考虑决策者权重和核心评级的模糊排序方法

决策者的专业背景、评价对象属性的受关注度均存在显著差异,而鲜有模糊多属性决策(Fuzzy Multiple Attribute Decision-making,FMAD)方法考虑决策者权重和属性核心评级对评价结果的作用,对此设计积分式模糊排序方法(Integral Fuzzy Ranking Method,IFRM)。在模糊理论的基础上,将语言变量量化为三角模糊数;根据个体评价与集结评价间的差距,更新决策者权重直至稳定;运用熵权法计算核心评级的信息熵,确定属性权重及评价对象的综合集结模糊评级,并基于积分式模糊偏好,给出任意两个方案间的偏好度,进而形成置信度最大的排序。以某品牌的共享单车为例,对比了常见多属性决策(Multi-Attribute Decision-making,MAD)方法的特点和方案排序结果,分析表明IFRM方案的排序结果有较高的一致性与置信度,对于解决模糊MAD问题具有可行性、有效性和优越性。