亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于梯形模糊相似測(cè)度的風(fēng)險(xiǎn)投資多屬性群決策方法

        2018-04-04 01:58:11平軼男周禮剛
        關(guān)鍵詞:決策者測(cè)度梯形

        陳 雯,平軼男,王 鳳,周禮剛

        (安徽大學(xué) 數(shù)學(xué)科學(xué)學(xué)院,安徽 合肥 230601)

        多屬性群決策是在考慮多個(gè)屬性的情況下,對(duì)已有方案進(jìn)行排序并選擇最優(yōu)備選方案的一種決策問(wèn)題,是現(xiàn)代決策科學(xué)的重要部分,其理論和方法在工程安全、風(fēng)險(xiǎn)投資、投資管理等方面有著廣泛的應(yīng)用。

        現(xiàn)實(shí)的研究對(duì)象可能是無(wú)法明確界定的事物,尤其是在對(duì)研究對(duì)象進(jìn)行評(píng)價(jià)的過(guò)程中,存在一定的模糊性和不確定性,因此不能精確地評(píng)述或定義事物的真實(shí)狀況。1965年ZADEH教授提出了模糊集理論[1],用以解決不確定環(huán)境下的決策問(wèn)題。由于研究的對(duì)象存在一定的模糊性和不確定性,專家可能會(huì)給出一些模糊評(píng)價(jià)信息,這種評(píng)價(jià)信息為模糊評(píng)價(jià)信息的多屬性群決策問(wèn)題,在實(shí)際生活中有著重要的理論與應(yīng)用價(jià)值。目前關(guān)于模糊多屬性群決策方法的研究較多[2-6],也有許多決策方法已應(yīng)用到現(xiàn)實(shí)問(wèn)題中,如綠色供應(yīng)商選擇[7-8]、物資采購(gòu)[9]、產(chǎn)品規(guī)劃[10]等多屬性群決策問(wèn)題。

        探索合適的新能源一直是我國(guó)近幾年所關(guān)注的熱點(diǎn),能源已成為國(guó)民經(jīng)濟(jì)發(fā)展的重要支柱之一。不可再生能源將日趨枯竭,探索新能源、可再生能源顯得尤為迫切。在我國(guó),可再生能源的研發(fā)使用是一個(gè)具有巨大發(fā)展?jié)摿Φ漠a(chǎn)業(yè),同時(shí)又在整個(gè)現(xiàn)代化過(guò)程中起著重要作用??稍偕茉错?xiàng)目投資是一項(xiàng)充滿高強(qiáng)度綜合性、專業(yè)性和技術(shù)性的活動(dòng),同時(shí)也是一個(gè)具有高投入、高風(fēng)險(xiǎn)和高回報(bào)性質(zhì)的投資產(chǎn)業(yè)。這些特征也決定了可再生能源投資所要面臨的風(fēng)險(xiǎn)因素十分復(fù)雜,風(fēng)險(xiǎn)因素所引起的后果也特別嚴(yán)重。因此作為可再生能源投資者,提高經(jīng)營(yíng)管理水平,尤其是進(jìn)行相關(guān)能源項(xiàng)目的投資風(fēng)險(xiǎn)分析已是當(dāng)務(wù)之急??稍偕茉赐顿Y風(fēng)險(xiǎn)評(píng)價(jià)就是對(duì)將會(huì)出現(xiàn)的各種不確性及其可能造成的各種影響和影響程度進(jìn)行分析和評(píng)價(jià)。關(guān)于可再生能源投資的風(fēng)險(xiǎn)分析具有多屬性群決策的典型特征:①影響指標(biāo)眾多;②量綱不統(tǒng)一;③目標(biāo)沖突;④最優(yōu)解難以確定。因此采用多屬性群決策方法,綜合衡量投資風(fēng)險(xiǎn)的影響,成為決策分析的重要問(wèn)題。

