模糊群决策理论论文（精选8篇）
模糊群决策理论论文 篇1
1 问题的提出
企业为了在激烈的技术市场竞争中生存发展,必须提升自身核心竞争能力,这就要求企业将更多的资源集中到自身核心业务当中,而将一些边缘的非核心研发业务进行外包,交由第三方代理研发。在现实经济生产中,越来越多的企业将部分研发业务进行外包,如通用汽车就将其整车中3 000多种零部件外包由其他供应商代理研发和生产。虽然很大一部分企业确实可以从研发外包中获得了较大的经济利益,如节约了研发成本、自身核心业务能力得到不断上升等,但研发外包使企业自身受到损害的案例也是屡见不鲜,企业研发外包蕴含着巨大的风险,如研发外包导致企业技术外流,由于研发供应商的能力问题导致企业研发失败,频繁的研发外包导致企业自身研发能力的下降。还有些学者认为与研发供应商无休止的争执会导致企业研发成本骤升等[1]。这些理论虽然众多,但是由于这些风险状况通常是一般性的单独提出,对于企业来说参考性不强,因此,提出全面的研发外包风险体系就显得非常必要。
企业正确地对研发外包风险进行评价对其自身发展的意义重大,只有正确地对其进行评价,才能对企业研发外包工作进行有效的管理,提前避免各类风险的发生。另外,由于研发外包风险的评价工作量大、工作内容复杂,单个评价者很难做到客观公正准确,因此一般都是由各方面的专家组成的专家组共同对其进行评价。本文正是在这样的背景下研究并提出全面系统的企业研发外包风险体系,并以此为基础对多位专家共同对其进行评价的问题进行了探索。
2 文献研究回顾
2.1 企业研发外包风险的内容研究
企业出于成本优势或自身核心的相对技术创新能力发展的目的进行研发外包,但一些实证研究发现,结果往往不尽如人意。Laeity[2]通过对14家500强企业研发外包实践的研究,开启了研发外包风险研究的先河。Maqbool等[3]对357家大公司进行问卷调查相结合的方法得出结论,认为对承包商的过度依赖是IT外包的主要风险之一。Sammi等[4]通过一系列实证研究指出研发外包过程中面临的主要风险是企业技术的流失,这将壮大竞争对手的力量,加速潜在竞争者、替代品生产者向现实竞争者转变,合作方可能将本企业排挤出局,进而带来关键技术人才流失。蒋逊明[5]从知识产权管理的角度研究了在合作研发中可能存在的知识产权风险。何玉梅等[6]指出研发外包风险主要有竞争风险、信息泄漏风险以及信息不对称和合同不完全所带来的风险,且提出了相应的防范措施,如适当奖励研发外包商等。李靖等[7]通过对企业研发外包中的终止权配置研究总结出研发外包风险有战略风险、信息泄漏风险、合同风险、综合风险。尽管对于企业研发外包风险的研究众多,但大多是对于风险内容的一般性提出,或仅从某个局部去认识,鲜有研究系统地将外包风险从孕育到产生再到造成不利后果的整个过程进行描述。
2.2 企业研发外包风险的评价研究
在对企业研发外包风险因素的评价上,不少文献阐述了技术创新风险的成因,如技术风险、财务风险、市场风险、政策风险、管理风险、生产风险等。在对风险事件评价的方面,卢有杰[8]通过对可能发生的不利事件进行分析,提出了一个包含2层共16个指标的风险评价体系。Siffat等[9]从风险因素出发,分别从市场、资金、技术、研发人员、组织管理的角度建立了R&D联盟风险因素的评价指标体系。秦良娟等人[10]运用交易成本理论,分别从客户、供应商和交易过程3个方面建立了3包含层共23个IT外包风险因素的评价指标。
在风险评价方法的选择上,比较简单的方法目前有4种:概率法、方差法、均方差与平均值的比值法即均方差与预期损失之乘积法。虽然这些方法使用方便,但是对于难以估计发生概率或难以获得历史数据的指标的使用上就显得非常乏力,所以应用只限于常规性的风险事件。企业研发外包风险的综合评价法常用的有模糊综合评价法、人工神经网络法和灰色理论模型法等等。模糊综合评价法的使用率最高,经过了更强的有效性的检验。但是,由于模糊评价方法往往得出的是一个风险综合值,不能充分考虑项目的关键因素,如时间因素对项目整体风险水平的影响,而识别出项目的关键因素往往是非常重要的。
目前,企业研发外包风险评价的研究多是一般性地提出企业研发外包风险的分类和内容,再采用一定方法对其进行评价。虽然此类研究目前已比较成熟,但是其内容多为研究风险因素或为研究风险事件或后果对于企业的影响,很少通过研究整个风险运行的机理,并通过评价使企业更加全面地认识到研发外包风险的存在形态并进行有效防范。由于外包风险问题现今非常热门,且急需方便适用的评价方法,因此,未来的研究可能会趋于通过研发外包风险形成机理的分析对企业外包风险进行全面的评价。
2.3 模糊群决策理论研究
伴随着新经济时代的到来,现代社会系统规模不断扩大,系统的复杂性也随之增加,决策信息也越来越具有模糊性,模糊群决策理论成为解决此类问题的重要工具得到了迅速发展并取得了丰富的理论成果。模糊群决策与经典群决策的不同在于:凡决策者不能精确定义的决策参数都被处理成某种适当的模糊集合,蕴含一系列具有不同置信水平的可能选择,这种具有灵活性的数据结构与选择方式使模糊群决策与经典群决策有更强的表达能力和更广泛的适应性。对于特定指标体系的模糊综合评价方面的群决策方法研究也有颇多成果。由于对于特定指标值的群体评价结果多为基数效用形式,而两两比较形式的判断矩阵集结方法得出的结果往往只是一个排序形式,Soleimani等人[11]在对计算理论的缺陷研究中扩展了层次分析法,深入分析了三角模糊数的性质。Chen[12]1-9提出了模糊TOPSIS方法,提出了一个在模糊群决策支持环境下运用模糊集理论评价软件开发风险集合的新算法,并改进了用距离排序模糊数的方法,从而系统地解决了关于模糊综合评价问题中专家权重的赋值和综合评价值的集结问题。Mohammad等人[13]在此基础上开发出了一种利用专家模糊评价的三角模糊数距离的方法确定专家权重。此外,在指标权重确定上,李鹏等人[14]在对虚拟合作伙伴的评价问题上采取了一种基于专家模糊语义评判形式的加权平均指标权重评价方法。本文正是综合上述的模糊TOPSIS方法,以三角模糊数为基础,通过对指标权重评价三角模糊数的加权平均集结完成对指标权重赋值,并采用三角模糊数距离的运算得到各个专家的权重,进而对各个专家对指标的打分进行加权平均综合,从而完成对企业研发外包风险进行模糊群决策方法的评价。
3 企业研发外包风险构成及传导机制分析
出于对成本优势和自身核心的相对技术创新能力的培养的初衷,企业选择了研发外包。然而由于研发外包中由代理问题所产生的双方目标的不一致、信息不对称所导致的逆向选择、外包商的机会主义行为以及环境不确定中的偶发事件等因素的存在,企业研发外包的结果往往事与愿违。若要使研发外包达到既定目的,风险评价就显得格外重要,而有效的风险评价必须建立在对于研发外包风险体系深入认识的基础上。根据Bahli等[15]211-221的理论研究成果,外包风险要素主要由风险源、风险因素、风险事件和风险结果构成。研发外包风险源和风险传导路径一起形成了研发外包风险体系。对此,结合学界已有的研究成果,本文系统地建立企业研发外包风险的风险体系,如图1所示。首先运用交易成本理论识别出企业研发外包风险的风险源、风险因素、风险事件和风险结果,再通过对风险从风险源到风险结果的传导机制的分析,建立起企业研发外包风险体系,从而为后续企业研发外包风险的系统评价问题提供强有力的保障。
3.1 研发外包风险的风险源
无论是何种形式的风险都离不开风险主体和风险客体,企业研发外包风险亦是如此。研发外包的风险主体应该包括实施研发外包的企业(外包客户)和提供外包服务的外包供应商,但本文主要从研发外包客户的角度来研究研发外包风险。根据风险源主客体的不同,可将风险因素的来源分为市场客体因素和人为主体因素。在企业研发外包风险的研究上,可以将风险源分为与人有关的主观风险源,即研发外包客户和外包供应商,以及与交易有关的客观风险源,即外包交易机制。
3.2 研发外包风险的风险因素
在企业研发外包风险中,风险因素是连接风险源与风险事件的纽带,是判断风险事件发生概率的重要依据。交易成本理论认为,交易成本的上升源于交易客户、供应商和交易机制,据此,本文根据前人对风险因素的划分框架,分别从与交易有关和与客户及供应商有关两方面分析研发外包风险因素。与交易有关的风险因素可划分为资产专属性、不确定性、业务关联性、少量供应商和测度问题;而客户和供应商风险因素均包含业务相关的素养和外包管理素养两大风险因素,具体可分为客户研发专业素质、客户外包管理素质、供应商研发专业素质、供应商外包管理素质。
3.3 研发外包风险事件和风险结果
研发外包风险事件是指由风险因素诱发的,会给企业带来损失的,与研发外包相关的事件,有时也被称作研发风险。Khlfan[16]在交易成本理论的基础上提出了四类外包风险事件,即套牢、昂贵的合同修改、意外的过度和管理成本以及诉讼和争议。Bahli等[15]211-221综合前人利用交易成本理论对外包风险机制进行了分析,最终发现两类风险结果,即外包相关费用的上升和外包服务质量的下降。Earl等[17]在研究信息技术外包风险时提出了客户专业能力下降的风险。此外,国内诸多学者在一般性地提出企业研发外包风险时提到了如技术泄密、相对技术创新能力下降等风险,如李晓峰等[18]提出的技术泄密风险,祁红梅等[19]从知识产权管理的角度研究了在合作研发中可能存在的知识产权风险,张汉威等[20]提出了相对技术创新能力下降风险等。从风险思维构造角度,本文认为,技术泄露等状况并不会直接造成企业的损失,而是通过削弱企业相对技术创新能力的形式造成企业损失,因此技术泄露等都可划分为风险事件,而最终导致的结果是企业的相对技术创新能力的下降。利用这个思路,本文重新厘定企业研发外包的风险事件与风险结果,综合外包一般风险和研发外包特殊风险的研究成果,将企业研发外包分为六类风险事件,如表1所示。
风险结果(consequence),即风险事件导致风险主体遭受损失的方式和程度。在企业研发外包中,风险事件最终是以某种风险结果的方式导致研发外包客户蒙受损失。企业研发外包业务中,除了可能导致研发外包费用上升和服务质量下降外,还有一种以长期、慢性的方式造成企业的损失,这就是企业的相对技术创新能力的下降。
3.4 研发外包风险的传导机制
研发外包风险体系主要由风险要素和风险传导机制构成,而风险传导机制作为纽带连接着风险系统中的各个要素,是风险从酝酿到作用于主体的路径。理清企业研发外包风险的传导机制是有效评价风险水平的必要条件。以风险事件为中心,可分为两个方向研究风险的传导路径,一方面向左追溯造成风险事件发生的风险因素和风险源;另一方面向右推导风险事件可能导致的风险后果。
3.4.1 以套牢风险为中心的传导路径
