• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      考慮評(píng)價(jià)信息滿意度的群體信息集結(jié)方法研究

      2019-07-10 03:36:32宮誠(chéng)舉易平濤郭亞軍李偉偉
      運(yùn)籌與管理 2019年6期
      關(guān)鍵詞:評(píng)價(jià)者先驗(yàn)權(quán)重

      宮誠(chéng)舉, 易平濤, 郭亞軍, 李偉偉

      (1.哈爾濱工程大學(xué) 經(jīng)濟(jì)管理學(xué)院,黑龍江 哈爾濱 150001; 2.東北大學(xué) 工商管理學(xué)院,遼寧 沈陽(yáng) 110169)

      0 引言

      群體評(píng)價(jià)是指多個(gè)評(píng)價(jià)者參與的綜合評(píng)價(jià)問(wèn)題,信息集結(jié)是群體評(píng)價(jià)問(wèn)題不可忽視的重要環(huán)節(jié),群體信息的集結(jié)質(zhì)量直接影響最終的群體評(píng)價(jià)結(jié)果,因而群體信息集結(jié)方法的研究一直是綜合評(píng)價(jià)領(lǐng)域的熱點(diǎn)問(wèn)題,目前已取得豐碩的成果,具體可以歸結(jié)為以下幾類:(1)基于OWA算子的信息集結(jié)方法[2~5]。文獻(xiàn)[2]對(duì)模糊語(yǔ)言誘導(dǎo)的廣義OWA算子進(jìn)行了研究,并將其應(yīng)用到模糊語(yǔ)言的決策問(wèn)題中;文獻(xiàn)[3]對(duì)OWA算子研究的最新情況進(jìn)行了可視化的分析和總結(jié),并得出OWA算子在多屬性決策中的研究是目前的最新研究方向。(2)基于密度算子的信息集結(jié)方法[6~9]。文獻(xiàn)[6]對(duì)誘導(dǎo)密度算子及其性質(zhì)進(jìn)行了詳細(xì)的分析;文獻(xiàn)[7]將密度算子擴(kuò)展到評(píng)價(jià)信息為二元語(yǔ)言的情況中;文獻(xiàn)[8]根據(jù)信息分布的疏密程度,提出二維密度加權(quán)算子并將其應(yīng)用在群體信息的集結(jié)中。(3)針對(duì)AHP法中判斷矩陣的集結(jié)方法[10~12]。文獻(xiàn)[10]通過(guò)計(jì)算最優(yōu)可能滿意度的群判斷矩陣對(duì)評(píng)價(jià)信息進(jìn)行集結(jié);文獻(xiàn)[11]運(yùn)用植物模擬生長(zhǎng)算法探討群體專家判斷矩陣的集結(jié)方法;文獻(xiàn)[12]分別對(duì)區(qū)間數(shù)AHP法和區(qū)間數(shù)模糊判斷矩陣的集結(jié)方法展開(kāi)了研究。(4)基于信息偏好的信息集結(jié)方法[13,14]。文獻(xiàn)[13]提出基于群組判斷集合離差的同質(zhì)性信息集結(jié)方法并用于群體決策中;文獻(xiàn)[14]提出兩種使群體達(dá)成共識(shí)的方法并對(duì)基于個(gè)體偏好的群體信息集結(jié)方法進(jìn)行研究。

      從群體評(píng)價(jià)的角度看,由于參與評(píng)價(jià)的人數(shù)及需要集結(jié)的數(shù)據(jù)相對(duì)較多,因此信息集結(jié)變的更加復(fù)雜。對(duì)于集結(jié)群體信息的一類解決方法是,根據(jù)不同評(píng)價(jià)者的重要程度確定不同評(píng)價(jià)者的權(quán)重系數(shù),然后按加權(quán)平均法進(jìn)行信息集結(jié),但這類方法存在2個(gè)問(wèn)題:(1)忽視評(píng)價(jià)者的經(jīng)驗(yàn)信息對(duì)信息集結(jié)結(jié)果的影響,而經(jīng)驗(yàn)信息可以用于輔助判斷評(píng)價(jià)者提供的信息的可能準(zhǔn)確程度;(2)評(píng)價(jià)者權(quán)重通常代表評(píng)價(jià)者給出的所有評(píng)價(jià)信息的權(quán)重,而同一評(píng)價(jià)者對(duì)被評(píng)價(jià)對(duì)象不同評(píng)價(jià)指標(biāo)的認(rèn)知程度很可能不相同,因而應(yīng)根據(jù)評(píng)價(jià)信息的不同賦予同一評(píng)價(jià)者不同的權(quán)重。針對(duì)上述2個(gè)問(wèn)題,本文提出一種考慮評(píng)價(jià)信息滿意度的信息集結(jié)方法,以進(jìn)一步提高群體信息集結(jié)的科學(xué)性和準(zhǔn)確性。