        Theil不等系數(shù),最初是作為衡量個(gè)人之間或地區(qū)間收入差距(或稱不平等度)的指標(biāo),后來(lái)將其運(yùn)用于度量?jī)山M數(shù)據(jù)的偏差程度,如文獻(xiàn)[11]將其應(yīng)用于組合預(yù)測(cè)模型中。筆者考慮到Theil不等系數(shù)具有的優(yōu)良性質(zhì),基于Theil不等系數(shù)提出一種新的梯形模糊相似測(cè)度,衡量梯形模糊數(shù)之間的偏差,同時(shí)考慮決策者的風(fēng)險(xiǎn)態(tài)度,在專家權(quán)重和屬性權(quán)重信息完全未知的情況下,基于新的梯形模糊相似測(cè)度,構(gòu)建以梯形模糊相似測(cè)度最大化為目標(biāo)的最優(yōu)化模型,獲取最優(yōu)專家權(quán)重和屬性權(quán)重,并給出一種基于新的梯形模糊相似測(cè)度的風(fēng)險(xiǎn)投資模糊多屬性群決策方法。最后筆者對(duì)研究結(jié)果進(jìn)行了總結(jié),認(rèn)為采用該多屬性群決策方法進(jìn)行可再生能源項(xiàng)目風(fēng)險(xiǎn)投資分析,不僅在理論上具有優(yōu)越性和科學(xué)性,在應(yīng)用中也具有可靠性,為可再生能源的投資風(fēng)險(xiǎn)分析提供了有效方法。

        1 基本知識(shí)

        定義1設(shè)X為論域,映射μa:X→[0,1],x→μa(x),確定了X上的模糊集a,則稱映射μa為模糊集a的隸屬函數(shù),μa(x)稱為模糊集a的隸屬度。

        定義2設(shè)論域X為實(shí)數(shù)集,若a=(aL,aML,aMR,aR),隸屬函數(shù)μa:X→[0,1]滿足:

        則稱a為梯形模糊數(shù),其中-∞

        a⊕b=(aL+bL,aML+bML,aMR+bMR,aR+bR)

        (1)

        a?b=(aL×bL,aML×bML,aMR×bMR,aR×bR)

        (2)

        a/b=(aL/bR,aML/bMR,aMR/bML,aR/bL)

        (3)

        為了比較梯形模糊數(shù)的大小,文獻(xiàn)[6]和文獻(xiàn)[7]定義了梯形模糊數(shù)的期望。

        (4)

        (5)

        (6)

        (7)

        定義4設(shè)a=(aL,aML,aMR,aR)為梯形模糊數(shù),則稱IL(a),IR(a)分別為a的左期望值和右期望值,分別如式(8)和式(9)所示,稱Iε(a)為a的期望值,如式(10)所示,其中,ε為樂(lè)觀系數(shù),且ε∈[0,1]。若0≤ε<0.5,則表明決策者持悲觀態(tài)度;若0.5<ε≤1,則表明決策者持樂(lè)觀態(tài)度;若ε=0.5,則表明決策者持中立態(tài)度。

        (8)

        (9)

        Iε(a)=εIL(a)+(1-ε)IR(a)

        (10)

        將式(8)和式(9)代入式(10),則可得:

        (11)

        設(shè)a=(aL,aML,aMR,aR),b=(bL,bML,bMR,bR)為兩個(gè)梯形模糊數(shù),ε為態(tài)度參數(shù),則有如下梯形模糊數(shù)的大小比較方法:

        (1)若Iε(a)≥Iε(b),則a≥b;

        (2)若Iε(a)

        2 梯形模糊相似測(cè)度

        (12)

        則有:

        (13)

        設(shè)態(tài)度參數(shù)為ε,則由式(10)可以得到:

        定理2表明,綜合模糊矩陣的期望值可表示為所有梯形模糊決策矩陣期望值的加權(quán)平均形式,且加權(quán)系數(shù)為群決策的專家權(quán)重。就梯形模糊決策結(jié)果而言,期望值具有一定的線性傳遞性。

        3 基于梯形模糊相似測(cè)度的模糊多屬性群決策方法

        由于屬性指標(biāo)在量綱上的不同,存在效益型指標(biāo)和成本型指標(biāo),因此在決策時(shí)需對(duì)其進(jìn)行規(guī)范化處理。首先給出梯形模糊數(shù)的規(guī)范化方法:

        則效益型梯形模糊屬性指標(biāo)的規(guī)范化公式如式(14)所示,成本型梯形模糊屬性指標(biāo)的規(guī)范化公式如式(15)所示。

        (14)

        (15)

        3.1 基于梯形模糊相似測(cè)度的專家權(quán)重確定模型

        (16)

        3.2 基于梯形模糊相似測(cè)度的屬性權(quán)重確定模型

        (17)

        (18)