导致套牢风险的风险因素包括:(1)资产专属性。当出现对客户不利的局面时,由于使投资者顾虑到损失或牺牲部分甚至全部资产,不能随意从合作关系中撤出,从而造成套牢风险。(2)业务关联性。当外包业务之间发生关联时,原供应商具有明显优势,然而当外包业务与客户核心业务发生关联时,客户对供应商的依赖更加明显。(3)少量供应商。当可供客户选择的研发外包供应商数量较少时,一方面客户在和供应商讨价还价时处于劣势地位;另一方面,当客户对供应商的服务和要价不满时,另外选择合格的研发供应商成本将增加,从而形成套牢局面。(4)客户的研发专业素质。若客户外包专业素质越来越低时,容易形成路径依赖,客户信息获取、数据处理、独立发现和解决问题能力会越来越差;若供应商出现机会主义行为时,客户不知道己方用户的期望和需求,所以难以发现问题,也以此为筹码和供应商进行谈判。
套牢导致的风险结果:(1)研发外包费用上升。当客户被供应商套牢时,供应商会以合作的强势方姿态和客户讨价还价,从而增加了研发外包的直接费用和管理费用。(2)研发外包服务质量下降。当客户被套牢时,由于缺乏必要压力,供应商的机会主义行为会增加;同时,供应商对于自身能力提高的动力也会不足,从而容易造成研发服务质量的下降。
3.4.2 以昂贵的合同修改风险为中心的传导路径
导致昂贵的合同修改风险的风险因素包括:(1)不确定性。研发外包相关合同的修改很大程度上是由于不确定性造成。(2)测度问题。由于研发外包业务中供应商的绩效和双方所作的贡献不可能被精确地测度,各方有各自的利益驱动,这样就会导致合同修改。
昂贵的合同修改导致的风险结果:(1)研发外包费用上升。当昂贵的合同修改风险事件出现时,不免会给客户企业带来意料之外的合同拟定费用、谈判费用、重新评估费用等,造成研发外包费用的上升结果。(2)研发外包服务质量下降。昂贵的合同修改事件一般伴随着双方合同条款的大幅度变化,这就不免使研发外包计划被打乱,供应商难以在短时间内迅速调整研发进程,从而导致研发外包服务质量的下降。
3.4.3 以意外的过度和管理成本风险为中心的传导路径
导致意外的过度和管理成本风险的风险因素包括:(1)不确定性。由于技术研发过程本身就具有不确定性,如研发相关设备的调试等过渡成本就会增加,供应商行为的不确定性也会增加意外的过渡和管理成本。(2)业务关联性。业务关联性从两个主要途径造成意外过度和管理成本风险。(3)客户的研发专业素质。若客户的研发专业素质较高,能够使客户更加了解自身需求,从而减少协同和管理成本;相反,就会增加意外的过度和管理成本。(4)客户的外包管理素质。客户对于外包的管理水平会直接影响到意外的过度和管理成本风险的发生。(5)供应商的研发专业素质。若供应商的专业能力较低,就会造成研发效率低,客户的过度成本就会增加。(6)供应商的外包管理素养。供应商的沟通能力、项目协调能力等外包管理素养不高会使客户投入更多的财力和精力与之沟通。
意外的过度和管理成本导致的风险结果:(1)研发外包费用上升。当意外的过度和管理成本风险事件发生时,客户的研发变更费用、沟通协调费用、监督费用等都会随之上升。(2)研发外包服务质量下降。诸如协调沟通等管理费用的增加反映出双方协调问题,不免会使研发外包项目的进度、质量受到影响,从而降低了研发外包服务质量。
3.4.4 以诉讼和争议风险为中心的传导路径
导致诉讼和争议风险的风险因素包括:(1)测度问题。由于技术研发项目绩效模糊,不易测量和考核,因此双方会因此产生许多不必要的争执,甚至诉诸法律。(2)客户的外包管理素质。客户的协调、沟通等外包管理能力低下会招致供应商的不满,从而增加了双方产生争执的可能。(3)供应商的研发专业素质。由于研发外包业务的技术复杂性,供应商的研发水平如果不高,会出现诸多可能导致诉讼和争议的问题。(4)供应商的外包管理素质。如果供应商有较高的外包管理素养,在合同谈判时能够以双方均可接受的方式和价格达成协议。
诉讼和争议导致的风险结果:(1)研发外包费用上升。毫无疑问,争议使得客户企业不得不花更多的财力和精力与供应商进行沟通,增加了管理费用。如果争执不能停息,双方采用诉讼的方式解决争端,使研发外包费用增加。(2)研发外包服务质量下降。无论是诉讼还是争议,由于双方迟迟不能达成一致,研发外包项目的停滞就成为必然,拖延了外包业务完成的时间,给客户企业带来难以计量的损失。
3.4.5 以客户专业能力下降风险为中心的传导路径
导致客户专业能力下降风险的风险因素包括:(1)业务关联性。由于研发外包业务之间,或研发外包业务与核心研发业务之间存在着关联性,导致一种研发业务的下降影响到其他业务,从整体上降低了企业的能力。(2)客户的研发专业素质。如果客户研发专业水平低,就可能会造成核心业务的错误划定,将核心业务外包,从而造成自身能力的逐渐下降。(3)客户的研发外包管理素质。客户对于外包流程的熟悉程度、对供应商的控制能力等都影响着客户在双方合作中的优势地位。(4)供应商的研发专业素质。若供应商水平低下,加之业务间存在关联性,除了研发外包质量受到影响外,还会影响到客户自身核心业务能力,从而使客户能力越来越弱。
客户专业能力下降导致的风险结果:客户专业能力的逐渐下降会导致客户在所处领域的产品研发、市场预测能力逐渐被削弱,最终影响到客户的相对技术创新能力,因此客户专业能力下降主要导致的风险结果是企业相对技术创新能力的下降。
3.4.6 以技术泄密风险为中心的传导路径
导致技术泄密风险的风险因素包括:(1)业务关联性。当研发外包业务之间或外包业务与企业核心业务之间的关联性较强时,由于双方需要不断沟通、均衡信息,从而加大了技术泄密的可能。(2)客户的外包管理素质。如果客户企业具备丰富的外包管理经验,拥有严密的双方合作的技术泄密管理机制,那么泄密可能性将大大降低;相反,泄密事件会经常发生。(3)供应商外包管理素质。对于供应商泄密有两种情况:一种情况是由于供应商缺乏知识保护经验,无意将客户技术机密泄露;另一种情况是由于供应商部分员工道德问题,有意泄露客户机密。这两种情况都应属于供应商外包管理素质的范畴。
技术泄密导致的风险结果:技术泄密虽然不会立即升高企业研发外包费用或降低研发外包质量,但长期来看,技术泄密将会令客户企业丧失技术优势,使高额的研发投入付诸东流,会导致企业相对技术创新能力下降的风险。
3.5 研发外包风险体系的建立
综合运用交易成本理论和四位一体的风险分析框架,并结合国内外学者对于外包风险或研发外包风险的相关研究,本文分别阐述了企业研发外包风险事件的影响因素和风险传导路径,将上述各个风险时间的传导机制进行汇总,便构成了完整的企业研发外包风险体系,具体如图2所示。
4 基于模糊群决策方法的企业研发外包风险评价模型构建
4.1 风险因素的评价和评价者的权重确立
4.1.1 指标编码
首先将9个风险因素分别按所属风险源进行编码(如图3)。若有n位评价者E1,E2,E3,…,En,从F1到F9依次代表各个风险因素指标,则珘hij(LEFij,MEFij,UEFij)对应评价者En对Fj评价语义的三角模糊数。
4.1.2 各评价者对每一风险因素打分
这一环节是由n位评价者对研发外包风险的9个风险因素风别进行评分。评分采用常用的五级语言短语,评分范围是0~100分,0分表示风险因素水平为0,即不存在问题,100为最高,即该风险因素将必定导致相应风险事件发生且程度严重(如表2)。
4.1.3 确立评价者权重
在运用模糊群决策进行评价时,评价者权重是模型建立的重要组成部分,也是后续评价反复需要用到的基本数据。根据谢刚等[21]对于运用模糊群决策进行评价时评价者权重的确立思路,某一评价者的权重取决于这一专家和其他评价者评价的差距,若差距越大,则说明该评价者的评价结果距离平均水平越远,则其评价离客观实际情况也越远,因此该评价者的水平就越低。为后续计算方便,在此将相关定义和公式列举如下:
若有两个三角模糊数且满足
在上述模糊三角数距离定义的基础上,根据谢刚等提出的方法,两位评价者之间的距离公式如下:
若有n为评价者E1,E2,E3,…,En,且有m项评价属性A1,A2,A3…Am,令评价者i对于属性j进行评价的三角模糊数为(LEij,MEij,UEij),假设各评价指标权重相同,则评价者Ea和Eb之间的距离为:
式(2)反映了评价者k的评价与其他评价者之间的差异程度。其值越大,说明该评价者的评价与其他评价者越相近;反之就越远。则评价者k的权重为:
容易得知。由式(1)到式(3)可知,企业研发外包风险评价者Ei的权重WEi为:
其中,di为评价者i和其他所有评价者之间的距离和。
4.2 确立风险因素和风险事件的权重
4.2.1 指标编码
首先,由于各个风险因素评价指标可以对应不同的风险事件,因此,同一个风险因素对应不同的风险事件就有不同的权重。其次,虽然同一风险事件可能对应不同的风险结果,但是如果将本模型中三类风险结果作为一个整体看待,即都是损失的不确定性程度,这样就可以使6类风险事件具有同一标准,即损失的不确定性程度。综上所述,对6类风险事件进行编码(如图4),R1到R6分别代表六类风险事件指标,则Ri的权重为WRj,Fi对应于Rj的权重为WFRi→j,则某一评价者Ek对于WRj和WFRi→j进行评价的三角模糊数分别为:WRj(LWRjk,MWRjk,UWRjk)和WFRki→j(LWFRki→j,MWFRki→j,UWFRki→j)。
4.2.2 各评价者对风险因素权重和风险事件权重打分
这一环节是由n位评价者对研发外包风险的9个风险因素和4个风险事件的重要性程度进行评分。评分采用常用的五级语言短语,评分范围是0~1分,0分表示风险因素或风险事件对整个评价没有意义,1为最高(如表3)。需要注意的是,在对每一风险因素重要性进行评价时,必须要分别给出该风险因素对应不同风险事件的不同重要性水平。
4.2.3 确立风险因素权重
评价属性权重的确立是得到综合评价值的前提条件,根据李帅等[22]基于模糊群决策的属性权重获得方法,若有n位评价者E1,E2,E3,…,En,且有m项评价属性C1,C2,C3,…,Cm,令评价者i对于属性j进行进行赋值的三角模糊数为,且评价者i的权重为WEi,则属性Cj权重的三角模糊数为:
运用三角模糊数的期望定理将属性权重的归一化,得到属性Cj的权重为:
容易得到。根据企业研发外包风险评价体系,结合式(5)到式(6)可知,企业研发外包风险因素对应各个风险事件的权重为:
4.2.4 确立风险事件权重
与上一步相似,根据式(4)到式(6)可知,企业研发外包风险事件对应整个风险事件状况的权重为:
4.3 评价各个风险事件的风险状况
4.3.1 计算模型
运用模糊群决策方法进行评价的最终目的是要得到一个综合评价值,这就涉及到群意见的集结问题。根据Chen[12]1-9等人的模糊期望值集结法,则有如下集结公式:
若有n位评价者E1,E2,E3,…,En,且有m项评价属性C1,C2,C3,…,Cm,令评价者i对于属性j进行进行赋值的三角模糊数为珘hij(LEij,MEij,UEij),且评价者i的权重为WEi,则属性Cj的权重为WCj,则该方案的综合评价值的三角模糊数(L,M,U)为:
因此,方案的综合评价值为:
上文通过式(7)到式(30)建立起了企业研发外包风险因素对应各个风险事件的权重,且由式(1)得到了各个评价者的评价权重,再结合式(33),可以得到各风险事件模糊三角数形式的风险水平如下:
4.3.2 风险初步评价
到此已经可以开始评价各个风险事件的风险水平。如果企业需要逐个评价风险事件的状况,可以采用模糊数期望值法将式(35)到式(40)的各风险事件风险水平转化为确切数,按照图2的路径结合风险结果进行评价,判断研发外包给客户企业带来的风险水平和主要风险结果形式。
