張 娜，閆書麗，牛翠萍，李 波

（1.新疆財經(jīng)大學(xué) 計算機科學(xué)與工程學(xué)院，烏魯木齊 830012；2.石河子大學(xué) 商學(xué)院，新疆 五家渠 831300；3.河南科技大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)院，河南 洛陽 471023）

0 引言

在實際決策的過程中，決策群體的構(gòu)成可能來自于同一級別專家，多個決策專家基于各自的知識、偏好和目標，通過互相學(xué)習(xí)、彼此協(xié)調(diào)來改善各自的評價信息。比如：對于某物流地產(chǎn)公司是否可以在某個地區(qū)批地建設(shè)物流園區(qū)的決策問題，決策層有政府部門的專家、物流地產(chǎn)公司的專家以及區(qū)域物流方面的專家，是否建設(shè)物流園區(qū)會直接關(guān)系到政府、地產(chǎn)公司和區(qū)域物流發(fā)展等方面的利益，決策人員可以從自身的角度對決策問題進行評價，并通過不斷溝通和交流完善自己的決策評價信息。然而，由于決策環(huán)境、專家利益等因素往往會導(dǎo)致專家意見難以一致。因此，如何合理有效的集結(jié)來源于多個決策專家的決策信息，最終選擇有利于目標實施的最優(yōu)局勢是保證考慮多個決策專家信息交互問題的關(guān)鍵。

本文在現(xiàn)有研究基礎(chǔ)上，基于Pareto最優(yōu)解的概念，全面分析了專家滿意度和群體共識度相結(jié)合的信息集結(jié)問題，提出了在交互式群決策過程中一種新的專家權(quán)重設(shè)置方法，并針對灰色局勢群決策問題中的權(quán)重測度問題進行深入研究。同時研究交互式?jīng)Q策終止的條件，使得決策個體快速修正自身決策，以達到?jīng)Q策意見的一致。

1 預(yù)備知識

1.1 相關(guān)概念

定義1：Pareto最優(yōu)解。Pareto最優(yōu)解是指資源分配的一種理想狀態(tài)，假定固有的人和可分配的資源，從一種分配狀態(tài)到另一種分配狀態(tài)的變化中，在沒有使任何人的情況變壞的前提下，使至少一個人變得更好。

假設(shè)對于一個多目標規(guī)劃模型，可以描述如下：

對于此問題，它的變量的可行域為S，相應(yīng)的目標可行域為Z=f(S)，給定一個可行點x*∈S，有 ?x∈S，f(x*)≤f(x)成立，那么x*為此多目標規(guī)劃模型的絕對最優(yōu)解；如果不存在x∈S，使得f(x)＜f(x*)成立，那么x*為此多目標規(guī)劃模型的有效解，也就是Pareto最優(yōu)解。

1.2 問題描述

交互式?jīng)Q策方法是決策理論與方法中重要的方法之一。交互式群決策問題與個體信息集結(jié)方法存在的不同點主要在于在信息融合過程中存在決策專家之間的互動交流，這樣使他們之間可以進行充分的溝通和交流，有利于更快地調(diào)整認識偏差，使群體意見快速到達一致。

交互式?jīng)Q策方法有以下特點：

（1）交互式?jīng)Q策方法可以通過決策專家之間不斷的溝通和交流并進行反饋和修正，使決策偏好信息不斷明確，最終達到?jīng)Q策一致。

（2）交互式?jīng)Q策方法可以通過不斷反復(fù)對決策偏好信息的調(diào)整，最終達到令決策者滿意的帕累托最優(yōu)解。

（3）交互式?jīng)Q策過程在達到某一固定的滿意度和共識度之前，交互會一直進行，直到達到為止。

在決策的初始階段，專家群體會協(xié)商出群體意見不一致性可接受的范圍，也就是設(shè)定一個固定的閾值μ，專家群體共識度必須在此閾值范圍內(nèi)，如果專家評價不一致性超出了閾值規(guī)定的下限，必須通過交互改善決策評價信息；同時，在決策的初始階段，決策群體也會協(xié)商出個體意見滿意度可以接受的范圍η，如果個體滿意度達不到這個要求，可能會使決策專家對決策結(jié)果不滿意而導(dǎo)致決策無果而終。