        3.3 基于梯形模糊相似測(cè)度的模糊多屬性群決策方法

        4 案例分析

        CG公司為一家風(fēng)險(xiǎn)投資公司,現(xiàn)擬開(kāi)展可再生能源項(xiàng)目的投資。共有4個(gè)備選方案可供決策者選擇,方案x1為太陽(yáng)能發(fā)電項(xiàng)目,方案x2為風(fēng)能發(fā)電項(xiàng)目,方案x3為生物能供暖項(xiàng)目,方案x4為汐潮能發(fā)電項(xiàng)目,組成方案集X={x1,x2,x3,x4},該公司現(xiàn)聘請(qǐng)4位來(lái)自能源管理、資本運(yùn)作、風(fēng)險(xiǎn)管理等相關(guān)決策領(lǐng)域的專家參與投資方案的遴選。在遴選的過(guò)程中,對(duì)每個(gè)方案分別從4個(gè)屬性(U1,U2,U3,U4)進(jìn)行評(píng)價(jià),屬性U1為技術(shù)性能,即為該項(xiàng)目所依托技術(shù)的成熟程度,為效益型屬性;屬性U2為市場(chǎng)潛力,即為該項(xiàng)目預(yù)期的經(jīng)濟(jì)效益和社會(huì)效益情況,為效益型屬性;屬性U3為投資風(fēng)險(xiǎn),即為該項(xiàng)目投資的不確定性,為成本型屬性;屬性U4為成本分析,即為該項(xiàng)目所涉及產(chǎn)品的成本,為成本型屬性。采用的語(yǔ)言評(píng)價(jià)集為梯形模糊數(shù),決策者并未給出屬性和專家的權(quán)重向量。

        (19)

        (20)

        R=

        (21)

        圖1 態(tài)度參數(shù)ε對(duì)最優(yōu)專家權(quán)重的影響

        圖2 態(tài)度參數(shù)ε對(duì)最優(yōu)屬性權(quán)重的影響

        考慮不同的態(tài)度參數(shù)ε∈[0,1]對(duì)專家權(quán)重和屬性權(quán)重的影響,重新求解式(16)和式(18),得到的結(jié)果如圖1和圖2所示。由圖1可以看出,最優(yōu)專家權(quán)重受到態(tài)度參數(shù)的影響。總體來(lái)看,第4個(gè)專家的權(quán)重隨著態(tài)度參數(shù)的增加始終處于下降趨勢(shì),第2個(gè)專家的權(quán)重始終大于其他3位專家。當(dāng)ε∈[0.0,0.3]時(shí),隨著態(tài)度參數(shù)的增加,第2個(gè)專家和第4個(gè)專家的權(quán)重逐漸減小,而第1個(gè)專家和第3個(gè)專家的權(quán)重隨之增大;當(dāng)ε∈[0.30,0.35]時(shí),第1個(gè)專家的權(quán)重小于第4個(gè)專家的權(quán)重;而當(dāng)ε>0.35時(shí),第1個(gè)專家的權(quán)重大于第4個(gè)專家的權(quán)重;當(dāng)ε∈[0.9,1.0]時(shí),第3個(gè)專家的權(quán)重大于第4個(gè)專家的權(quán)重。根據(jù)圖2可看出,屬性U1和屬性U4的權(quán)重變化幅度最大。當(dāng)態(tài)度參數(shù)ε=0時(shí),屬性U1的權(quán)重最大,但隨著態(tài)度參數(shù)的增加,屬性U1的權(quán)重迅速下降;當(dāng)態(tài)度參數(shù)ε=0.3時(shí),屬性U1的權(quán)重接近于0。最初,屬性U2、U3和U4的權(quán)重十分接近,隨著態(tài)度參數(shù)ε的增加,屬性U4的權(quán)重迅速上升;當(dāng)ε<0.16時(shí),屬性U4的權(quán)重小于屬性U1的權(quán)重;當(dāng)ε>0.16時(shí),屬性U4的權(quán)重大于屬性U1的權(quán)重,成為權(quán)重最大的屬性;當(dāng)ε>0.6時(shí),屬性U4成為權(quán)重最大的屬性,接近于1,與此同時(shí),屬性U1、U2和U3的權(quán)重接近于0,說(shuō)明屬性U4的重要性比其他3個(gè)屬性強(qiáng),也反映了決策者的態(tài)度對(duì)屬性權(quán)重的確定有較大影響。