      1 問(wèn)題描述

      設(shè)評(píng)價(jià)者集合為S={s1,s2,…,sn},被評(píng)價(jià)對(duì)象集合為O={o1,o2,…,op},評(píng)價(jià)指標(biāo)集合為X={x1,x2,…,xm},評(píng)價(jià)者初始權(quán)重的集合為Ω={ω1,ω2,…,ωk},由評(píng)價(jià)者的經(jīng)驗(yàn)信息確定。xijk表示評(píng)價(jià)者sk對(duì)于被評(píng)價(jià)對(duì)象oi關(guān)于評(píng)價(jià)指標(biāo)xj的賦值,yik表示評(píng)價(jià)者sk給出的被評(píng)價(jià)對(duì)象oi的評(píng)價(jià)值,其中i=1,2,…,p;j=1,2,…,m;k=1,2,…,n,不失一般性,令m,n,p≥3,由xijk組成的評(píng)價(jià)信息矩陣如表1所示。如何將每個(gè)評(píng)價(jià)者的評(píng)價(jià)信息(xijk或yik)集結(jié)到一起是本文解決的重點(diǎn)問(wèn)題。

      表1 各評(píng)價(jià)者的指標(biāo)信息

      2 基于評(píng)價(jià)信息滿意度的信息集結(jié)方法

      評(píng)價(jià)信息滿意度是指按照某一原則或從某一(些)方面對(duì)評(píng)價(jià)信息(本文主要指評(píng)價(jià)者的經(jīng)驗(yàn)信息和評(píng)價(jià)過(guò)程中的信息)的滿意程度的數(shù)值測(cè)量。具體方法如下。

      2.1 評(píng)價(jià)信息滿意度矩陣的確定

      對(duì)各評(píng)價(jià)者的原始評(píng)價(jià)信息數(shù)據(jù){xijk}或{yik}進(jìn)行預(yù)處理,為方便起見(jiàn),記預(yù)處理后的指標(biāo)數(shù)據(jù)仍為{xijk}或{yik},并使xijk∈(0,1),yik∈(0,1)。

      (1)指標(biāo)信息滿意度矩陣的確定

      (1)

      可用熵值法計(jì)算ξjk[1]。具體計(jì)算過(guò)程如下:

      (2)

      (3)

      3)計(jì)算各評(píng)價(jià)者的不同評(píng)價(jià)指標(biāo)包含的信息量ξjk

      (4)

      其中ξjk∈(0,1)。

      (2)評(píng)價(jià)結(jié)果滿意度矩陣的確定

      評(píng)價(jià)結(jié)果滿意度矩陣的確定方法與指標(biāo)信息滿意度矩陣的確定方法類似,不同的是評(píng)價(jià)信息滿意度矩陣的個(gè)數(shù)與評(píng)價(jià)者的個(gè)數(shù)相同,而評(píng)價(jià)結(jié)果滿意度矩陣只有一個(gè)。

      (5)

      2.2 評(píng)價(jià)者權(quán)重的確定

      由于根據(jù)先驗(yàn)信息(如權(quán)威度、知識(shí)水平、實(shí)踐經(jīng)驗(yàn)等)確定的評(píng)價(jià)者初始權(quán)重對(duì)當(dāng)前實(shí)際問(wèn)題的考慮相對(duì)較少,甚至?xí)霈F(xiàn)與實(shí)際情況不符的情況,因此應(yīng)利用本次評(píng)價(jià)活動(dòng)的評(píng)價(jià)信息對(duì)評(píng)價(jià)者初始權(quán)重進(jìn)行修正。