第k個決策專家局勢在l目標下的效果樣本值矩陣可以表示成如下形式：

本文主要研究多個專家決策參與決策且存在交互決策時同時滿足群體共識度和專家滿意度的情況下，如何確定灰色決策問題最優(yōu)局勢問題。

2 群體共識度模型構(gòu)建

在實際決策時，決策專家總體偏好是否一致是很重要的問題。根據(jù)決策專家提供的評價信息和專家權(quán)重進行集結(jié)后的群體評價與個體提供的原始信息差距是否過大也是必須要關(guān)注的問題。如果群體評價與個體評價之間存在明顯的分歧，就需要通過交互改善決策差異較大的專家評價信息，降低這部分決策專家對問題認識的不充分。為此，本文考慮在群體共識度閾值范圍內(nèi)決策專家權(quán)重的確定方法。

設(shè)在決策時，決策專家的權(quán)重向量為λ=(λ1,λ2,???,λp)T，那么在群體共識度閾值范圍內(nèi)如何對權(quán)重向量進行求解是保證決策有效的前提。

由上式，顯然有 0≤μk(λ1,λ2,???,λp)≤1成立，那么群體共識度越大說明決策專家與群體專家的認知越一致。

由定義3可知，μk(λ1,λ2,???,λp)是λk的嚴格單調(diào)遞增函數(shù)，λk越大，說明決策專家在群體決策中更為重要，他的決策在群體決策中的份量就越大，因此群體共識度就越小；當決策專家的權(quán)重時，也就是決策專家在群體決策中的份量是均等的，這個時候的滿意度是最大的；特別地，當某個決策專家的權(quán)重λk=1時，說明此時只有一個專家參與決策，決策專家局勢集與群體綜合局勢相等，群體共識度為1。

在決策專家的權(quán)重向量為λ=(λ1,λ2,???,λp)T的情況下，必然希望群體共識度越大越好，可以構(gòu)建如下多目標優(yōu)化模型：

由于模型（2）是多目標規(guī)劃模型，可以轉(zhuǎn)化為如下單目標模型。

定理1：單目標規(guī)劃模型（3）必定存在最優(yōu)解。

證明：（1）證明該目標規(guī)劃模型的約束條件是凸集

要證明滿足約束條件所有可行解的集合是凸集，只需要證明該約束條件中任意兩點構(gòu)成的邊線上的點一定會在約束條件內(nèi)即可。

令λk為邊上的任意一個點，即λk的每一分量是，代入約束條件：

（2）證明該規(guī)劃的可行域是非空集

由運籌學(xué)基本定理可知，如果可行域是有界凸集，那么該規(guī)劃的目標函數(shù)必然可以在可行域的頂點上達到最優(yōu)，故單目標規(guī)劃模型（3）必定存在最優(yōu)解。

由上述目標優(yōu)化模型（3），總是希望決策專家認知分歧越小、群體共識度越大越好，因此可以事先設(shè)定群體共識度的下限。同時，為了使各方案之間達到平衡，以滿足公平競爭的原則，可以構(gòu)建如下單目標決策模型：

定理2：單目標規(guī)劃模型（4）必定存在最優(yōu)解。

證明：證明同定理1，單目標規(guī)劃模型（4）存在有界可行域，必有最優(yōu)解。

定理3：模型（4）的最優(yōu)解是模型（3）的Pareto最優(yōu)解。

3 專家滿意度模型構(gòu)建

定義4：專家與群體決策的相似度。用灰色灰色關(guān)聯(lián)度對決策專家局勢集與群體綜合局勢的相似程度進行度量。

其中，ξ為分辨系數(shù)，ξ∈(0,1)；一般取ξ=0.5，根據(jù)計算灰色關(guān)聯(lián)度。

根據(jù)灰色關(guān)聯(lián)度的計算公式，將決策專家k與群體綜合決策給出目標l下的效果樣本值矩陣進行灰色關(guān)聯(lián)分析，可以得到在目標l下決策專家k與群體綜合決策的平均綜合灰色關(guān)聯(lián)度：