        圖3 態(tài)度參數(shù)ε對(duì)綜合屬性值的影響

        態(tài)度參數(shù)對(duì)綜合屬性值的影響結(jié)果如圖3所示。總體來(lái)看,不同的態(tài)度參數(shù)對(duì)最終確定最優(yōu)方案的影響較大。當(dāng)ε∈[0.0,0.2]時(shí),最優(yōu)方案為x3,最劣方案為x1。隨著態(tài)度參數(shù)的增大,方案x1和方案x2的綜合屬性值迅速增加,同時(shí)方案x3和方案x4的綜合屬性值不斷下降。當(dāng)態(tài)度參數(shù)ε∈[0.2,0.9]時(shí),最優(yōu)方案變?yōu)閤2,最劣方案由方案x1逐漸變?yōu)榉桨竫4,當(dāng)ε∈[0.2,0.4]時(shí),最劣方案為x1,但當(dāng)ε∈[0.4,1.0],最劣方案變?yōu)閤4。在態(tài)度參數(shù)接近于1時(shí),最優(yōu)方案由x2變?yōu)閤1。因此,根據(jù)上述決策分析,可以看出不同態(tài)度的決策者最終選擇的最優(yōu)方案也不同。悲觀者更偏向于選擇方案x4或者方案x3,態(tài)度中立更偏好于方案x2,而樂(lè)觀的決策者更喜歡方案x1或者方案x2。

        與文獻(xiàn)[12]相比,同樣是在梯形模糊數(shù)的背景下提出來(lái)的多屬性決策方法,但文獻(xiàn)[12]在構(gòu)建理想方案的過(guò)程中未考慮決策者的態(tài)度,而筆者提出的梯形模糊相似測(cè)度,考慮到綜合評(píng)價(jià)值的分散程度及決策者的決策態(tài)度,針對(duì)不同態(tài)度的決策者有著不同的選擇方案。另外,文獻(xiàn)[13]利用模糊理想解和廣義加權(quán)距離構(gòu)建模型,通過(guò)Borda記分法給出最優(yōu)方案,雖然不用給出屬性權(quán)重和專家權(quán)重,但也未能考慮專家和屬性的相關(guān)信息,筆者提出的方法充分考慮專家權(quán)重和屬性權(quán)重信息,并且是基于決策者的態(tài)度給出的,對(duì)方案的選擇有著較大影響,也更符合實(shí)際情況。

        5 結(jié)論

        筆者在梯形模糊信息環(huán)境下,考慮專家權(quán)重和屬性權(quán)重均未知的情況,定義了一種新的梯形模糊相似測(cè)度,研究了其優(yōu)良性質(zhì),考慮決策者的決策態(tài)度,構(gòu)建了基于梯形模糊相似測(cè)度的專家權(quán)重和屬性權(quán)重確定模型,提出了基于新的梯形模糊相似測(cè)度的模糊多屬性群決策方法,最后通過(guò)案例分析說(shuō)明了該方法的可行性和有效性。在未來(lái)的研究中,越來(lái)越多的信息將會(huì)以模糊數(shù)的形式給出,筆者提出的方法可以進(jìn)一步應(yīng)用在其他模糊語(yǔ)言環(huán)境中,如區(qū)間二元語(yǔ)義、直覺(jué)梯形模糊數(shù)[14-16]等。另外,也可將筆者提出的方法應(yīng)用于實(shí)際問(wèn)題中,如選址問(wèn)題、供應(yīng)商的產(chǎn)品選擇問(wèn)題等。

        參考文獻(xiàn):

        [1]ZADEH L A. The concept of a linguistic variable and its application to approximate reasoning [J]. Information Sciences, 1975,9(1):43-80.

        [2]吳群,吳澎,周元元,等.2TLCGPOWA算子及其在多屬性群決策中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用,2017,53(3):47-53.

        [3]吳群,吳澎,周禮剛.基于聯(lián)系數(shù)的區(qū)間二元語(yǔ)義模糊多屬性群決策方法[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,33(1):1-8.

        [4]萬(wàn)樹(shù)平,董九英.多屬性群決策的直覺(jué)梯形模糊數(shù)法[J].控制與決策,2010,25(5):773-776.

        [5]徐澤水.不確定多屬性決策方法及應(yīng)用[M].北京:清華大學(xué)出版社,2004:237-241.

        [6]劉培德,張新.直覺(jué)不確定語(yǔ)言集成算子及在群決策中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐,2012,32(12):2704-2711.