4.4 评价企业研发外包的综合风险水平
4.4.1 计算模型
运用式(33)的基本模型,结合上一步对于各个风险事件的初步评价,可以得到企业研发外包风险的综合风险水平模糊数为:
由式(12)可知,企业研发外包风险综合风险水平的确切数值可以看作是:
4.4.2 风险综合评价
上文式(1)到式(42)全面地建立起了企业研发外包风险评价的数学模型,得到了企业研发外包风险的综合水平值为0-100分,分值越高说明风险水平越高,企业在做研发外包决策时就应当更慎重;此外,评价者还可以根据经验划分出风险等级,以便实施分类控制。另外,企业可能会遇到多个研发外包方案的择优问题,这时可以将多个方案的风险综合评价值进行比较,分值越低者风险越低,在选择的时候就应该优先考虑。若企业遇到两个方案的综合评价值差异很小时(差异在5%之内),有两种评价方法可供参考使用:其一就是分析风险事件导致的风险结果,比较哪种形式的风险结果企业更容易承受;其二就是利用三角模糊数的方差进行判断,方差越小说明风险状况越稳定,相应方案的风险水平就相对较低,可以优先考虑,相反就不应该优先考虑。
在对企业研发外包风险体系分析的基础上,结合模糊群决策理论构建了企业研发外包风险的双层评价模型,一方面有利于企业更清晰全面地了解和评价企业研发外包风险,另一方面也有利于评价过程溯本清源,从而能够有的放矢地对研发外包风险进行管理;同时,该模型既发挥了群决策的优势,便于使企业能够避免个人主观偏见产生的评价偏差,而且利用模糊评价方法的特点便于对不是经常发生、概率和后果难以预计的风险实施有效评估。因此,该模型为企业研发风险的控制活动提供了可靠的评估根据。
5 案例应用
5.1 案例概况
浙江X控股集团有限公司是一家集汽车整机设计、制造、销售为一体的纵向一体化企业。为增强企业核心技术优势,支持前线品牌建设,该集团携巨资建立了X汽车研究院,总院设在临海。目前,该研究院已经具备较强的整车及主要部件开发能力,其中自主研发的中小排量发动机,如1.0L-1.8L全系列发动机及相匹配的手动/自动变速器等核心技术已在国内处于领先地位。X集团旨在打造一个中国自己的汽车王国,无论从当前核心业务划定、产业链打造方向,还是企业长远战略规划角度,均以自主整车品牌为目标。
确定了国产自主品牌整车制造商的定位,X集团不免要将大部分边缘业务交由更为有效和专业的第三方代为研发和生产,企业除车型外观和部分动力装置由自己或跨国设计团队共同设计外,车身结构和汽车的安全、电子、制动、悬挂等系统的设计均外包给供应商。X企业的研发外包业务大致分为两类:一类是有标准化的技术参数和设计要求(如汽车悬挂系统、电子导航设备)的部件研发,将这些标准参数和要求文件提供给供应商,供应商根据明确的参数、性能和技术设计书独立完成研发和制造。而另一类零部件是核心部件(如新型发动机、变速箱、动力转向系统),其研发过程复杂,且部分涉及企业较核心业务,需要供应商和制造商之间进行多方面的信息交流,对这类业务公司设立了专门的部门与供应商的研发接口,加强了研发全过程的监控和评价工作,并要求供应商努力寻求技术的革新和突破。
由于公司管理层意识到研发外包可能存在的一系列风险,决心加大研发外包风险管理力度,组建了一支由5人专家领导的研发外包风险调研团队独立对研发外包业务进行了为期2年的调查研究,现调研团队准备通过将5位专家独自给出的意见进行综合,并对X企业汽车悬挂系统、车内电子设备、变速及动力转向系统三大类研发外包业务进行综合评价,为企业研发外包管理工作提供依据。本文为了论述方便,假设各类子系统分别纳入这三大系统进行综合评价,并且三大系统的研发工作分别是由3家研发外包供应商承接。
5.2 评价过程
由于篇幅限制,本文只演示各评价者对B1业务,即汽车悬挂系统研发外包的风险评价过程,其余两项业务的有关风险评价过程本文将以此类推直接给出评价的结果。
5.2.1 风险因素打分并确立专家权重
令5位评价专家分别为A、B、C、D、E,评价依然采用五级语言变量形式,即非常严重(VS)、严重(S)、一般(M)、好(G)、很好(VG)。三类研发外包业务分别为汽车悬挂系统(B1)、车内电子设备(B2)、变速及动力转向系统(B3)。为计算方便,在计算专家权重时,假设各专家评判水平具有平稳性,即本例中的每个风险因素专家打分三角模糊数的3个值LEF、MEF、UEF只考虑每位专家对第一个方案的打分值。通过对专家打分的模糊数进行汇总,结果如表4所示。
由式(1)可知,评价者1相对其他评价者的距离和如下:
同理,d2、d3、d4、d5分别为1 134.259、887.345 7、1 064.815和2 214.506。因此,评判专家1的权重为
5.2.2 各风险因素和风险事件权重的确立
5位评价专家A、B、C、D、E采用重要性评判的五级语言短语形式,即VI、I、M、U、VU分别代表非常重要、重要、一般、不重要和非常重要,对汽车悬挂系统研发外包风险的9个风险因素和4个风险事件的重要性程度评分,结合式(30)和式(32),再由上表4计算出的专家权重,可以计算出各个风险因素以及风险事件权重三角模糊数如表5所示。
由表5结合式(7)到式(32),可以计算出各风险因素和风险事件权重如表6所示。
%
5.2.3 计算各风险事件和综合风险状况水平
根据表6的计算结果,利用式(35)到式(40)可以计算出风险事件的评价三角模糊数状况如下:
根据以上计算出的各风险事件模糊数,结合之前得到的各风险事件权重,可以计算综合风险状况的三角模糊数如下:
其确切数
因此该企业B1业务研发外包的风险综合评价值为52.75,综合风险为中等水平。类似计算方式,可以得到B2的风险综合值为44.32,B3的风险综合评价值为68.01。
5.3 评价结果分析
5.3.1 风险的初步评价
(1)B1业务各风险事件分析。从各风险事件评价得分看出,对企业造成潜在威胁最大的风险事件是昂贵的合同修改风险,最小的风险事件是技术泄密风险,而其他四类风险事件都处于中等水平。对昂贵的合同修改风险主要是由不确定性和测度问题的风险因素导致,主要风险源存在于交易机制上。这主要是因为在汽车悬挂系统的研发外包中,由于悬挂系统研发和企业核心业务关联性不大,研发绩效难以通过销售额等外显方式表现出来,增大了研发外包的测度难度;另外,由于消费者对汽车外观需求变化日新月异,研发的不确定性增加,容易造成频繁的设计修改,从而造成昂贵的合同修改。
(2)B1业务风险事件的防范。根据上述风险评价初步分析结果可以看出,X集团对于汽车悬挂系统研发外包业务应该多注意合同修改和争执风险的防范,对于风险因素应该特别加强不确定性和测度问题的提前控制,如建立外包合同研究小组、增强市场对于汽车悬挂设计的反馈等。
5.3.2 风险的综合评价
由于X企业的汽车悬挂系统、车内电子设备、变速及动力转向系统研发外包风险的专家评判值分别为52.75、44.32和68.01,可见,风险最大的是动力转向系统研发外包,最小的是车内电子设备。这是由于动力转向系统是汽车的核心部件,且关系到整个产品的相对技术创新能力,技术含量也很高,因此,X集团应该非常重视变速及动力转向系统的研发外包监控工作,在条件允许的情况下应该适当调整企业研发战略,努力将此类研发业务逐渐转向内部,从而从根本上杜绝此类风险。此外,车内电子设备研发外包风险很小,X企业可以继续加大此类业务的研发外包力度,不断将企业研发工作的资源集中到核心业务上,从而加强企业核心的相对技术创新能力水平。
6 研究总结与展望
6.1 研究总结
虚拟企业盛行,研发类业务大量外包是当今企业虚拟供应链管理的重要发展趋势和发展方向,无论是企业研发外包业务的选择还是研发外包供应商的选择,都是科技型企业在激烈的市场竞争中成败的关键,由于大量研发技术都具有不确定性极强、需要多人共同抉择的特点,其风险评价问题也就成为了较为关键的难点。根据本文提出的企业研发外包风险体系,本文结合模糊群决策理论提出了专家成员权重的确定、风险因素和风险事件权重的确定、风险事件评价和综合风险水平评价的方法,从而为企业研发外包风险多专家共同评价问题提供了一套全面的使用模型。通过该评价模型在X企业案例应用的演示,对本文提出的评价模型的适用性和可操作性进行了有效的验证。通过案例的实际运用可以看出,本文所提出的企业研发外包风险多专家评价模型具有以下特点:
(1)评价更加全面。由于建立在系统的风险体系的基础上,本文所提出的模型不但能够比较多方案的综合风险水平,还能分别比较各可能的风险事件的水平状况。此外,若企业需要,还可以根据各风险事件的评价水平追溯潜在威胁最大的风险源,为企业研发外包管理工作提供有效的依据。
(2)评价计算过程简练。通过对前人模糊群决策模型的提炼,本文主要采用了加权的群意见集结方式和模糊数距离等概念,并以初次评价为依据确立各专家权重。这种方法避免了冗长的高数计算,使用时效率较高,减少了对大型群决策软件的依赖程度。
(3)该模型也具有一定的局限性。如果专家打分悬殊过大,或专家发挥并不完全稳定时,该模型的计算结果可能产生一定偏差,这时就需要综合专家多次的评价结果确立其权重。
6.2 研究展望
企业研发外包风险评价是企业研发外包管理的重要工作内容,也是学界对研发外包管理研究的重点工作内容,本文只是综合前人的研究成果提出了企业研发外包的通用性风险体系,并未针对具体行业提出具体风险要素,而在实际工作中,由于行业特性的限制,不同风险事件可能会由不同的风险因素导致,这些内容都需要针对具体行业进一步研究。伴随着研发外包的不断发展,外包管理工作会变得更加复杂和庞大,也可能会有更多的新的风险形式出现,因此本模型各方面都可能需要进一步的修正和补充,这些都是关于研发外包风险评价的进一步研究范畴。
摘要：随着社会经济结构形式的不断演变,企业间分工越来越明确,各类企业出于对自身效率和成本的考虑,将非核心的各类业务实行外包。在部分企业研发外包成功的同时,也有诸多企业由于研发外包不当导致失败,如错误选择研发供应商而导致研发失败或者技术泄密等,或由于核心业务界定错误导致自身相对技术创新能力下降等,因此企业恰当地实施研发外包的首要任务就是正确地评价企业正在或即将外包的研发业务风险水平,并以其作为管理层对研发外包决策的参考依据。从企业研发外包风险的特点出发,选用模糊群决策理论的相关研究成果建立起由专家权重确立、风险因素和事件权重确立、评价意见集结公式等部分组成的,多专家共同对企业研发外包风险实施评价的模型,并通过案例运用,对所提出的评价模型的可靠性和简易型进行验证。
关键词：企业研发外包风险,模糊群决策理论,风险体系分析,风险评价
模糊群决策理论论文 篇2
群决策中模糊偏好关系矩阵一致性的调整方法
针对模糊偏好关系矩阵本身是否一致,使得原矩阵渐进逼近目标矩阵的问题,提出了群决策中模糊偏好关系矩阵一致性调整的新方法.该方法基于目标矩阵的最优选择,提出了一种新的目标矩阵R,使得计算得来的`调和矩阵较之原矩阵在一定条件下保留了更多的偏好信息,即在很大程度上保留着群决策中决策者的意愿.最后给出了算例进行比较,说明了该方法的优势.