那么，決策專家k與群體綜合決策在各個目標下的平均綜合灰色關(guān)聯(lián)度為：

灰色關(guān)聯(lián)度的取值范圍為[0,1]，因此決策專家k與群體綜合決策在各個目標下的平均綜合灰色關(guān)聯(lián)度取值范圍也為[0,1]，γk越大說明決策專家k與群體綜合決策的評價信息越相似。當然，受其他決策專家的影響，γk基本不可能為1。

為了研究決策專家的滿意度，先給出決策專家與群體綜合決策的相似性最大值和相似性最小值的概念。

的最優(yōu)解，則稱γk+=γk(λ+)為決策專家與k與群體綜合決策所能達到的相似性最大值。

的最優(yōu)解，則稱γk-=γk(λ-)為決策專家與k與群體綜合決策所能達到的相似性最小值。

在定義5和定義6的基礎(chǔ)上，如果決策專家與群體綜合決策相似性越大，說明對群體綜合決策結(jié)果滿意度越大，否則就說明滿意度越小，因此給出決策專家滿意度的定義。

性質(zhì)1：對于決策專家的滿意度，對于任意的λ=(λ1,λ2, ???,λp)T，有 0≤η(γk(λ))≤1。

性質(zhì) 2：對于任意的λ′和λ″，如果γk(λ′)＞γk(λ″)，則η(γk(λ′))＞η(γk(λ″))，也就是說η(γk(λ))是關(guān)于γk(λ)的嚴格單調(diào)遞增函數(shù)。特別地，當γk(λ)=γk-時，η(γk(λ))=0 ，決策專家的滿意度為0；當γk(λ)=γk+時，η(γk(λ))=1，決策專家的滿意度為1。一般情況下，決策者的滿意度是介于0到1之間的。

對于決策專家的群決策問題而言，總是希望最終的決策結(jié)果不但要滿足個體專家的滿意度最低要求，在這個基礎(chǔ)上使群體決策滿意度最大，即有下列多目標規(guī)劃成立：

其中，ηk*為個體專家滿意度的最低要求，可以根據(jù)實際情況進行確定。

上述模型（7）多目標規(guī)劃決策問題，可以化簡為單目標規(guī)劃來實現(xiàn)。在決策專家群體決策的過程中，總是希望決策專家的滿意度越大越好，一旦專家的滿意度達不到預(yù)先設(shè)定的最低要求，就必須對其決策信息進行調(diào)整，故考慮如下線性規(guī)劃模型：

（1）如果d*=0，則規(guī)劃問題（7）有解；

（2）如果規(guī)劃問題（7）有解，則d*=0。

證明：（1）如果d*=0 ，由于，也即，因為是模型（8）的最優(yōu)解，所以有因此對于 ?η(γk(λ)≥ηk*，符合模型（7）的約束條件，因此規(guī)劃問題（7）有解；

（2）如果規(guī)劃問題（7）有解，即對于 ?η(γk(λ)≥ηk*，也即有成立，因此對于所有的k，都有，所以d*=0。

4 綜合評價模型構(gòu)建與步驟

在群體專家決策的過程中，不但要保證決策專家對方案的認識分歧最小，同時還要滿足決策專家的滿意度達到其最低值，因此結(jié)合模型（4）和模型（8），并進行標準化可得如下單目標規(guī)劃：

定理5：模型（9）的最優(yōu)解是模型（2）的Pareto最優(yōu)解。

定理6：模型（9）的最優(yōu)解是模型（8）的Pareto最優(yōu)解。

證明：與定理5的證明相同，同理可得證。

綜上所述，基于群體共識度和專家滿意度的交互式灰色局勢群決策模型的決策方法步驟如下：

步驟1：組織群體專家對結(jié)合內(nèi)外部環(huán)境分析，確定對策集和局勢集，并根據(jù)實際問題的需要確定專家群體共識度和滿意度閾值，也就是μk*和ηk*。

步驟2：對局勢集進行交流和研討，在此基礎(chǔ)上每一個專家獨立對效果樣本值矩陣進行確定。

步驟3：對模型（9）進行目標規(guī)劃的求解，如果u*=0，也即目標規(guī)劃（9）有解，轉(zhuǎn)步驟5；如果u*≠0，目標規(guī)劃（9）無解，必然?k，使得或，若通過交互修正第k個決策專家的效果樣本值決策使其符合群體共識度的要求，若通過交互修正第k個決策專家的效果樣本值決策使其符合專家滿意度的要求（兩者的修正可能在程度上存在不同），轉(zhuǎn)步驟4。