      由先驗(yàn)信息確定評(píng)價(jià)者初始權(quán)重的方法

      本文由先驗(yàn)信息確定的評(píng)價(jià)者初始權(quán)重主要通過(guò)評(píng)價(jià)者的先驗(yàn)信息滿意度進(jìn)行衡量,評(píng)價(jià)者的先驗(yàn)信息滿意度則通過(guò)各評(píng)價(jià)者在過(guò)去幾次參與評(píng)價(jià)活動(dòng)中給出的評(píng)價(jià)結(jié)果與該評(píng)價(jià)活動(dòng)最終的評(píng)價(jià)結(jié)果的相似程度確定,具體方法如下。

      (6)

      式中,μk表示評(píng)價(jià)者sk的先驗(yàn)信息滿意度,gk(ta)表示評(píng)價(jià)者sk在過(guò)去ta(a=1,2,…,h)時(shí)刻的先驗(yàn)信息滿意度的大小(可以采取打分等形式確定),πa為ta時(shí)刻的先驗(yàn)信息滿意度的權(quán)重。πa的值可按模型(7)計(jì)算,其含義見(jiàn)文獻(xiàn)[15]。

      (7)

      其中“時(shí)間度ε”可根據(jù)實(shí)際情況按表2確定。

      表2 “時(shí)間度”的標(biāo)度參考表

      因此評(píng)價(jià)者初始權(quán)重的計(jì)算如下:

      (8)

      評(píng)價(jià)者修正權(quán)重的確定

      (1)集結(jié)指標(biāo)信息時(shí)評(píng)價(jià)者權(quán)重的修正

      當(dāng)集結(jié)指標(biāo)信息時(shí)評(píng)價(jià)者初始權(quán)重的修正原則是對(duì)不同指標(biāo)信息分別修正,方法如下:

      (9)

      式中,rijk表示對(duì)評(píng)價(jià)者sk的指標(biāo)信息xijk的權(quán)重修正系數(shù),通過(guò)aijk影響評(píng)價(jià)者sk對(duì)評(píng)價(jià)指標(biāo)xj的整體認(rèn)知程度和對(duì)被評(píng)價(jià)對(duì)象oi的整體認(rèn)知程度共同確定,ωijk表示對(duì)xijk的賦權(quán),rijk的計(jì)算方法如下:

      (10)

      式中,fijk表示評(píng)價(jià)者sk對(duì)被評(píng)價(jià)對(duì)象oi的總體認(rèn)知程度受指標(biāo)信息xijk的影響程度,gijk表示評(píng)價(jià)者sk對(duì)評(píng)價(jià)指標(biāo)xj的總體認(rèn)知程度受指標(biāo)信息xijk的影響程度,fijk和gijk的計(jì)算方法如下:

      (11)

      (12)

      (13)

      (14)

      (15)

      (16)

      (2)集結(jié)評(píng)價(jià)值時(shí)評(píng)價(jià)者的修正權(quán)重

      集結(jié)評(píng)價(jià)值時(shí)評(píng)價(jià)者初始權(quán)重的修正原則是對(duì)各評(píng)價(jià)者給出的不同評(píng)價(jià)值分別修正,具體方法如下:

      (17)

      式中,lik為權(quán)重修正系數(shù),表示評(píng)價(jià)者sk對(duì)被評(píng)價(jià)對(duì)象oi的整體認(rèn)知程度,zik表示修正后各評(píng)價(jià)者不同評(píng)價(jià)結(jié)果的權(quán)重,lik的計(jì)算方法如下:

      (18)

      2.3 基于評(píng)價(jià)信息滿意度的群體信息集結(jié)模型

      當(dāng)集結(jié)指標(biāo)信息xijk時(shí),按照§2.2計(jì)算出的各評(píng)價(jià)者權(quán)重矩陣如下:

      (19)

      當(dāng)集結(jié)信息為評(píng)價(jià)值yik時(shí),根據(jù)§2.2計(jì)算出的各評(píng)價(jià)者的權(quán)重向量如下:

      Zk=(z1k,z2k,…,zik)

      (20)

      因此當(dāng)評(píng)價(jià)信息為指標(biāo)信息時(shí)的集結(jié)方式為:

      (21)

      當(dāng)評(píng)價(jià)信息為評(píng)價(jià)值時(shí)的集結(jié)方式為:

      (22)

      2.4 群體信息集結(jié)的具體步驟

      綜上所述,歸納出基于群體評(píng)價(jià)信息滿意度的信息集結(jié)方法的步驟:

      步驟1收集參評(píng)價(jià)者的相關(guān)信息,利用式(6)及式(7)確定對(duì)各評(píng)價(jià)者的先驗(yàn)信息滿意度,并利用式(8)確定各評(píng)價(jià)者的初始權(quán)重ωk。