作 者：陈晓红 赵可 CHEN Xiao-hong ZHAO Ke 作者单位：中南大学商学院,湖南,长沙,410083刊 名：系统工程与电子技术 ISTIC EI PKU英文刊名：SYSTEMS ENGINEERING AND ELECTRONICS年，卷(期)：200729(5)分类号：C934关键词：群决策 模糊偏好关系矩阵 一致性调整 目标矩阵 调和矩阵
模糊群决策理论论文 篇3
农用地等级评估是一项具有基础性、公益性和战略性的工作, 对当前的科学发展, 推动土地管理实现由数量管理向质量管理的转变有着重要的支撑作用[1]。农用地等级评估所建立起来的成果体系有着广阔的应用前景。然而目前, 我国农用地评估体系还有待完善, 评估方法主要是定性评估和主观为主的评估方式。
国内外对科学、系统评估的研究已有百余年历史, 评估方法也经历了由简单到复杂、由定性到定量的过程[2]。对于农用地的评估测算, 目前主要的评估方法是专家评议法, 即以专家会议的形式得到结论。该方法简单易行, 但过于依赖主观判断, 缺乏科学定量的衡量标准, 且没有考虑各指标权重对评估结果的影响, 不能根据具体情况而变化, 在指标体系结构层次较复杂、指标较多的情况下, 该方法难以客观确定出各指标合理的权重, 因此评估结果欠科学、灵活[3]。
本文建立了基于模糊熵和群决策的智能评估模型, 该模型简单易用, 能够做到定量、动态地对待评估对象进行综合评价, 或对方案进行比较决策。模型的可靠性将通过文末算例得到验证。
1 智能评估模型的建立
智能评估模型基于模糊熵和群决策建立。评估之前, 需充分调研, 获得对评估结果最重要的评估指标。根据群决策, 用打分的方式获取专家对各指标重要程度的意见, 建立打分矩阵C, C= (Cij) p×n, Cij表示第i个专家对第j个指标的打分, p为专家数, n为指标数。利用信息熵和对数据的模糊处理, 确定出参与决策的专家权重W和指标权重W', 并集结出待评估对象的评估结果或方案排序。
1.1 信息预处理
向专家分发调查问卷, 获取指标重要性打分。回收问卷, 建立专家对指标的打分矩阵C。0≤Cij≤10, Cij=0, 表示专家认为该指标对评估结果无影响;Cij=10, 表示专家认为该指标对评估结果至关重要。
1.2 专家权重确定
专家权重是由专家经验决定的先验权重和专家意见一致性程度决定的后验权重的集结。
1.2.1 先验权重确定
由于各专家的个人经验, 包括职称、相关工作年限、从业情况等不同, 专家意见在群体中所占的比重也不同。先验权重利用模糊语言变量, 根据专家实际经验得出, 如式 (1) 。在式 (1) 中, awi表示参与群决策的第i个专家的先验权重, TVi, YVi和PVi均为模糊语言变量, 分别表示该专家的职称、相关工作年限以及从业情况。其中, TVi={初级职称, 中级职称, 副高级职称, 高级职称}, YVi={1年以内, 1～3年, 3～5年, 5年以上}, PVi={政府机关, 企业, 科研院所, 其他}。语言变量中各分量的权重可根据实际情况调整。式 (2) 得到归一化的先验权重 , p为参与群决策的专家个数。求式 (1) 、式 (2) 为
awi=TVi·YVi·PVi (1)
1.2.2 后验权重确定
参与决策的第i个专家的后验权重由该专家的意见与群体意见的一致程度确定。
建立一致性矩阵S, S= (Sij) p×p, i=1, 2, …, p, j=1, 2, …, p。其中, Sij为第i个专家与第j个专家对指标体系中每一个指标打分意见的一致程度, Sij越小, 两专家意见一致性越弱, 如式 (3) 。0<Sij≤1, 当Cit=Cjt, t=1, 2…, n时, Sij=1, 常数0.5为调整算子, 用于避免计算中的除法溢出。由于专家选取的随机性, 故专家一致性程度越高, 在群决策中权重就越大。后验权重由式 (4) 得出, 第i个专家的后验权重bwi的意义为, 第i个专家打分的平均一致性值与最大值的偏差对于一致性矩阵所有元素极差的比重。式 (5) 得到归一化的后验权重 。 则有
1.2.3 专家权重集结
利用比例系数α确定出由先验权重和后验权重集结成的最终专家权重W, 即
W=α·Aw+ (1-α) ·Bw (6)
1.3 指标权重确定
指标权重指指标体系中每个指标的重要程度, 由熵权重和主观权重集结, 综合考虑多种因素对评估结果的影响。
1.3.1 指标熵权重确定
利用打分矩阵C, 根据熵值计算公式[4]可得到第j个指标的熵值Ej, 如式 (7) 。式 (7) 中, 若
1.3.2 主观权重确定
主观权重由专家打分矩阵C和专家权重W确定。式 (10) 中, Ai指所有专家对第i个指标打分意见的集结值, 指标集结得分越高, 该指标在群决策中权重就越高, 故Ai可以体现第i个指标的主观权重;式 (11) 得到第i个指标归一化的主观权重, 即
1.3.3 指标权重集结
利用比例系数β, 集结指标主观权重和客观权重, 确定出最终的指标权重W' , 如式 (12) , 即
W′i=β·Swi+ (1-β) ·Owi (12)
2 智能评估模型应用
对待评估对象建立评估矩阵P, P= (Pij) n×n, Pij表示第i个专家对待评估对象第j个指标的评估打分, p为专家数, n为指标数。
在评估中, 待评估对象对于指标表现的量化标准并不相同, 如本文算例中指标“土地利用状况”评估打分越大越好, 而指标“局部气候差异”评估打分越小越好, 而指标“地形”的合理范围则是一个区间。因此, 需对指标进行分类, 分别讨论评估对象对每一类指标表现数据的规范化处理, 得到统一量纲后的指标评估结果[5]。
2.1 正向指标评估值规范化
正向指标指评估数值越大越好的指标。正向指标的处理结果如式 (13) , 用Vij表示第i个指标的最终评估值, 则Vij的意义为, 第j个专家对待评估对象第i个指标的评估打分与自身最小评估打分的偏差对于自身评估打分极差的比重。
2.2 反向指标评估值规范化
反向指标指评估数值越小越好的指标。反向指标的处理结果如式 (14) , 式 (14) 与式 (13) 意义相同。
2.3 区间指标评估值规范化
区间指标值评估数值在某一区间内都是合理的指标, 对区间型指标确定最佳区间, 使评估结果更合理。区间指标的处理结果如式 (14) , Vij表示第j个专家对对象第i个指标的评估打分与最优打分的偏差和最优打分与最差打分偏差的比重与1的距离, q1为区间上限, q2为区间下限。则
(15)
根据统一量纲后的评估值, 建立规范化评估矩阵V= (Vij) p×n, 根据专家权重W和指标权重W', 根据式 (16) 对待评估对象进行评估, 式 (16) 中“。”为模糊合成算子, 本文采用加权平均型算子 进行模糊合成。S为待评估对象的最终得分, 若待评估对象各项指标均表现最优, 则S=1, 因此可根据S得出评估结论及进行方案排序。式 (16) 为
S=W。V。W′ T (16)
3 算例
按照本文的评估模型, 首先, 建立评估指标体系。本算例的指标体系包括局部气候差异、地形、土壤条件、水利情况、基础设施条件、交通条件、土地利用状况、区位条件、资源状况、土地现状及土地利用方式等11项[6], 令5名专家对指标重要性打分, 打分信息分别为
E1={8, 5, 7, 5, 7, 6, 7, 6, 7, 7, 8}
E2={9, 7, 6, 7, 8, 7, 9, 6, 7, 8, 6}
E3={7, 9, 6, 9, 8, 9, 7, 6, 8, 7, 9}
E4={9, 8, 7, 8, 8, 9, 7, 9, 0, 8, 7}
E5={7, 8, 6, 8, 9, 7, 6, 7, 8, 7, 6}
根据打分信息建立打分矩阵C, 由C得到专家权重和指标权重, 代入上述模型进行运算, 计算出的专家权重为
W={0.194 5, 0.187 4, 0.209 3, 0.216 4, 0.192 3}
指标权重为
W'={0.090 4, 0.083 2, 0.093 1, 0.093 2, 0.092 1,
0.089 2, 0.086 9, 0.093 4, 0.094 3, 0.093 2, 0.091}
取平原水源充足地区和沙化山区中的小范围农用地作为样本地, 命名为A和B, 通过农用地质量检测获取各指标评估值, 统一量纲, 样本A和B的规范化评估矩阵V分别为
VA={0.9, 0.7, 0.8, 0.9, 0.6, 0.7, 0.4, 0.9, 0.8, 0.9, 0.8}
VB={0.8, 0.9, 0.7, 0.6, 0.9, 0.9, 0.7, 0.6, 0.7, 0.6, 0.8}
由式 (16) 计算得, SA=0.766 6, SB=0.743 1, 根据模型, S值越接近1, 说明农用地质量情况很好, 故农用地样本A的质量情况优于农用地样本B。模型得出的结论与实际情况相吻合。
4 结论
农用地等级评估工作的定量化和系统化, 对统计全国农用地数量质量以及变化情况, 保证农用地占补平衡、保证粮食安全与农业稳定都有着十分重要的作用。本文设计的智能评估模型可快速、客观得到农用地等级的评估结论, 可以解决目前我国绝大多数农用地等级内涵交叉、界限不够明确的问题, 改变不同机构评估结论不一致的现状, 并在一定程度上解决不同片区间农用地由于评估等级不统一、征地差异较大的问题, 实施灵活, 结论符合实际。
农用地等级评估测算工作有着丰富的内涵和广泛的应用前景, 期望本文的研究能起到抛砖引玉的作用, 促进相关应用方法的推广和成果的不断创新。
参考文献
[1]苗利梅.试论我国农用地质量评价及其应用[J].资源与产业, 2008, 10 (5) :92-95.
[2]H.Y.Liu, F.Kong.A fuzzy multicriteria group decisionmaking method with probability for construction safety evalu-ation[C]//Sixth International Conference on Intelligent Sys-tems Design and Applications, 2006.
[3]S.M.H.Mojtahedi, S.M.Mousavi, A.Makoui.Risk identi-fication and analysis concurrently:Group Decision Making ap-proach[C]//4th IEEE International Conference on Manage-ment of Innovation and Technology, 2008.
[4]张国权.基于离差函数和联合熵的组合赋权方法[J].管理学报, 2008, 5 (3) :376-380.
[5]Y.Zhu, J.Ma, J.l.Wang, et al.Study on group decisionmaking of intelligent traffic control system[C]//Second In-ternational Conference on Innovative Computing, 2007.
