基于证据理论的不完全信息综合评价方法与应用研究

Based on the Dempster-Shafer theory，this project researches on comprehensive evaluation problems with incomplete information, according to the procedure of status analysis and presentation of questions, improvement of existing research, presentation of new method and application research. Then the research system will be established about the study of comprehensive evaluation problems with incomplete information based on Dempster-Shafer theory. Firstly, the improvements of existing research are done on the aspects of appropriateness of modeling, the computation efficiency of the algorithm, and the scope of application, using Dempster-Shafer theory, comparative study method, and fuzzy mathematics method. Then, using Dempster-Shafer theory combined with the thought of OWA (ordered weighted averaging) operator on information aggregation, the new model is proposed to solving the comprehensive evaluation problems with incomplete information. That is the ordered weighted information aggregation model. And then, the research topics is expanded beyond the range of the existing research on the multi-attribute comprehensive evaluation problems with incomplete information. The extended topics include determination of attribute weight and group evaluation. Some new approaches on these topics are proposed under the definitions of induced component and the arrangement of the position weight, using the ordered weighted information aggregation model. At last, the research in application is developed on the dynamic inspection of practical effect with theoretical model, programming computer-oriented algorithm, and the actual evaluation on the aspects of supplier selection, investment project selection, environmental assessment and so on.

在D-S证据理论的框架下，以问题分析、方法改进、新方法提出及应用研究为研究轨迹，对不完全信息综合评价问题进行研究，建立基于证据理论的不完全信息综合评价问题研究体系。首先，运用D-S证据理论、比较研究方法、模糊数学方法，对已有基于证据理论的不完全信息综合评价模型的合理性、算法的运算效率、方法的适用范围进行改进研究；其次，将D-S证据理论与OWA算子理论的信息融合思想结合，提出一套新的不完全信息综合评价的有序加权集结模型；然后，将面向多属性信息集结的已有研究内容，拓展到属性赋权问题、群组评价问题，通过有序集结模型中集结算子诱导分量的定义和位置权重的确定，提出具有决策意图导向的不完全信息属性赋权方法，以及基于多数人规则的群组评价方法等；最后，在应用研究内容中，对方法实施的效果进行动态检测，开发面向计算机应用的算法程序，同时，在供应商选择、投资项目选择、环境评估等方面获得实际应用。

在综合评价领域，不完全评价信息的表达与集成方式的探索具有重要的理论和现实意义。D-S证据理论在解决不完全信息综合评价问题上表现出了非凡的潜力，本项目以其为主要研究方法，结合OWA 算子理论、优化理论、模糊数学理论等领域的知识，以问题分析、方法改进、新方法提出及应用研究为研究轨迹，对不完全信息综合评价问题进行研究。主要研究内容包括：1）不完全信息综合评价问题分析和方法改进研究；2）基于证据理论的不完全信息综合评价有序集结模型研究；3）基于证据理论的不完全信息有序集结模型的序诱导分量的研究；4）不完全信息综合评价模型的应用研究；5）基于创新扩散视角的创新采纳主观评价信息集成方法研究。.本项目的研究明晰了基于证据理论解决不完全信息综合评价问题中不同方法的适用性，为相关问题的研究奠定了基础。不完全信息综合评价有序集结模型的提出，改变了权向量与特定不完全信息相关的假设，当决策者希望以一个特定的重排序的形式对不完全信息进行集结时，新模型将会发挥它的作用。序诱导变量的研究从证据之间提取信息，构造不完全综合评价信息的序诱导变量，进而实现对不完全综合评价信息的有序集结；“期望效用”等序诱导变量均可以体现不同的决策意图，应用于不同的决策情景。该研究拓展了不完全信息综合评价问题的研究思路，丰富了复杂环境下不完全信息综合评价问题的解决方法。将不完全信息综合评价的理论模型应用于实证研究，加强了不完全信息综合评价理论方法研究的实用性。研究成果对更好地解决实践中的综合评价问题，具有重要的参考价值。