      步驟2請(qǐng)各評(píng)價(jià)者根據(jù)實(shí)際問(wèn)題分別給出評(píng)價(jià)信息,并對(duì)這些信息進(jìn)行預(yù)處理。

      步驟3利用熵值法和式(1)~式(5)計(jì)算需要集結(jié)的評(píng)價(jià)信息的滿意度矩陣Ak或E。

      步驟4根據(jù)式(10)、式(16)或式(18)計(jì)算各評(píng)價(jià)者的權(quán)重修正系數(shù)rijk或lik,并根據(jù)式(9)或式(17)計(jì)算各評(píng)價(jià)者的修正權(quán)重矩陣Ωk或向量Zk。

      步驟5根據(jù)不同的評(píng)價(jià)信息,選擇式(21)或式(22)對(duì)評(píng)價(jià)信息進(jìn)行集結(jié),計(jì)算出群體信息最終的集結(jié)結(jié)果X或Y。

      2.5 關(guān)于方法的幾點(diǎn)說(shuō)明

      (1)評(píng)價(jià)信息滿意度的確定綜合考慮了單個(gè)評(píng)價(jià)者局部信息的離散程度和所有評(píng)價(jià)者同一信息間的偏離程度。

      (2)對(duì)先驗(yàn)信息確定的評(píng)價(jià)者初始權(quán)重進(jìn)行修正,有利于降低因先驗(yàn)信息不能完全反應(yīng)各評(píng)價(jià)者在此次評(píng)價(jià)中的表現(xiàn)而出現(xiàn)的專家權(quán)重不合理的問(wèn)題。

      (3)評(píng)價(jià)者的初始權(quán)重在修正的過(guò)程中分解成多了個(gè)權(quán)重,避免以一個(gè)評(píng)價(jià)者權(quán)重代表該評(píng)價(jià)者所有評(píng)價(jià)信息重要程度的弊端。

      (4)信息集結(jié)過(guò)程中選擇“和型”公式,可以突出滿意度高的評(píng)價(jià)者的作用,但根據(jù)實(shí)際問(wèn)題也可以選擇不同類型的集結(jié)模型。

      (5)由于方法中采用了熵值法,因此要求預(yù)處理后的指標(biāo)值大于零,所以在指標(biāo)數(shù)據(jù)的預(yù)處理過(guò)程中需要注意該問(wèn)題。

      (6)若出現(xiàn)各評(píng)價(jià)者對(duì)同一被評(píng)價(jià)對(duì)象的同一指標(biāo)的預(yù)處理值完全相同的極端情況,該方法失效。

      3 應(yīng)用算例

      某市預(yù)實(shí)施一項(xiàng)電動(dòng)汽車充換電設(shè)施工程項(xiàng)目,目前有4個(gè)方案并請(qǐng)4位專家對(duì)其從6個(gè)指標(biāo)進(jìn)行評(píng)價(jià),這6個(gè)指標(biāo)分別是安全可靠性x1、先進(jìn)性x2、經(jīng)濟(jì)效益x3、造價(jià)控制x4、環(huán)境影響x5和實(shí)用性x6,所有指標(biāo)信息均由評(píng)價(jià)者結(jié)合實(shí)際情況給出(已做預(yù)處理)見(jiàn)表3~表6,各評(píng)價(jià)者過(guò)去5次參與評(píng)價(jià)活動(dòng)時(shí)的信息(先驗(yàn)信息的打分)見(jiàn)表7。

      表3 專家s1給出的指標(biāo)信息

      表4 專家s2給出的指標(biāo)信息

      表5 專家s3給出的指標(biāo)信息

      表6 專家s4給出的指標(biāo)信息

      表7 各專家過(guò)去評(píng)價(jià)活動(dòng)的評(píng)分

      應(yīng)用本文的研究做如下計(jì)算:

      (1)按式(7)可得πa=(0.128,0.157,0.192,0.235,0.288),按式(6)可得4位專家的先驗(yàn)信息滿意度分別為5.001,6.273,5.781,5.500,根據(jù)式(8)可得4位專家的初始權(quán)重為ωk=(0.22,0.28,0.26,0.24)。

      (2)按式(1)~式(4)計(jì)算4位專家的評(píng)價(jià)信息滿意度矩陣,其中c=0.5,為節(jié)省篇幅,表8僅列出專家s1的計(jì)算結(jié)果(下同)。