模糊群决策理论论文 篇4
由于客观事物呈现出的复杂性以及人类思维的模糊性, 对不确定性环境下的多属性决策问题的研究已引起学者们的极大关注[5,6]。多数文献在分析过程中, 给定属性权重和决策专家权重, 重点讨论了以模糊语言标度属性值的多属性群决策问题。如卫贵武 (2010) 研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题[7];马跃如等 (2008) 提出一种多时段条件下动态物流联盟伙伴选择的模糊语言群体决策方法[8]。实际上, 属性权重和决策专家权重的赋值同样具有复杂性和模糊性的特点, 学者们显然已经意识到这点, 并进行了深入研究。如彭勃 (2012) 针对纯语言环境即专家权重、属性权重和属性值均以语言标度形式给出的多属性群决策问题[5];梁昌勇 (2012) 提出一种不同粒度的语言信息向直觉模糊数转换的方法, 并用犹豫度恰当度量不同粒度语言评价集的模糊性, 基于TOPSIS进行混合型多属性群决策方法[9];Xu (2010) 研究了不确定多重语言偏好关系下的交互多属性群决策问题[10]。在进行多属性群决策时, 若能考虑到决策专家赋予的属性值自身体现的特点对属性权重和决策专家权重产生的影响, 则整个决策过程更趋于合理。基于此, 本文提出一种属性权重和决策专家权重依赖于属性值的多属性群决策方法, 该方法由决策专家运用模糊语言标度属性值, 借鉴离差最大化原则的思想确定属性权重, 并对属性权重向量进行聚类分析得到决策专家权重, 最后通过UEOWA算子对各方案加权集结, 进行方案排序与择优。
1 多属性群决策问题描述
设经典多属性群决策问题中, 决策方案集合为X={x1, x2, …, xn};属性集合为G={g1, g2, …, gm}, 属性gj的权重为ωj, 且满足单位化约束条件;决策专家集合为D={d1, d2, …, dp}, 决策专家dk的权重为βk, 且满足β1+β2+…+βp=1;决策专家dk赋予的属性决策矩阵为Rk= (rkij) n×m。多属性群决策问题的思路是清晰的, 那就是对于决策专家们赋予的属性决策矩阵Rk, 将之进行系列数据处理后, 与各属性权重ωj及决策专家权重βk通过一定的集结算子进行加权集结, 得到各决策方案的综合属性评估值zi (ω, β) , 再根据综合属性评估值对各方案排序比较即可。
2 模糊语言评估标度
设S={sa|a=-L, …, L}为模糊语言评估标度, 其中sa表示模糊语言变量, s-L和sL分别表示模糊语言变量的下限和上限, 且满足下列性质: (1) 若a>b, 则sa>sb; (2) 存在负算子neg (sa) =-sa。S中术语数量可以根据实际需要进行标度, 但一般取奇数个, 本文中取S={s-5, …, s5}={极差, 很差, 差, 较差, 略差, 一般, 略好, 较好, 好, 很好, 极好}。
在模糊语言属性信息集成过程中, 为了避免丢失决策信息和便于计算, 通常在原有标度基础上定义一个拓展标度, 其中N (N>L) 是一个充分大的自然数, 且若a∈{-L, …, L}, 则称sa为本原术语;若a{-L, …, L}, 则称sa为拓展术语[1]。
下面给出几个模糊语言评估标度的运算法则及不确定语言集结算子:
定义2[1]在定义1中, 令lab=b-a, lad=d-c, 则μ≥v的可能度可表示如下:
显然, 有p (μ≥v) +p (μ
定义3设Psk= (pijsk) m×m为第k个决策专家对第s个方案各属性赋予的模糊语言变量转化后的可能度矩阵, 则可能度矩阵Psk的排序向量计算公式为:
定义4[1]设UEOWA:, 若
其中η= (η1, η2, …, ηm) 是与UEOWA相关联的加权向量, 满足, 且vj是一组不确定语言变量 (μ1, μ2, …, μm) 中第j大的元素, 则称函数UEOWA是不确定的EOWA (简称为UEOWA) 算子。
3 确定属性的权重
在决策专家赋予属性以模糊语言评价值后, 采用离差最大化原则来确定属性权重的比例是客观的和合乎逻辑的。其基本思想是, 若所有方案在某个属性下的属性值差异越小, 则说明该属性值对方案决策与排序所起的作用越小;反之, 若某个属性能使所有方案的属性值有较大差异, 则说明其对方案决策与排序将起重要作用。由此, 从对决策方案进行排序的角度考虑, 无论方案属性本身的重要程度如何, 方案属性值离差越大的属性应该赋予越大的权重。
4 确定决策专家的权重
将每位决策专家给出的属性权重看作一个向量, 用各属性权重之间的一致性程度来度量向量之间的类同性, 并以此作为聚类分析的标准, 具体聚类过程如下:
(1) 令每位决策专家给出的属性权重向量自为一类, 共构造p个类, 即q1={ω1}, q2={ω2}, …, qp={ωp}, 置τ=p;
(2) 根据下列公式计算各类两两之间的一致性程度值
(3) 取dsy=max{dij}, 则将对应的类qx、qy合并为一个新类qτ+1, 即qτ+1={qx, qy};
(4) 若τ=2 (p-1) , 执行 (7) 。否则, 执行 (5) ;
(5) 在类集合中用新类qτ+1替换类qx、qy;
(6) 计算新的类集合中各类两两之间的一致性程度值, 其中
(7) 返回 (3) , 继续合并剩余的类, 置τ=τ+1;
(8) 确定类的个数和类中决策专家的个数;
(9) 计算决策专家个人权重。设第k位决策专家的个人权重为βk, 所在的类中有φk位专家, 则。
5 多属性群决策基本步骤
综上所述, 基于模糊语言信息的多属性群决策方法的基本步骤可归纳为:
(1) 决策专家运用模糊语言评估标度, 按照确定的属性评价体系, 对各方案给出模糊语言评估矩阵Rk= (rkij) n×m;
(2) 根据定义2对模糊语言评估矩阵Rk中每个方案所在的行中各模糊语言评估数据两两比较, 建立可能度矩阵Psk= (pijsk) n×m;
(3) 根据定义3将可能度矩阵Psk= (pijsk) n×m转化为可能度排序向量矩阵Vk= (υ1k, υ2k, …, υnk) T;
(4) 根据可能度排序向量矩阵Vk= (υ1k, υ2k, …, υnk) T利用离差最大化原则计算各属性权重ωk= (ω1k, ω2k, …, ωmk) ;
(5) 根据属性权重ωk= (ω1k, ω2k, …, ωmk) 利用聚类分析法计算各位决策专家权重β= (β1, β2, …, βp) ;
(6) 根据可能度排序向量矩阵中的元素υik (i=1, 2, …n) 分别对模糊语言评估矩阵Rk中所有方案的属性评估数据rkij (j=1, 2, …, m) 进行降序排列, 再利用UEOWA算子和属性权重ωk对其加权集结, 得到各方案的属性评估值;
(8) 根据定义2建立各方案综合属性评估值的可能度互补矩阵, 依定义3计算可能度互补矩阵的排序向量υ= (υ1, υ2, …, υn) , 按其分量大小对方案排序择优。
6 算例分析
假设市场上某4PL企业现有N项物流作业需要外包给3PL企业去完成, 经过初步筛选, 确定4家3PL企业作为备选对象。为了全面准确地评价3PL企业的综合能力, 4PL企业邀请3位专家组成决策小组, 参考文献[11]建立的属性评价体系 (包括物流成本、服务时间、安全可靠性、服务水平四个属性) 对备选对象进行考察。显然, 决策专家集为D={d1, d2, d3}, 方案集为X={x1, x2, x3, x4}, 属性集为G={g1, g2, g3, g4}。考虑到评价属性的复杂性和模糊性, 决策专家们采用模糊语言来对各属性进行标度, 以下模拟其整个决策过程。
步骤1模糊语言评估矩阵的确定;
各决策专家依据上述的属性评价体系给出模糊语言评估矩阵:
步骤2建立各方案的可能度矩阵;
利用模糊语言评估矩阵, 对每个方案各行的模糊语言数据两两比较, 建立各方案的可能度矩阵如下 (限于篇幅, 以下仅以R1为例) :
步骤3计算可能度排序向量矩阵;
将步骤2得到的可能度矩阵应用定义3转化为各位决策专家的可能度排序向量矩阵:
步骤4计算各属性权重;
根据各位决策专家给出的可能度排序向量矩阵运用离差最大化原则计算得到相应的属性权重向量如下:
步骤5计算各位决策专家权重;
将3个属性权重向量分为3类, 计算两两之间的一致性程度值, 分别得到d12=0.9233, d13=0.9795, d23=0.9712, 所以决策专家1和决策专家3合并为一类。新类中第一类的专家数为2, 第二类的专家数为1, 从而可以得出β1=β2=2/ (2+2+1) =0.4, β3=1/ (2+2+1) =0.2。最终得出决策专家个人权重为β= (0.4, 0.4, 0.2) 。
步骤6计算各方案属性评估值;
根据排序向量对各方案的不确定语言评估数据降序排列后, 运用UEOWA算子将其与决策专家1赋予的属性权重进行加权集结, 得到决策专家1给出的各方案属性评估值:
同理可得决策专家2和决策专家3给出的各方案属性评估值:
步骤7计算各方案综合属性评估值
利用公式将决策专家权重与各方案属性评估值加权集结, 依次计算出各方案综合属性值为:z1 (ω, β) =[s1.062, s2.488], z2 (ω, β) =[s0.507, s1.879], z3 (ω, β) =[s2.032, s3.392], z4 (ω, β) =[s1.074, s2.672]。
步骤8建立各方案综合属性评估值之间的可能度互补矩阵, 计算可能度互补矩阵的排序向量, 按分量大小对方案排序。
根据步骤7计算得到的各方案综合属性值建立可能度互补矩阵如下:
再一次根据定义3计算出各方案的排序向量υ= (0.237, 0.172, 0.343, 0.248) , 按向量里分量大小对各备选方案进行优劣排序, 得x3>x4>x1>x2, 故最优方案为x3。
7 结束语
本文充分考虑到多属性决策问题过程中所存在的复杂性、人类思维的模糊性以及单一决策主体决策的片面性, 提出一种新的基于不确定语言评估标度的多属性群决策方法。该方法采用不确定语言来度量属性信息, 避免了用精确实数刻画属性信息的困难;属性权重和决策专家权重通过属性信息自身得到体现, 体现了决策的客观性;利用UEOWA算子对各方案信息进行加权集结, 减少了群体决策过程中个别决策专家主观因素的影响。应用实例说明, 本文提出的决策方法是一种简洁高效的实用方法。
摘要：针对多属性决策中属性难以定量描述的情况, 提出一种应用模糊语言信息标度属性值的新方法。该方法运用模糊语言信息评价属性, 运用离差最大化原则确定属性权重, 运用聚类分析法确定决策专家自身权重, 并通过不确定拓展有序加权平均 () 算子计算各方案的综合属性评估值。算例表明该模型的合理性和有效性, 是一种解决多属性群决策问题的有效方法。
关键词：多属性群决策,模糊语言信息,不确定拓展有序加权平均算子,权重
参考文献
[1]徐泽水.基于语言信息的决策理论与方法[M].北京:科学出版社, 2008
[2]戚筱雯, 梁昌勇, 黄永青, 等.基于混合型评价矩阵的多属性群决策方法[J].系统工程理论与实践, 2013, 33 (2) :473-481
[3]陈晓红, 杨立.基于多属性群决策方法的障碍诊断模型[J].科研管理, 2013, 34 (3) :115-121
[4]刘培德, 张新.一种基于区间灰色语言变量几何加权集成算子的多属性群决策方法[J].控制与决策, 2011, 26 (5) :743-747
[5]彭勃, 叶春明.基于纯语言混合几何平均算子的多属性群决策方法[J].系统工程, 2012, 30 (3) :123-126
[6]WEI G W.Some induced geometric aggregation operators with intuitionistic fuzzy information and their application to group decision making[J].Appl Soft Comput, 2010 (10) :423-431
[7]卫贵武.基于依赖型算子的不确定语言多属性群决策法[J].系统工程与电子技术, 2010, 32 (4) :764-769
[8]马跃如, 王雄.多时段条件下动态物流联盟伙伴选择的模糊语言群体决策模型[J].系统工程, 2008, 26 (6) :32-36
[9]梁昌勇, 戚筱雯, 丁勇, 等.一种基于TOPSIS的混合型多属性群决策方法[J].中国管理科学, 2012, 20 (4) :109-117
[10]XU Z S.Interactive group decision making procedure based on uncertain multiplicative linguistic preference relations[J].Journal of Systems Engineering and Electronics, 2010 (21) :408-415