        [7]QIN J D, LIU X W, PEDRYCZ W. An extended TODIM multi-criteria group decision making method for green supplier selection in interval type-2 fuzzy environment [J]. European Journal of Operational Research,2016,258(2):626-638.

        [8]吳堅(jiān),曹清瑋.不確定決策環(huán)境下綠色供應(yīng)商選擇方法研究[J].運(yùn)籌與管理,2012,21(1):220-225.

        [9]董鵬,羅朝暉,劉剛.基于OWA算子的物資采購(gòu)評(píng)標(biāo)定標(biāo)決策研究[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2007,29(7):92-95.

        [10]邱方鵬,莫莉.基于直覺(jué)模糊集的產(chǎn)品規(guī)劃評(píng)估群決策研究[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2013,35(5):723-727.

        [11]周禮剛,陳華友,丁子千,等. 基于Theil不等系數(shù)的IOWGA算子組合預(yù)測(cè)模型[J].安徽大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,34(1):1-6.

        [12]劉於勛,沈軼,謝妞妞.基于梯形模糊數(shù)期望值的多維偏好群決策模型[J].控制與決策,2009,24(9):1377-1379.

        [13]陳業(yè)華,黃元美.基于梯形模糊數(shù)的多維偏好群決策模型[J].燕山大學(xué)學(xué)報(bào),2005,29(6):535-539.

        [14]彭旭,韓冰,陳華友.基于可能點(diǎn)的TOPSIS 模糊多屬性決策方法[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2015,37(6):761-770.

        [15]周佳敏,王展青.基于三角模糊數(shù)的動(dòng)態(tài)混合多屬性決策法[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2014,36(1):121-129.

        [16]吳群,王鳳,周禮剛,等.基于區(qū)間二元語(yǔ)義偏好關(guān)系一致性偏差的群決策方法[J].模糊系統(tǒng)與數(shù)學(xué),2017,31(5):55-67.

        猜你喜歡
        決策者測(cè)度梯形
        玩轉(zhuǎn)梯形
        幼兒100(2023年37期)2023-10-23 11:38:58
        三個(gè)數(shù)字集生成的自相似測(cè)度的乘積譜
        R1上莫朗測(cè)度關(guān)于幾何平均誤差的最優(yōu)Vornoi分劃
        熱浪滾滾:新興市場(chǎng)決策者竭力應(yīng)對(duì)通脹升溫 精讀
        梯形達(dá)人
        非等熵Chaplygin氣體測(cè)度值解存在性
        Cookie-Cutter集上的Gibbs測(cè)度
        一類變延遲中立型微分方程梯形方法的漸近估計(jì)
        “最關(guān)鍵”的施工力量——決策者、執(zhí)行者與實(shí)施者
        梯形
        啟蒙(3-7歲)(2017年6期)2017-11-27 09:34:55
        国产a级午夜毛片| 在线观看特色大片免费视频| 日日噜噜夜夜狠狠va视频| 亚洲人成网站免费播放| 久久久久国产精品四虎| 少妇激情高潮视频网站| 国产精品人人做人人爽| 人妻丰满熟妇av无码处处不卡| 国产一级淫片免费大片| 色婷婷一区二区三区久久亚洲| 精品免费国产一区二区三区四区| 丰满人妻av无码一区二区三区| 正在播放淫亚洲| 丰满人妻被公侵犯的视频| 中文字幕av中文字无码亚| 亚洲精品综合一区二区| 亚洲三区二区一区视频| 久久久精品国产三级精品| 青青草原亚洲| av大片在线无码免费| 在线播放中文字幕一区二区三区| 亚洲毛片在线免费视频| 日本高清h色视频在线观看| 亚洲AV无码久久久一区二不卡| 国产自产在线视频一区| 男人的天堂av高清在线| 亚洲av综合色区无码一二三区 | 91偷自国产一区二区三区| 大地资源中文第3页| 欧美色图中文字幕| 亚洲中文字幕亚洲中文| 放荡的美妇在线播放| 成人h动漫精品一区二区| 久久久婷婷综合五月天| 老熟女老女人国产老太| 亚洲色无码国产精品网站可下载 | 97夜夜澡人人双人人人喊| 成人午夜免费无码视频在线观看| 亚洲熟女少妇精品久久| 国产在热线精品视频| 亚洲中文无码成人影院在线播放|