刘韵昕, 李 畅, 李单宁, 蒋 浩, 金飞飞
(安徽大学商学院,安徽 合肥 230601)
决策理论在复杂环境的推动下不断发展,语言偏好关系已经广泛应用在各个领域中[1-[2][3]4]。Zhang等[5]首次提出分布式语义和分布式语言偏好关系的概念,对不同语言变量赋予比例。Zhang等[6]提出的概率语言偏好关系与分布式语言偏好关系的相关方法存在相通性。Wu等[7]对分布式语义的分类、关键要素以及应用进行了较为详细的总结,提出分布式语义具备较好的发展前景。当前,改进分布式语言偏好关系的一致性水平,构建决策模型是基于该环境探究的热点。Tang等[8]在转换分布式语言偏好关系的基础上定义了期望一致性,但不利于尽可能地保留原始数据进行决策。Zhang等[9]提出顺序一致性的定义,并提供了改进不一致元素的方法,但在模型规划上较为复杂。为较大限度地减少数据失真,提高调整效率,在分布式语义的概率值基础上构造乘性一致性公式,利用局部调整策略,结合迭代算法,建立了乘性一致性基础上的分布式语言偏好关系决策模型。
定义1[1]假设S = {sα|α=0,1,…,2τ} 是一个语言术语集,sα代表语言变量,τ 为正整数,2τ+1表示S 中的语言项个数。集合S 具有有序性:对于s,sS ,若i,则ss。
在较大限度地保存原始信息,简化调节过程的目标下,提出下列一致性调整方法:
算法Ⅰ
步骤7 结束。
下面证明算法Ⅰ的收敛性:
假设在决策过程中有n 个方案X ={x1,x2,…,xn} 可供选择,专家逐一比较所有方案,给出原始的分布式语义,可以利用以下的模型得到最终抉择:
算法Ⅱ
输入:原始DLPRH =( hij)n×n。
输出:各方案的优先性排序,获得最优方案。
阶段A: 利用算法Ⅰ对原始的DLPRH=( hij)n×n进行检测,调整改进其乘性一致性属性,生成具有可接受一致性的
阶段B: 运用分布式语义算术平均算子进行集结,获取每个方案的综合评价信息;再计算期望,据此排序最大的即是最合适方案。
共享经济时代,如何利用信息技术更加有效地提高资源利用效率,降低企业成本是一个关键问题。财务共享服务中心集中批量处理财务信息,减少内部不同主体之间的重复工作,达到高效目标。某公司计划建立财务共享服务中心,提出了三个方案。为挑选出最有利于企业战略发展的方案,某公司邀请专家使用分布式语义进行评价,对三个方案逐一比较,得到初始分布式语言偏好关系H=( hij)3×3。接下来将运用构建的分布式语义决策模型对方案进行进一步的分析选择,最终得出具有可接受一致性要求的方案。
由计算可得H(0)的一致性指数CI=0.08>0.045。
接下来,根据算法Ⅰ对H(0)进行迭代,最终得到具有可接受一致性的
其一致性指数CI=0.043<0.045。
阶段B:采用分布式语义算术平均算子,算得各方案的综合结论:
因此,可以得出方案排序为x1>x2>x3,最终专家最终选择方案1来建设财务共享服务中心。
接下来,将利用文献[13]和文献[14]进行对比分析,验证该模型在实际运用中的合理性和准确性。利用文献[13]的方法,得出的排序结果为x1>x2>x3,与本文结果一致,说明所采取的方法具有合理性。然而,在文献[14]中的方法下得出的计算结果为x2>x1>x3,存在一定的差异。主要是因为文献中[14]首先根据历史数据对偏好关系改进形成新的矩阵,得到偏差值,再计算一致性指数,当其不符合可接受标准时,再根据偏差值的比较结果调整新矩阵,最终得到方案排序。在调整顺序和计算标准上差异较多,但经过验证,具备科学性。
与文献[13]相比较,两者都考虑到改进乘性一致性来调整数据,但是构造方式具有差异。文献利用乘性一致性驱动的优化模型计算出个性化数值,再将原分布式语言偏好关系转化成对应的数值偏好关系,计算出方案权重,进行最终方案的抉择。通过对文献[13]的比较能够看出,所建立的模型减少了调整步骤,在计算运行的过程中更加流畅,并且在构造中缩减了数据失真带来的偏差,具备更强的操作性。
在不确定性决策中,利用分布式语义更精准地描述偏好,是较为先进的决策方法。为更好地保留原始数据,简化调整步骤,建立了一个调整乘性一致性的分布式语言偏好关系决策模型。首先,构造了乘性一致分布式语言偏好关系的公式,定义一致性指数计算方法,在此基础上利用迭代法得到具有可接受一致性的调整算法。接下来,利用该算法以及分布式语义平均算子和期望值,对方案的合适程度进行排列,建立了分布式语义决策模型。最后,根据建立财务共享服务中心的实例,通过对比验证,说明模型的可靠性和合理性,为分布式语义环境下的决策研究增添成果。
构造的模型只考虑了单个决策者提供信息的情况,而现实中利用多属性群决策解决复杂问题更为常见,可以减少专家主观因素带来的偏差。因此,将模型与群决策方法相联系,是重要的发展方向。同时,对于分布式语义信息的集结,采用的是简单的平均方法,可以采用其他更精确的赋权方式,提高模型的有效性。