模糊群决策理论论文 篇5
1 工程机械维修质量评价指标体系
依据工程机械修竣后技术状态,结合工程机械使用及维修工作实际,从以下3个层面对维修质量实施评价:修竣后主要性能指标恢复率、维修技术要求、修后可靠性等。建立的维修质量评价指标体系的递阶层次结构如图1所示。
(1)主要性能指标恢复率
该指标通过工程机械大修后其主要性能指标较其额定值相比的恢复程度来定量反映车辆整体各项功能在维修前后的变化状况。工程机械主要性能指标恢复率可从动力性能、燃油经济性、工装性能、转向性能、制动性能、电控系统等方面合理选择。
(2)维修技术要求
维修技术要求包括更换备件正品率、密封绝缘性、车容车貌、修后舒适性等。更换备件正品率是指工程机械修俊后更换的零部件中采用的正品数目与更换的零部件总数目之比。密封绝缘性主要检查工程机械内部油、水、电、气等渗漏或泄漏情况。车容车貌主要从车辆外部喷漆质量、紧固件锁紧状况、车容整洁状况等方面考察。修后舒适性用于反映修竣车辆的振动、噪音、通风等情况。
(3)修后可靠性
该指标用于反映工程机械修竣后的可靠程度。修后试验故障率是指工程机械修竣后进行试验时所发生修后关联故障的零部件数与参加试验的零部件总数之比。返修率和平均故障间隔时间是工程机械维修后使用过程中的可靠性参数。这两项指标多用于工程机械维修后使用期间实施的维修质量评价。
2 评价指标属性值的计算及权重的确定
2.1 定量指标的计算
定量指标应依据各指标的涵义对评价对象实施实车测定。以主要性能指标恢复率为例说明定量指标的计算方法。
主要性能指标应依据实际需要分别从动力性能、燃油经济性、工装性能、转向性能、制动性能、电控系统等方面选择一个或一组关键的典型性能指标,如动力性方面可选择发动机最大功率、最大转矩等。各分项主要性能指标恢复率计算之后,采用一定的集结方法向其上层指标-主要性能指标恢复率u1集结。
式中:p为工程机械某项主要性能指标的额定值,pa为修竣后车辆主要性能指标的实测值。
2.2 定性指标的计算
定性指标的计算即确定各评价对象在某定性指标下对模糊概念“优”的优属度[5,6]。采用基于二元比较模糊决策分析法计算定性指标的主要步骤为:
(1)二元比较定性排序矩阵。假定决策者dk∈D(k=1,2,…,t)对第j和l个评价对象xj∈X、xl∈X(j,l=1,2,…,n)就定性指标ui∈U对“优”这一模糊概念实施两两比较,形成关于指标ui对优越性的定性排序标度矩阵i F(k)
式中:iejl(k)为评价对象xj与评价对象xl关于指标ui相比时对优越性的标度值。若xj比xl优越,则iejl(k)=1;若xj与xl同样优越,则iejl(k)=0.5;若xl比xj优越,则iejl(k)=0。
依据经过检验的符合定性排序一致性定理的矩阵iF(k),计算得到各评价对象关于定性指标ui的优越性排序向量iX=(ix1,ix2,…,ixn),其中ixj对应优越性排序处于第j位置的评价对象。
(2)相对优属度及定性指标的指标值。由向量iX和其中相应的相邻元素ixj与ixj+1相比时相对优越性模糊标度值iμj,j+1,计算各评价对象对指标ui的相对优属度
式中:r′i,j(k)为优越性排序第j位置的评价对象ixj的相对优属度,其中r′i,l(k)=1。
由此得到决策者dk给出的各评价对象关于定性指标ui的指标值
2.3 权重的确定
通常指标权重可通过主观赋权或客观赋权法获得。针对研究问题的性质及特点,本文采用二元比较模糊决策分析法的主观赋权法计算评价指标的权重,采用基于组合数的权重计算法的客观赋权法解决各个决策者决策信息的集结问题。
(1)基于二元比较模糊决策分析法的赋权方法
各评价指标权重的确定方法与上述定性指标的指标值计算方法类同。
记各指标归一化后的权重向量ω
同样,各决策者dk权重也可采用上述方法获得,令决策者归一化后的权重向量λ为
(2)基于组合数的赋权方法[7,8]
设任一数据向量为(a1,a2,…,an),对该数据向量各元素作从大到小的排序,若排序第一的元素下标编号为0,则得到一组由大到小排序的有序数据向量为(b0,b1,…,bn-1)。采用式(7)计算得到与向量(b0,b1,…,bn-1)集结过程位置有关的权重向量w
3 工程机械维修质量评价的主要步骤
3.1 确定评价矩阵、吸引域矩阵、范围域矩阵及点值阵
设定工程机械维修质量评价的模糊类别S共包含h个类别,其中1级优于2级,…,h级最差。由决策者dk给出的可变模糊集合的吸引域区间阵Iab(k)、范围域区间阵Icd(k)、点值阵M(k)分别为
式中:[ail(k)bil(k)]∈Iab(k)为决策者dk给出的指标ui对应的评价模糊类别sl(l=1,2,…,h,sl∈S)的可变模糊集合吸引域区间。[cil(k)dil(k)]∈Icd(k)为可变模糊集合的范围域区间即[cil(k)dil(k)]⊃Iab(k);Mil(k)∈M(k)为各模糊类别sl的点值,Mil(k)∈Iab(k)其值为根据实际情况确定的吸引域区间[ail(k)bil(k)]中相对差异度DA(ril(k))为1的点值。
3.2 计算各评价对象各指标的相对隶属度矩阵
当ril(k)落入点值Mil(k)的左侧时:
当rij(k)落入点值Mil(k)的右侧时:
式中:DA(rij(k))l为评价对象xj的指标值rij(k)对模糊类别sl的相对差异度;β为非负指数,当β取1时相对隶属度函数即为线性函数。
由指标值rij(k)对模糊类别sl的相对差异度DA(rij(k))l,依据相对差异度与相对隶属度的关系计算评价对象xj的指标ui对模糊类别sl的相对隶属度
3.3 计算各评价对象的综合相对隶属度向量
对各指标ui对各评价类别sl的相对隶属度实施集结得到评价对象xj对各类别的非归一化综合相对隶属度向量
式中:ωi(k)为第k个决策者给出的第i个指标ui的权重。
对向量H′j(k)实施归一化处理,得到归一化的综合相对隶属度向量Hj(k)
3.4 集结各决策者判断信息及实施评价
针对任一评价类别sl(l=1,2,…,h),由式(15)采用组合加权算术平均算子对各个决策者信息进行集结[8,9],得到对象xj对评价类别sl的相对隶属μlj为
其中plj(k)为向量(tλ1ulj(1)tλ2ulj(2)…tλtulj(t)))中第k大元素。
∀j,由式(16)得到评价对象xj对各评价类别sl的相对隶属度向量ulj为
之后,计算评价对象xj的级别特征值
由式(18)计算得到的评价对象xj的级别特征值判断评价对象xj属于第l*类别。
4 算例
以3辆工程机械为评价对象,作为计算示例,选择的评价指标为:动力性能指标恢复率u1、燃油经济性指标恢复率u2、工装性能指标恢复率u3、转向性能指标恢复率u4、制动性能指标恢复率u5、电气系统性能指标恢复率u6、更换备件正品率u7、密封绝缘性u8、车容车貌u9、修后舒适性u10、修后试验故障率u11共11个指标。其中u8、u9、u10为定性指标,其余为定量指标。评价的模糊类别为优秀、良好、合格、不合格4类。决策者集有3位决策者。
依据评价模型得到3位决策者给出的评价矩阵如表1所示。
针对评价矩阵由式(11)~(14),计算各评价对象各指标的相对隶属度向量,之后由式(15)计算获得各评价对象的综合相对隶属度向量。由式(16)对各个决策者的决策信息实施集结。各评价对象的级别特征值为
由评价结果可知评价对象1、3属于“良好”类,评价对象2属于“合格”类。由于评价过程各决策者认为工装性能指标恢复率为最重要因素并赋予最大权重,所以其对评价结果的影响显著。
5 结论
(1)初步提出了工程机械维修质量的评价指标体系。该评价指标体系适用于修竣后的不同车型、不同企业的工程机械维修质量间的比较,对工程机械维修质量管理有较好的导向性。
(2)建立了工程机械维修质量评价的数学模型。模型系统考虑了定性及定量指标的集结、群决策信息的集结等问题,较相关文献中的数学模型更趋全面、合理。该模型经适当修改可应用于其它半结构性群决策问题的决策或评价。
参考文献
[1]王永奇.工程机械维修质量评估研究[D].陕西:西安公路交通大学,2000:1-10.
[2]谢庆华,张琦.工程装备维修质量模糊综合评价模型[J].解放军理工大学学报,2003,4(1):63-66.
[3]姜伟,陶凤和,高磊,等.装备维修质量的模糊综合评判模型[J].火力与指挥控制,2007,32(10):102-105.
[4]王耀斌,高延龄,关文达.汽车维修质量整体指标评价方法研究[J].公路交通科技,1997,14(3):69-73.
[5]赵然杭,陈守煜.模糊可变评价模型在评价农村水利现代化中的应用[J].水利学报,2008,39(2):218-223.
[6]陈守煜,柴春岭,苏艳娜.可变模糊集方法及其在土地适宜性评价中的应用[J].农业工程学报,2007,23(3):95-97.
[7]王煜,徐泽水.OWA算子赋权新方法[J].数学的实践与认识,2008,38(3):51-61.
模糊群决策理论论文 篇6
关键词：城市公共安全,群组决策,模糊层次分析法,多级可拓评价模型
0 引言
城市是一个具有高度脆弱性的复杂动态系统, 一旦受到灾害的侵袭, 风险会因其脆弱性而被放大, 社会的敏感性被增强, 可能造成难以估算的损失。在城市面临的诸多挑战之中, 城市公共安全问题[1,2]由于其连锁性、爆发性等特征已成为影响城市安定的重要因素。为了使城市环境满足安全性、舒适性的要求, 需对城市公共安全进行评价, 从中找出合理的方案以改善城市现状。
目前, 国内外用于城市公共安全评价的方法主要包括几类[2,3,4]:灰色聚类分析法、模糊数学方法、层次分析法 (AHP) 、人工神经网络方法等, 这些研究所考虑的影响因素不够全面, 主要集中于对城市应急能力单方面的研究, 而对城市公共安全整体的研究还很匮乏, 同时评价的过程中还受到参评人员思维模糊性的影响, 容易造成信息的缺失, 难以保证评价结果的客观性, 有待于进一步完善。
因此, 针对城市公共安全的特点, 考虑事物的复杂性以及人的判断模糊性, 采用基于三角模糊数的模糊层次分析法 (FAHP) 能够很好的弥补AHP确定权重的不足。同时, 在利用FAHP确定指标权重时, 为避免决策失误, 需要集结不同领域专家的知识和经验, 而以往大多通过专家赋权的方式来进行意见的集结, 这种方法没有认识到专家权重依赖于具体的评价指标和专家意见相似度两个属性。文献[8]针对每一主观评价准侧设定一组与之对应的专家重要性权重值, 表示专家在不同领域的个体权威性, 同时通过判断值的相似度来表征专家群体意见的一致性。最后引入综合重要度将专家的主观权威性和意见相似度的客观性结合起来, 使专家各自的判断矩阵集结为群体判断矩阵, 所获得的群体判断矩阵逼近所有专家的理想结果。
可拓学是一种从定性和定量两个角度去解决矛盾相容问题的新型方法, 可拓评价是其的主要应用之一, 能够很好的用于对复杂系统的评价。鉴于此, 本文把群组决策引入到FHAP中, 采用基于群组决策和FAHP相结合的方法来构建城市公共安全的多级可拓评价模型, 并进行了实例分析。
1 城市公共安全评价指标体系
目前, 国际上通用的城市公共安全评价指标体系可以分为3类:从受灾侵害条件角度出发的城市脆弱性评价, 从城市预防、抵抗角度出发的城市能力评价以及能力和脆弱性综合评价。笔者参考了一些成熟的评价指标体系[4,5,6], 并在对中国城市安全现状进行调查、分析的基础上, 建立了一套基于能力和脆弱性两方面的指标体系 (表1) , 具体指标及评分标准的提炼则参考国际及常用的方法从已有的统计资料《中国统计年鉴》、《中国卫生统计年鉴》、《中国城市统计年鉴》等中得出。
2 城市公共安全综合评价方法
2.1 基于群组决策的FAPH模型的建立
权重的确定是进行安全评价的前提, 结合群组决策和FAHP法确定城市公共安全的指标权重, 既能科学地集成专家意见, 又能反应出人思维的模糊性和客观事物的不确定性, 所求取的指标权重必定更加合理。
2.1.1 专家个体三角模糊数互补判断矩阵
设专家群体E={ek, k=1, 2, …, K}, 评价指标集C={ci, i=1, 2, …, n}, 用三角模糊标度[7]定量表示指标权重比, 即ek给出的互补判断矩阵[7]Ak= (akij) n×n, 其中akij= (aklij, akmij, akuij) 表示指标ci相对cj的重要性程度值。
2.1.2 专家个体综合重要度
对专家意见进行集结, 就是通过专家个体综合重要度将专家个体判断矩阵中的判断值进行集结, 在集结的过程中既要考虑专家个体的权威性, 还要考虑判断值间的相似性程度[8]。
由于参加决策的专家可能来自不同的领域, 所具备的知识和从事的研究也可能不同, 因此, 针对不同指标ci都应有一个对应的专家权重向量ωi= (ω1i, ω2i, …, ωKi) 来表示各个专家对于不同指标的重要性程度。
