決策小組的成員有不同的看法時，需要將這些意見進行科學(xué)合理的整合，形成共同決策，本文致力于解決這個問題。

混合方法研究混合了群決策 （group decision making，GDM）方法和基于應(yīng)用數(shù)學(xué)的決策。因此，它被認為是一種適合多條件相關(guān)的研究策略，通過優(yōu)化有限的可用信息和專家資源來做出決策。GDM 適用于研究和決策信息來源不足的情況，在GDM中，需要采用專家意見作為數(shù)據(jù)作為決策基礎(chǔ)。Hallowell強調(diào)一個好的決策需要收集多個來源的信息和證據(jù)。本研究提出的方法是一種用于動態(tài)查詢的穩(wěn)健方法專家或決策者。專家小組成員的集體意見比專家小組成員的意見質(zhì)量更高單個評論員的受限觀點。

1.群決策

當(dāng)多個決策者或者專家參與決策過程時，決策結(jié)果往往比一個決策者決定的結(jié)果更準(zhǔn)確。這是因為單個專家的知識水平、經(jīng)驗無法與多個專家相比。GDM的核心目標(biāo)是從專家組獲得盡可能多的關(guān)于該問題的高質(zhì)量答案和觀點加強決策。GDM獲取決策數(shù)據(jù)主要分為三種主要方法，分別是頭腦風(fēng)暴法、名義小組法和德爾福法。此外，在決策過程之前選擇決策標(biāo)準(zhǔn)和替代方案的適當(dāng)方法。頭腦風(fēng)暴決策是通過面對面的會議或與所有貢獻者小組一起在線聚會。在頭腦風(fēng)暴會議中，一般來說，貢獻者可以看到（或聽到）彼此，這也會造成某個專家的決策影響其他專家的結(jié)果。名義小組技術(shù)是頭腦風(fēng)暴的一種改進，其中決策團隊單獨提供他們的決定。在名義小組技術(shù)中，所有意見都被存檔，主要決策者通過研究所有存檔記錄得出決定。在德爾福方法使中，采用多輪決策的方法收集決策意見，在每一輪中，專家可以根據(jù)根據(jù)其他專家組的意見修改他們的意見，旨在獲得最大數(shù)量的來自專家小組的公正信息。

2.多屬性群決策

多準(zhǔn)則決策 （MCDM）的數(shù)學(xué)技術(shù)用于評估復(fù)雜的問題使用多個決策標(biāo)準(zhǔn)，多屬性決策（MADM）屬于MCDM 的一種。通常，MADM的信息是從專家的意見中獲得的，可以適用于專家數(shù)量少的特殊情況下。本研究針對提出了 MADM 和 GDM 的混合方法，以解決在復(fù)雜的情況的決策問題。這個決策分為兩個步驟：第一階段是采用定性方法的 GDM，從GDM中得到專家決策數(shù)據(jù)。第 2 階段是MADM，第一階段從專家組收集的數(shù)據(jù)計算的平均值可以作為 MADM 的輸入。決定每個集群的權(quán)重/貢獻專家是最高決策者。

3.多集群多屬性群決策

為了制定更有效和更全面的群體決策，可以讓很多的專業(yè)水平不同的專家進入決策組。當(dāng)專家水平不等時，可以按照專業(yè)知識水平的不同給他們進行分組形成不同的集群，由于個人經(jīng)驗、專業(yè)背景和知識儲備的差異，決策者的偏好會有所不同，故應(yīng)盡可能消除偏好對決策結(jié)果的影響。此時根據(jù)每個集群的級別對每個集群賦予不同的權(quán)重。例如，具有高等專業(yè)知識水平的專家集群的權(quán)重高于具有中等專業(yè)水平具有高水平的專家集群，具有中等知識水平的專家集群的權(quán)重高于具有低等知識水平的專家集群。

4.方法模型

選擇因子評級（FR）是多集群多屬群決策常用的賦權(quán)方法。FR是 MADM中流行且實用的方法之一。也有不同的名稱，即加權(quán)評分法或 WSM。FR是一個運籌學(xué)決策工具，為評分/排名提供有效科學(xué)的決策方案。定義x 個備選方案（A）和y個決策標(biāo)準(zhǔn) （C），該方法可以通過五個步驟實現(xiàn)。

步驟1：根據(jù)決策標(biāo)準(zhǔn)對決策的重要性決策標(biāo)準(zhǔn)的優(yōu)先級。根據(jù)確定的優(yōu)先級可以為每個決策標(biāo)準(zhǔn)分配一個權(quán)重（W），以百分比表示，所有的權(quán)重總和為100%。

步驟2：對于每個備選方案，為每個標(biāo)準(zhǔn)分配一個數(shù)值（V）。在這一步中，備選方案由決策矩陣（V）表示，其中V是表示替代A可以達到標(biāo)準(zhǔn)C的程度。在這項研究中，研究人員使用了數(shù)值來自 1≤V≤10的域，當(dāng)然也可以采用不同標(biāo)準(zhǔn)的數(shù)值來代替。

步驟3：加權(quán)分數(shù)WS可以通過標(biāo)準(zhǔn)的數(shù)值乘以每個標(biāo)準(zhǔn)的權(quán)重來計算分配給每個選項的相應(yīng)數(shù)值;并添加結(jié)果值。如公式（1）所示。

步驟4：如公式（2）所示;對于每個備選方案（WS），因子評級 （FR）的計算公式為

步驟5：最后通過比較FR，具有最高FR的方案就是最優(yōu)方案。

參考文獻

[1]趙晶英.基于熵權(quán)迭代的區(qū)域物流多屬性模糊群決策評估模型[J].物流科技，2021，9（09）：21-29.

[2]魏俐華，陳剛.考慮信任度的Pythagorean模糊兩階段交互多屬性群決策方法[J].計算 機應(yīng)用研究，2021，10（38）：2954-2960.