基于概率语言软集的群决策方法及其在公众生态环境满意度评价中的应用

Ecological environment evaluation is important to the performance management of government. Due to complexity of evaluation and difficulty of quantifying information, probabilistic linguistic information becomes an effective form applied in ecological environment evaluation. Constructing new evaluation models and methods to probabilistic linguistic information turns to be a key scientific problem with both theoretical and practical significance in the evaluation decision-making. Based on soft set parametric processing, fusion the characters of probabilistic linguistic term set and fuzzy soft set, this project proposes concepts of a novel probabilistic linguistic soft set, and discusses logic operations and mathematical properties. Meanwhile, information aggregation operators of probabilistic linguistic soft set are developed through dealing with interaction between indicators of information and setting control parameters, induced variables and expanding linguistic term set. Furthermore, measures of distance, similarity and correlation are defined based on new probabilistic linguistic soft set information; combing the level soft set, TOPSIS, VIKOR and PROMTHEE method, models for group decision making based on probabilistic linguistic soft set are constructed. Simultaneously, optimal combination weighting method of evaluation indicators is presented. Additionally, effectiveness and feasibility of proposed models are verified through illustrating examples of evaluation in public satisfaction with the ecological environment. This project will benefit improving the theory of probabilistic linguistic soft set and providing the government management departments with analysis tools.

生态环境评价是政府工作绩效管理的重要组成部分。由于评价工作的复杂性且存在难以量化的信息，因而概率语言信息成为生态环境评价的一种有效信息形式。如何构建新的概率语言信息的评价模型和方法成为评价决策中既有理论又有实践意义的关键科学问题。本项目拟通过软集参数化处理，融合概率语言术语集和模糊软集的特点，提出一类概率语言软集的概念，探讨其逻辑运算及若干数学性质；考虑数据间相互影响，通过设置控制参数、诱导变量和拓展语言集合，提出若干概率语言软集的信息集成算子；同时定义新的信息形式下距离、相似和关联等测度指标，结合水平软集、TOPSIS、VIKOR、PROMTHEE等决策原理，构建多种基于概率语言软集的群决策模型，并探讨指标权重的最优组合赋权方法。该研究有助于完善不确定环境下的决策理论，并为实际政府管理部门提供科学的分析工具。

生态环境评价是政府工作绩效管理的重要组成部分，但实际评价中存在复杂性和信息难以量化的困难，因而概率语言信息成为生态环境评价的一种有效信息形式。本项目团队在国家基金（71901088）的资助下，对概率语言信息等复杂信息环境下的运算性质、融合方法、测度理论以及决策模型予以系统研究。通过软集参数化处理将概率语言术语集与软集相结合，提出概率语言术语软集的概念，定义集合运算的规则，并对其性质给出数学证明，据此构建多属性群决策模型，并探讨模型的有效性。以概率语言术语软集研究为依托，进一步探索复杂信息与软集相结合，分别提出基于语言Z‐数模糊软集、基本不确定信息软集的多属性群决策模型，并验证模型的有效性。鉴于现有概率信息运算不满足封闭性，基于阿基米德copula和co-copula函数，提出阿基米德copula加权概率对偶犹豫模糊信息集成算子，并利用熵权法确定属性权重，构建群决策模型。进一步，针对决策信息的相互影响，开展了概率语言信息、概率犹豫模糊语言软集和基本不确定信息软集的距离测度、关联测度、相关系数和熵等信息测度研究，并结合水平软集、TOPSIS、VOKOR、PROMTHEEⅡ等决策原理，综合考虑复杂决策问题中涉及的信息测度、完全未知权值信息、信息融合和信息损失等诸多因素，构建了一系列多属性决策方法及模型。最后，本项目将理论成果应用于公众生态环境满意度评价、天然气安全性评估、营商环境满意度评价和绿色经济效率测算等一系列实际问题中，为相关部门的决策分析提供理论依据。. 项目实施三年来，按研究计划有序进行，本项目资助发表和录用论文10篇。项目主持人完成学术专著一部，本人或参与发表和录用论文7篇，其中SCI/EI检索论文3篇，CSSCI检索期刊论文2篇，IEEE检索论文1篇，国家自然科学基金委A类期刊《运筹与管理》论文1篇。本项目资助论文均标注国家自然科学基金（71901088）的资助。依托项目开展课、赛、研互促共进人才培养模式，培养研究生4名，指导本科生参加全国大学生数学建模竞赛、统计建模竞赛及市场调查大赛等，共获得省级及以上奖项9项。因此，该项目完成了研究计划，取得了一系列创新性成果，这些成果表明本项目已达到预先设定的研究目标。本项目研究进一步丰富了群决策和软集理论，对生态环境等评价有较好的指导性，因而具有重要的理论和应用价值。