      表8 專家s1各指標(biāo)信息的滿意度

      (3)根據(jù)式(10)~式(16)計(jì)算4位專家權(quán)重的修正系數(shù),結(jié)果見(jiàn)表9。

      表9 專家s1的權(quán)重修正系數(shù)

      (4)根據(jù)式(9)計(jì)算4位專家的權(quán)重矩陣,計(jì)算結(jié)果見(jiàn)表10。

      表10 專家s1的權(quán)重矩陣

      (5)按式(21)求解最終集結(jié)成的群信息,結(jié)果見(jiàn)11。

      表11 最終的群集結(jié)結(jié)果

      從各評(píng)價(jià)者的權(quán)重矩陣中可以看出,在信息集結(jié)的過(guò)程中各評(píng)價(jià)者的指標(biāo)信息中的不同元素的重要程度是不同的,同一評(píng)價(jià)者不同元素的權(quán)重差距甚至很大,說(shuō)明本文提出的方法能夠反映出同一評(píng)價(jià)者給出的不同評(píng)價(jià)信息的準(zhǔn)確程度是不同的,因此應(yīng)根據(jù)信息的變化賦予其不同的權(quán)重,這也與實(shí)際情況相符。

      4 結(jié)束語(yǔ)

      針對(duì)如何集結(jié)多個(gè)評(píng)價(jià)者的評(píng)價(jià)信息問(wèn)題,本文通過(guò)考慮評(píng)價(jià)信息的滿意度,對(duì)群體信息的集結(jié)方法進(jìn)行了研究,其特色主要有:(1)提出評(píng)價(jià)信息滿意度的概念,嘗試性的從離散程度的角度對(duì)其進(jìn)行測(cè)度,并從群體評(píng)價(jià)信息滿意度的角度構(gòu)建信息集結(jié)方法,(2)考慮了評(píng)價(jià)者先驗(yàn)信息的重要作用,并綜合利用評(píng)價(jià)者的先驗(yàn)信息以及評(píng)價(jià)過(guò)程中的信息確定各評(píng)價(jià)者的權(quán)重。(3)方法打破以往研究中評(píng)價(jià)者權(quán)重固定不變的思想或做法,而是在集結(jié)過(guò)程中對(duì)評(píng)價(jià)者的不同信息賦予不同的權(quán)重,使處理過(guò)程更加公正、合理。文中最后通過(guò)一個(gè)算例說(shuō)明了方法的應(yīng)用過(guò)程,從算例也可以看出本文提出的群體信息集結(jié)方法的合理性。

      猜你喜歡
      評(píng)價(jià)者先驗(yàn)權(quán)重
      切忌班門(mén)弄斧?低估在評(píng)價(jià)者擅長(zhǎng)領(lǐng)域展現(xiàn)能力的好處*
      權(quán)重常思“浮名輕”
      基于無(wú)噪圖像塊先驗(yàn)的MRI低秩分解去噪算法研究
      基于評(píng)價(jià)信息滿意度的群體信息集結(jié)方法
      為黨督政勤履職 代民行權(quán)重?fù)?dān)當(dāng)
      基于公約式權(quán)重的截短線性分組碼盲識(shí)別方法
      基于自適應(yīng)塊組割先驗(yàn)的噪聲圖像超分辨率重建
      學(xué)習(xí)者為評(píng)價(jià)者的國(guó)際漢語(yǔ)教材評(píng)價(jià)標(biāo)準(zhǔn)預(yù)試研究
      基于平滑先驗(yàn)法的被動(dòng)聲信號(hào)趨勢(shì)項(xiàng)消除
      先驗(yàn)的廢話與功能的進(jìn)路
      怀宁县| 东平县| 华宁县| 武山县| 邯郸市| 怀柔区| 舒兰市| 塔河县| 天全县| 富宁县| 潞西市| 湘潭市| 安乡县| 长沙县| 湘阴县| 莱芜市| 林甸县| 丹东市| 浙江省| 建瓯市| 铅山县| 溧阳市| 定襄县| 通辽市| 北京市| 永寿县| 兴宁市| 即墨市| 万山特区| 沂源县| 安宁市| 岳西县| 华蓥市| 黄山市| 湖北省| 读书| 涟源市| 商都县| 秦皇岛市| 内江市| 密云县|