步驟4：根據(jù)修正后的決策專家效果樣本值矩陣重新進行目標規(guī)劃（9）的計算，也即轉(zhuǎn)步驟3。

步驟5：根據(jù)得到的決策專家權(quán)重向量λ1,λ2,???,λp，進行群體綜合局勢集的計算。特別地，當專家滿意度沒有任何要求時，只需要求解模型（4），得到?jīng)Q策專家權(quán)重向量λ1,λ2,???,λp；當專家群體共識度沒有任何要求時，只需要求解模型（8），得到?jīng)Q策專家權(quán)重向量λ1,λ2,???,λp。

步驟6：根據(jù)步驟5得到的群體綜合局勢集，確定最優(yōu)局勢。

5 結(jié)束語

本文在定義群體共識度的基礎(chǔ)上，建立了群體共識度最大化的多目標規(guī)劃模型，并研究了其最優(yōu)解的求解方法，然后運用灰色關(guān)聯(lián)度思想定義了專家與群體決策相似度，并構(gòu)建了專家滿意度函數(shù)和基于專家滿意度最大化的目標規(guī)劃模型，最后建立了同時滿足群體共識度和專家滿意度的目標規(guī)劃模型，研究了此模型與群體共識度模型、專家滿意度模型之間的關(guān)系，并對交互式?jīng)Q策終止的條件進行了研究。

[1]Xu Z S,Chen J.An Interactive Method for Fuzzy Multiple Attribute Group Decision Making[J].Information Sciences,2007,177(1).

[2]Liao X W,Tang H W.A New Group Decision-making Approach With Incomplete Information[J].Journal of Dalian University of Technology,2002,42(1).

[3]Kim S H,Ahn B S.Interactive Group Decision Making Procedure Under Incomplete Information[J].European Journal of Operational Research,1999,116(3).

[4]Xu Z S.Method for Optimization of Decisions Under Incomplete Information and Its Application[J].Journal of Systems Engineering,2001,16(3).

[5]Koksalan M,Ozpeynirci S B.An Interactive Sorting Method for Additive Utility Functions[J].Computers&Operations Research,2009,36(9).

[6]Xu Z S.Interactive Approach Based on Incomplete Complementary Judgment Matrices to Group Decision Making[J].Control and Decision,2005,20(8).

[7]Di Q,Zhu J J,Liu S F,et al.Interactive Approach Based on Two Incomplete Preference Information to Group Decision Making[J].Chinese Journal of Management Science,2008,16(10).

[8]Xu Z S.Interactive Method Based on Alternative Achievement Scale and Alternative Comprehensive Scale for Multi-attribute Decision Making Problems[J].Control and Decision,2002,(4).

[9]Xu Y J,Da Q L,Zhao C X.Interactive Approach for Multiple Attribute Decision Making With Incomplete Weight Information Under Uncertain Linguistic Environment[J].Systems Engineering and Electronics,2009,31(3).

[10]Li C H,Du Y W.Interactive Bounded Rationally Approach to Two Level Decision Making Under Uncertainty[J].Systems Engineering-Theory&Practice,2010,30(11).

[11]Lei L C,Zhou J,Li M.Study on Interactive Multi-attribute Group Decision Making Method for Large-scale Projects Based on Relative Entropy[J].China Soft Science,2011,(2).

[12]Hao J J,Zhu J J,Liu X D.Novel Decision-making Method for Aggregating Dual Linguistic Information Concerning Interactive Optimization[J].Systems Engineering and Electronics,2014,36(5).

[13]Du Y W.Interactive Multiple Attribute Group Decision Making Approach Based on Harmony Thought[J].Journal of Systems Engineering,2011,26(1).

[14]Zhang X L.An Improved Method of Interactive Multi-objective Decision-making Based on Objective Satisfaction Degree[J].Systems Engineering,2004,22(9).

[15]Zhang W Y.Game Theory and Information Economics[M].Shanghai:Shanghai People'S Publishing House,1996.