[发明专利]基于图片模糊集和粒子群优化权重的模糊多属性决策

说明书

本发明公开了一种基于图片模糊集和粒子群优化权重的模糊多属性决策。实施方法包括：通过图片模糊加权平均算子，将多个专家决策矩阵聚集，构成初始决策矩阵；通过基于图片模糊数的熵权法，计算属性初始权重；初始化粒子位置、速度和聚类中心；更新隶属度矩阵并计算目标函数值；更新粒子个体最优位置、全局最优位置、速度、位置和聚类中心矩阵；迭代执行直至满足终止条件，将全局最优粒子的位置作为最终决策属性权重，并根据其所对应的隶属度矩阵，对方案集进行划分；通过TOPSIS法对最优方案集排序。本发明解决了属性客观权重未知和大数据时代所带来的巨大计算复杂性问题，可应用于多属性决策场景，例如环保企业选择、项目投资等。

技术领域

本发明提供一种基于图片模糊集和粒子群优化权重的模糊多属性决策，涉及社会经济和工程技术领域中广泛存在的多属性决策问题，属于数据挖掘技术领域和方案决策技术领域。

背景技术

模糊多属性决策是决策领域的重要组成部分，主要广泛应用于包含多个属性的有限备选方案的决策问题，其中对每个备选方案的评价信息一般采用模糊数或模糊语言来进行表示。图片模糊集综合考虑了决策者在实际情景下对备选方案评估时表现出的支持、反对、弃权和中立四种评判，以隶属度、非隶属度、放弃度和犹豫度来进行表示，表达了决策者在决策时的模糊性和不确定性，有利于决策者做出更加合理的判断。粒子群算法作为群体智能算法，粒子个体之间既保持相互协作，又保持独立搜索，因此使得算法具有寻优速度快，收敛精度高的优点，将其应用到模糊多属性决策领域，对决策属性权重寻优，降低了主观确定属性权重的不合理性。TOPSIS法根据备选方案与理想方案之间的贴近度来对方案集进行综合排序，贴近度值越大则方案越优，是一种逼近理想解的多目标排序方法。

发明内容

发明目的：在大数据时代随着数据量的增多带来了巨大计算复杂性问题，同时在图片模糊多属性决策问题中由于存在决策属性客观权重未知的情况，导致在决策过程中人为指定决策属性权重，致使决策结果不够准确，因此针对以上问题，将数据挖掘领域中的模糊C均值、粒子群优化与基于图片模糊集的多属性决策问题相结合，通过粒子群优化策略最小化FCM目标函数，使决策属性权重和聚类协同优化，从而得到合理的方案集划分，最后采用TOPSIS结合PSO搜索的权重对最佳方案集进行排序。本发明有效降低了决策者工作量和主观确定属性权重的不合理性。

为实现上述目的，如图1所述为本发明的基本流程图，该方法包括以下步骤：

S1：通过专家权重和图片模糊加权平均算子，将多个专家决策矩阵进行聚集，构成图片模糊初始决策矩阵；

S2：通过图片模糊初始决策矩阵和基于图片模糊数的熵权法，计算决策属性权重；

S3：粒子位置初始化，将第一个粒子位置初始化为由S2所得到的决策属性权重，其余粒子位置在决策属性权重指定变化范围内取随机数。粒子速度初始化，在最小速度和最大速度范围内取随机数；

S4：从方案集中随机选择若干个方案作为初始聚类中心；

S5：更新隶属度矩阵，计算目标函数值；

S6：首先更新粒子个体最优位置和全局最优位置，然后更新粒子速度和位置；

S7：更新聚类中心矩阵；

S8：重复执行S5至S7，直至满足终止条件；

S9：输出全局最优粒子的位置作为最终决策属性权重，根据全局最优粒子所对应的隶属度矩阵，对方案集进行划分；

S10：对最优方案集通过TOPSIS方法进行择优和排序。