综合重要度除了考虑专家的个体重要性程度之外, 还应考虑专家意见间的相似度, 尊重专家意见的一致性走向, 在获取每位专家的个体判断矩阵后, 就可以求取专家个体的综合重要度了。具体步骤如下:
1) 计算任意两专家个体ep和eq给出的指标ci相对指标cj的重要性程度值的相似度, 即计算任意两个三角模糊数apij= (aijpl, aijpm, aijpu) 与aqij= (aijql, aijqm, aijqu) 的相似度[8]:
2) 计算专家ek给出的指标ci相对指标cj的重要性程度值在专家群体中的平均相似度[8]ASij (ek) 和相对相似度[8]RSij (ek) :
3) 计算专家ek关于指标ci相对指标cj的重要性程度值的综合重要度:
2.1.3 专家群体三角模糊数互补判断矩阵
为充分考虑专家意见, 需对专家个体三角模糊数互补判断矩阵进行集结得到专家群体关于指标权重的判断矩阵R= (rij) n×n, 易证R为互补型矩阵, 其中:
2.1.4 指标权重确定
针对集结后的专家群体互补判断矩阵, 本文采用综合评价值[9]和限位系数[10]相结合的方法来计算各指标的权重, 该方法综合考虑了模糊数的均值[10]、标准差[10]和信息量[10], 所得到权重值更加精确。
记群体判断矩阵R= (rij) n×n, 其中rij= (rlij, rmij, ruij) , rij表示指标ci相对于指标cj的重要性程度值, si表示指标ci相对于其他所有指标的综合评价值[9], 根据式 (6) 计算各指标综合评价值si的限位系数D (si)
式中, 表示模糊均值, 表示模糊标准差, E (si) 表示si在[a, b]的信息量。
取[a, b]=[0, 4], 经归一化处理, 获得每个指标的规范权重值
2.2 城市公共安全的多级可拓评价模型
可拓学是形式化的工具, 是一种从定性和定量两个角度去研究解决复杂不相容问题的规律与方法, 它的核心是物元理论, 物元是以事物、特征及事物关于该特征的量值组成的三元组, 用来描述客观事物变化的过程, 根据可拓学理论构建城市公共安全评价的物元模型, 主要分为4个步骤[11]。
2.2.1 城市公共安全评价的经典域和节域
根据评价的相关标准, 将城市公共安全评价划分为j级, N={Nj, j=1, 2, …, m}为其对应的安全等级域, C={ci, i=1, 2, …, n}为其评价因素集, 则其经典域和节域为:
式 (7) 中, Vj为评价因素集C关于安全等级Nj所给定的量值范围, 即Nj的经典域, 式 (8) 中, VN为评价因素集C关于全部安全等级N所给定的量值范围, 即N的节域。
2.2.2 确定待评物元Ri
式中, Pi表示待评对象, cik为Pi的特征, vik为Pi关于cik的量值, 即待评对象第k (k=1, 2, …, T) 个指标根据相关标准、实际情况分析所得的具体评价值。
2.2.3 建立关联度函数
采用可拓评价方法中关联函数的定义[11], 确定指标cik关于安全等级j的关联度为:
式中, ρ (vik, Vikj) 和ρ (vik, Vik N) 由式 (11) 求得。
2.2.4 待评物元加权关联度的计算及评定
根据式 (12) 计算待评物元关于安全等级j的关联度:
式中, Pi为待评城市公共安全物元或其各级指标物元, kj (cik) 为其特征指标的关联度, wik为指标对应权重。
再根据关联度最大原则, 判断待评物元所属的安全等级j:
3 实例应用
城市公共安全评价主要从城市灾害要素、城市基本特征、城市安全应急三方面进行评价。现以城市公共安全灾害要素子系统评价为例, 结合某市的实际情况, 采用基于群组决策和FAPH的多级可拓评价模型对其进行分析。
3.1 安全等级标准及相应评价指标量值
参照国家、地区、行业及国际相关标准, 结合全国平均水平和研究区域本底背景值, 以及借鉴其他学者关于城市公共安全评价、城市灾害评价指标分类标准的研究成果[12], 用单因素法将城市公共安全分为5个等级, 城市公共安全等级分类及相应评价指标的量值范围如表2所示。
3.2 确定评价指标的经典域和节域
由于不同指标的单位不同, 为根除指标的不可公度性、便于计算, 根据式 (7) ~ (8) 和表2所示指标的量值范围, 采用10分制将城市公共安全灾害要素子系统19个底层影响指标关于各安全等级的经典域划分为5个基本域, 即通过无量纲化获得全体指标关于各安全等级统一的经典域和节域, 如表3。
3.3 计算各级指标权重
现以城市公共安全灾害要素指标下的5个2级指标C={自然灾害, 环境污染, 人为事故, 公共卫生安全, 社会治安状况}为例, 演示计算过程如下。
1) E={e1, e2, e3}为来自不同研究领域的专家所组成的专家群体, 3位专家针对各指标的权重向量分别为ω1= (ω11, ω12, ω13) = (0.3, 0.3, 0.4) , ω2= (0.5, 0.3, 0.2) , ω3= (0.1, 0.7, 0.2) , ω4= (0.1, 0.2, 0.7) , ω5= (0.8, 0.1, 0.1) , 同时, 专家通过度量尺度, 对指标进行两两比较判断, 建立各自的三角模糊数互补判断矩阵, 如A1为:
2) 根据式 (1) ~ (4) , 取α=0.5, 求取专家个体综合重要度zij (ek) , 如表4所示。
3) 由式 (5) 求取专家群体三角模糊数互补判断矩阵R。
4) 根据式 (6) , 经归一化处理可得:WA1= (0.1959, 0.1254, 0.2767, 0.1845, 0.2175) , 同理可得其他三级指标相对二级指标的权重:, 以及底层指标相对三级指标权重, 见表5。
3.4 待评物元和关联度计算
根据该市的具体情况、表2的评分标准以及专家意见对底层指标打分确定待评物元, 具体数据来源于《中国统计年鉴》、《中国卫生统计年鉴》、《中国火灾统计年级》、《中国城市统计年鉴》及相关部门年度统计报表等, 同时, 结合表3和表5, 由式 (10) ~ (11) 计算各底层指标关于各安全等级的关联度, 见表5。
3.5 多级可拓评价
根据各级指标的权重值以及表5中底层指标的关联度, 利用式 (12) 进行多级可拓评价, 得到城市公共安全灾害要素子系统各级指标的的关联度, 其中二级指标的关联度和总体评价结果如表6所示。
根据式 (13) 和表6中的数据, 由于Kj0 (Pi) =K4 (Pi) =-0.0985, 可知该市灾害要素子系统安全等级为4级, 属于较安全水平, 这符合该市的实际情况。同时可以看出该市公共卫生状况为2级, 生产安全状况为3级, 分别属于较不安全水平和很不安全水平, 应该引起相关部门重视, 采取相关措施进行整改。
4 结论
1) 由于城市公共安全评价各因素是相互影响的、多层次的、相交叉的, 采用群组决策和FAHP确定指标权重, 既考虑了专家意见的主观权威性, 也考虑了专家意见相似度的客观性, 所获得的指标权重逼近所有专家的理想结果, 改善了以往AHP法确定指标权重的片面性。
2) 根据改进的权重求解模型, 得到城市公共安全灾害要素子系统影响因素的权重排序, 结果显示:人为事故危害最大, 社会治安、自然灾害和公共卫生因素紧随其后, 以自然灾害形式表现的人为事故 (环境污染) 居末, 这对城市安全管理和投入的重点具有参考价值。
3) 根据可拓学理论, 较为科学、合理地对城市灾害要素子系统进行评价, 所得到的评价结果基本符合该市的实际情况, 可为城市安全管理者和相关部门采取措施提供理论依据, 有利于改善城市的安全状况。
4) 本文仅对影响城市公共安全的灾害要素子系统进行评价, 而城市特征要素和安全应急要素对城市公共安全的影响也不容忽视, 需要在今后进一步研究。
参考文献
[1]王雪丽.城市公共安全体系存在的问题及其解决方略[J].城市问题, 2012 (7) :79-83WANG Xue-li.The existing problems of urban public safety system and its for solutions[J].Urban Problems, 2012 (7) :79-83
[2]TAO Xiao-yan.Fuzzy comprehensive evaluation of urban ecological safety in Shenzhen[C].Chinese Control and Decision Conference, 2011:1176-1181
[4]常艳梅.城市公共安全评价研究[D].重庆:重庆大学, 2013.3
[5]陈佳超, 吴凡.基于层次分析法的中国各省市安全评估[J].灾害学, 2014, 29 (4) :198-203CHENG Jia-chao, WU Fan.Safety evaluation on provinces and cities in China by analytic hierarchy process[J].Journal of Catastrophology, 2014, 29 (4) :198-203
[6]司鹄, 贾文梅.城市公共安全风险评估指标敏感性分析[J].中国安全科学生产技术, 2014, 10 (11) :71-76SI HU, JIA Wen-mei.Analysis on sensitivity of indexes for risk assessment on urban public safety[J].Journal of Safety Science and Technology, 2014, 10 (11) :71-76
[8]胡丽芳, 关欣.一种三角模糊数型多属性决策方法[J].系统工程与电子技术, 2011, 26 (12) :1877-1885HU Li-fen, GUAN Xin.Approach for fuzzy multi-attribute decision making[J].Control and Decision, 2011, 26 (12) :1877-1885
[9]姚升宝, 徐敏.群组决策中三角模糊数互补判断矩阵的相容性及方案排序研究[J].中国管理科学, 2012, 20 (5) :152-156YAO Sheng-bao, XU Min.Research on compatibility of triangular fuzzy number complementary judgment matrices in group decision-making[J].Chinese Journal Management Science, 2012, 20 (5) :152-156
[11]潘科, 王洪德.多级可拓评价方法在地铁运营安全评价中的应用[J].铁道学报, 2011, 33 (5) :14-19PAN KE, WANG Hong-de.Application of multilevel extensible method to urban subway operation safety evaluation[J].Journal of the China Railway Society, 2011, 33 (5) :14-19
模糊群决策理论论文 篇7
电网规划按时间可划分为短期、中期及长期规划。对于长期规划而言,由于规划期较长,需要分几个阶段进行[1]。目前很多学者从数学优化角度提出了电网多阶段规划模型和方法[2,3]。然而由于实际情况的复杂性,这些模型仅考虑了电网的一方面或几方面,难以全面地考虑电网。而综合决策方法可以弥补这些模型的不足,对优化规划后得到的相近方案从多方面进行评价决策。
综合决策方法也称为多属性或多准则决策。目前国内外对电网规划决策问题展开了大量研究。文献[4]提出一套完整的配电网规划评价指标体系,但权重计算过于依赖专家经验,取值会直接影响决策结果。文献[5-6]将级别高于关系方法应用于配电网综合评判中。文献[7]提出一种技术效益与投资费用分离评价的方法,弥补了投资费用掩盖技术效益的缺陷。文献[8]将AHP与线性规划相结合,首先利用AHP评价项目投资效益,再用线性规划求解综合效益最大化问题。文献[9]建立了基于SE-DEA模型的多属性多目标电网规划方案综合决策体系,通过合理选择输入、输出指标以及处理指标集中的定量和定性数据,形成了完整的综合决策方法。文献[10-11]分别将区间层次分析法和模糊区间层次分析法应用到电网规划综合评判中,尝试通过区间数和模糊理论解决电网规划的不确定性问题。
以上对电网规划综合决策的研究主要集中于静态规划(即单阶段规划)决策。然而在实际工程中,电网规划方案都是分几个阶段进行的,上述方法不再适用。文献[12]针对输电网规划的动态特性,提出了基于集对层次分析法的输电网规划动态综合评判方法,而该方法中对于指标权重的计算主观性过强。鉴于此,本文提出一种多阶段群决策方法并应用于输电网多阶段规划决策中。
1 电网多阶段规划决策中阶段权重求取
在多阶段规划决策过程中,阶段权重的确定尤为重要,不同的权重将直接导致最终决策结果的不同。阶段权重的确定有多种方法,本文根据输电网规划特点,提出确定阶段权重应遵循的2个原则:
a.由于规划前期的负荷预测数据比较准确,此时的规划方案更能贴近实际电网状况,应赋予其较大权重;
b.由于后期规划方案对以后电网的运行将产生重大影响,对衡量整体规划方案的优劣起着至关重要的作用,同样应赋予其较大权重。
基于以上2个原则,给出阶段权重ft(t=1,2,…,q)的表达式:
2 基于专家判断一致性的指标权重区间估计
在多属性群决策问题中,决策者不仅要知道每个指标的权重,而且还要清楚专家权重。将多位专家独立决策得到的计算权重集结为综合权重,将使得决策结果更加全面和准确,同时也能体现多元决策主体的利益[13]。因此群决策问题可分为专家权重求取和指标权重集结2个问题。
2.1 专家权重求取
本文首先根据各位专家给出的属性判断矩阵计算出单个专家指标权重及判断矩阵的一致性指标,然后基于一致性水平确定专家权重。下面给出具体步骤。
a.参与决策的p个专家分别给出属性判断矩阵Ck(k=1,2,…,p)。
b.根据Ck计算出专家ek赋予属性aj的属性权重wjk(j=1,2,…,n)。
d.根据wjk与的偏差确定专家权重的大小。偏差大者赋予小权值,偏差小者赋予大权值。专家ek的权重记为rk,即:
并将其归一化,即:
最终,求得各专家权重为λk(k=1,2,…,p)。
2.2 区间估计指标权重集结
指标权重的确定对决策结果有重要影响,权重的选取将直接影响决策结果。目前指标权重的确定主要有主观方法[14]和客观方法[15]2类方法,主观方法中常用的是层次分析法。本文采用层次分析法,对于属性aj由判断矩阵计算出属性权重wj,当将专家给出的权重值当成样本时可通过区间估计的方法得到权重的区间估计值。
假设属性aj的属性权重wj服从正态分布[16],即wj~N(μj,σj2),p位专家赋予其的属性权重wj1、wj2、…、wjp均服从与其相同的正态分布,即wjk~N(μj,σj2)(k=1,2,…,p)。又因为各专家决策互不影响,即wj1、wj2、…、wjp相互独立,所以wj1、wj2、…、wjp构成来自总体N(μj,σj2)的一个样本,其样本容量为p。设已给定置信水平为1-α,样本wj1、wj2、…、wjp的样本均值及样本方差分别记为Sj2,则:
考虑到Sj2是σj2的无偏估计,则:
可得μj的一个置信水平为1-α的置信区间为:
鉴于各专家决策水平不同,即专家权重不同,对其给出的属性权重wj1、wj2、…、wjp亦应赋予不同权重,则上面的推导中假设p位专家赋予其的属性权重wj1、wj2、…、wjp均服从与其相同正态分布略显有失偏颇。考虑到各位专家的决策水平(专家权重)不同,对各专家的决策结果适当处理后使其服从与总体一致的正态分布函数,引入加权区间估计法改进对μj的参数估计,并定义概念加权样本均值、加权样本方差,分别记作S2jλ:
则μj的一个置信水平为1-α的置信区间为:
代入可得:
3 规划指标区间梯形隶属度求取
电网规划是一个模糊不确定性问题,因此对于决策指标而言很难得到精确的数据,用传统的点值方式表示指标值有失偏颇。区间数能够弥补这方面的缺陷,通过区间数形式描述事物的特征,更符合电网规划的本质。本文分别根据高方案和低方案数据对规划方案进行模拟,得到以区间数形式表示的各项指标值。
当指标值以区间数形式表示时,传统的点值隶属度已不再适用,这时需要采用区间隶属度的形式,本文采用区间梯形隶属度。假设某个指标g的值为通过文献[17]介绍的公式可分别求取指标g属于“优”、“良”、“中”、“一般”、“差”的区间隶属度,具体计算公式参见文献[17]。
4 算例仿真
4.1 多阶段决策流程
a.根据第1节介绍的方法求取阶段权重ft。
b.采用加权区间估计法计算指标权重μj置信水平为1-α的置信区间。
c.根据第3节介绍的区间梯形隶属函数计算各指标属于5个评价等级的区间隶属度fj。
d.求目标层的隶属度:
e.用区间数可能度对方案排序,计算公式为[16]:
4.2 算例分析
某市进行“十二五”输电网规划,分3个阶段完成。共给出3个方案,分别根据规划的高方案与低方案计算出每个方案阶段指标值如表1所示。
在式(1)中,q=3,当t≤3/2时,取αt=0.5;当t>3/2时,取αt=2。此时,计算出阶段1权重为0.4,阶段2权重为0.2,阶段3权重为0.4。
通过第2节介绍的方法,由专家给出层次判断矩阵计算出单个专家给出的指标权重,然后通过区间参数估计得到集结后各个指标的权重。此处以准则层指标为例介绍指标权重的计算过程。首先由层次分析法计算出各专家的指标权重,如表2所示。
根据式(4)计算出专家1权重为0.1017,专家2权重为0.052 4,专家3权重为0.231 7,专家4权重为0.482 5,专家5权重为0.131 7。然后根据式(10)计算出集结各位专家意见后的指标权重如表3所示,其他指标计算类似,其中α=0.01,即置信水平为0.99。
最终结合表3给出各个方案区间指标值,根据式(11)计算出各个方案的综合隶属度如表4所示。
由表1可知方案2的最大隶属度为[0.491,0.729],属于优类,方案3和方案1的最大隶属度分别为[0.331,0.432]、[0.261,0.385],同属于中类,再求可能度P([0.331,0.432]≤[0.261,0.385])=0,可知方案3优于方案1。最终得到优劣排序为方案2>方案3>方案1。
5 结论
本文提出一种群决策方法,并将其应用于输电网多阶段规划决策中。根据多个专家给出的信息采用区间参数估计计算指标权重,使得权重值不依赖于某位专家的意见;并应用梯形隶属函数的区间数模糊决策方法对方案实现优劣排序。仿真分析验证了本文所提方法的科学性及有效性。
摘要：针对输电网多阶段规划决策中指标权重确定主观性过强问题,提出一种用于输电网多阶段规划的综合决策方法。该方法根据决策者给出层次分析判断矩阵的一致性水平确定专家权重,以各专家给出的指标权重为样本,通过区间参数估计求出集结各专家意见后的指标权重。并针对多阶段问题提出求取阶段权重的2个原则。决策过程中,采用基于梯形隶属函数的区间数模糊决策方法求取方案隶属度,解决了规划指标难以精确计算的问题。并根据最大隶属度法进行方案排序,最终求得各方案优劣比较结果。最后结合算例证明了该方法的可行性。
模糊统计理论在经济决策中的应用 篇8
关键词：模糊统计,模糊决策,经济决策
现实生活和工程领域中,存在着许多模糊性的现象。所谓模糊,是指边界不清楚,即在质上没有确切的含义,在量上没有明确的界限。这种边界不清的模糊概念,是事物的一种客观属性,是事物的差异之间存在着中间过渡过程的结果。在日常生活中,人们常说的高、矮、胖、瘦、老、中、轻等概念,就是含义不确切、边界不清楚的模糊概念。应用模糊统计理论可以为解决模糊问题提供科学的定量的分析方法。
与一般的分析方法相比,模糊统计理论分析方法具有以下两大特点:①能定量地处理影响分析和决策的种种模糊因素,使分析的结果更符合客观实际,提高决策的科学性与准确性。②能充分考虑事物的中介过渡性质,浮动地选取阈值,从而能给出一系列不同水平或指标下的分析结果,为人们的决策提供广泛的选择余地。
1 以模糊统计理论为基础的模糊综合评判方法
假设对样本空间需要分类的类别数已知,可用模糊综合评判法来对其分类。设需要分类的样本空间X={x1,x2,…,xn},选取评价指标因素集U={u1,u2,…,um},选取评价结论类别集V={v1,v2,…,vn},确定每个个体(样本)的第i个评价指标因素ui关于第j个评价类别等级vj的隶属度rij,即得到因素的一个评价向量Ri={ri1,ri2,…,rin},从而由这m个因素的评价向量就组成一个模糊综合评判矩阵R。具体评判步骤如下:①建立因素集U。因素集是影响评判对象的各种因素所组成的一个集合。,各元素ui(i=1,2,…,m),即代表各影响因素。这些因素,通常都具有不同程度的模糊性。②建立评价集V。评价集是评判者对评判对象可能做出的各种总的评判结果所组成的集合。通常用大写字母V表示,即V={v1,v2,…,vn}。各元素vj(j=1,2,…,n),即代表各种可能的总评判结果。模糊综合评判的目的,就是在综合考虑所有影响因素的基础上,从评价集中得出一个最佳的评判结果。
本文将评价集分为五等:V={好,较好,一般,较差,差}。所谓单因素模糊评判是指单独从一个因素出发进行评判,以确定评判对象对评价集元素的隶属程度。设评判对象按因素集中第i个因素ui进行评判,对评价集中第j个元素vj的隶属程度为rij,则按第i个因素ui评判的结果,可用模糊集合Ri来加以表示。Ri称为单因素评判集,是评价集V上的一个模糊子集,可简单地表示为:
以各单因素评判集的隶属度为行组成的矩阵,称为单因素评判矩阵。它是评价集V上的模糊子集,其中rij为因素集U中第i个指标对应评价集V中第j项的评价值,i=1,2,…,m;j=1,2,…,5。m为因素集中指标的个数。
用层次分析法确定因素集中各因素的权重,建立因素权重集A。一般来说,各个因素的重要程度是不一样的。为了反映各因素的重要程度,对各个因素ui(i=1,2,…,m)应赋予一个相应的权数ai(i=1,2,…,m),由各权数所组成的集合称为因素权重集。
各权数ai(i=1,2,…,m)应满足归一性和非负性条件,即
由于影响经济决策的因素指标的相对重要性随其他自然状态指标因素的改变而变化,因此需要针对特定的各种因素确定指标的权重。确定指标权重的方法有很多,本文采用层次分析法确定各个投资因素的权重,从而合理地确定评价指标的权重,客观上反映它们在综合评判中的重要性,并直接提高最终评判结果的科学性与准确性。
应用层次分析法确定各因素权重的步骤如下:
(1)确定目标和评判因素集
此处,目标为选定的投资对象,评判因素集为U。
(2)构造判断矩阵
判断矩阵标度及其含义如表1所示。
(3)计算重要性排序
根据判断矩阵,求出最大特征根所对应的特征向量。所求出的特征向量即为各评判因素重要性排序,也就是权数分配。
可以采用方根法求出判断矩阵的特征向量。
单因素模糊评判,仅反映了一个因素对评判对象的影响。这显然是不够的。我们的目的,是要综合考虑所有因素的影响,得出正确的评判结果,这就是模糊综合评判。模糊综合评判,可表示为:
其中,A为权重集,R为单因素评判矩阵,B为模糊综合评判集。
根据隶属函数的最大原则max (B),对应评价集V中对应元素,则可确定是否通过该经济决策。
2 模糊综合评判分析法在项目投资决策中的应用实例
本文以从多个备选项目投资方案中优选某一个投资方案为例说明此方法。项目投资阶段是企业管理中十分重要的一环,而投资决策的正确与否对公司能否在投资中取胜起着至关重要的作用。传统的投资决策分析方法很多,但这些方法在很大程度上依赖于专家经验和工作经验,这主要表现在以下两个方面:①评判过程过分依赖评价者的主观判断,不能消除由于评价者的主观判断而产生的各种差异,评价方法的一致性不能保证。②对评判过程中的模糊问题考虑不足,不符合实际情况,评价结果容易出现偏差。
而投资决策过程中存在许多模糊问题,主要有:①指标权重具有模糊性。指标权重表示各指标的相对重要程度,它的确定是通过人的主观判断而定的,而人的判断自觉或不自觉地采用模糊判断。②指标评分值具有模糊性。指标的评分也是由评价者通过主观判断而定的,因而也具有模糊性。③评价结果具有模糊性。评价结果不仅仅反映了被评价对象的排序情况,而且也反映了评价者对评价对象的认可程度。由于各个评价者对评价对象的认可程度的差异,所以评价结果不应是一个唯一的量,而应是一个模糊的量。④评价过程具有模糊性。评价是对各评价者的评分值进行综合分析,得到评价对象的综合评价值的过程。由于指标评分值及评价结果均是模糊的量,所以评价过程不能采用确定的方法,而应采用模糊的方法。针对上述问题,本文采用模糊分析法辅助项目投资决策。
单独从上述每个因素出发,根据对某项企业调研所得的信息和资料,对某项企业的项目投资机会进行评判,可得到多个单因素评判集。设考虑10个影响因素,则由10个单因素评判集构成的该项目的单因素判断矩阵示例如下:
运用层次分析法建立判断矩阵如下:
由式(1)、式(2)、式(3)可计算得到权重集A:
结合模糊综合评判公式(4)可得:
根据隶属函数的最大原则max (B),对应评语集V中对应元素为“好”,则可初步确定将该项目作为重点投资对象。
参考文献
[1]向立富.模糊综合评判法在流脑预测中的应用[J].中国卫生统计,1994,11(4):33-39.