Corresponding author: LIU Yun-zhi, E-mail: yunzhi_liu@126.com
风险型多属性决策是指在不确定环境下依据多个属性进行有限方案排序或选择的问题,该问题的特点是:在决策过程中每个备选方案都会遇到几种不同的可能情况,而且已知每一种情况的可能性有多大,即发生的概率有多大,因此在依据不同概率所拟定的多个决策方案中,不论选择哪一种方案,都要承担一定的风险,其在经济管理及工程管理等多个领域具有广泛的实际背景[1, 2].但在一些现实的风险型多属性决策问题中,决策者可能会对每个属性给出参照点,且在不同自然状态下的参照点是不同的,而属性值超过参照点的部分被视为“收益”,没有达到参照点的部分被视为“损失”,这体现了决策者的心理行为.因此,针对决策者给出参照点的风险型多属性决策问题的研究是值得关注的.目前,关于此方面的研究,已有一些相关的研究成果[3, 4, 5, 6],而这些研究成果主要是建立在Kahneman和Tversky所提出的前景理论[7, 8]的基础之上.需要指出的是,已有的研究成果很少考虑解决多人(或多个参与决策人)给出参照点的风险型多属性决策问题.鉴于此,本文针对多人给出参照点的风险型多属性决策问题,提出一种基于累积前景理论的决策分析方法,该方法首先依据累积前景理论计算各参与决策人针对各方案的综合累积前景值,然后计算基于多人一致性分析的每个参与决策人的权重,并在此基础上计算每个方案的总体累积前景值,进而对各备选方案进行排序.
1 问题描述在考虑多人给出参照点的风险型多属性决策问题中,为便于分析,用以下符号来描述该问题中所涉及的集和量.H={1,2,…,h}为h个自然状态的下标集合(下文论述中的“自然状态”均被简称为“状态”);S={S1,S2,…,Sh}为h个状态的集合,其中St为第t种状态,t∈H;Pt为St发生的概率,满足Pt∈[0,1],∑ h t=1 Pt=1;M={1,2,…,m}为m个备选方案的下标集合;A={A1,A2,…,Am}为m个备选方案的集合,其中Ai为第i个备选方案,i∈M;N={1,2,…,n}为n个属性的下标集合;C={C1,C2,…,Cn}为n个属性的集合,其中Cj为第j个属性,j∈N,且C1,C2,…,Cn是加性独立的;Nb,Nc为效益型属性、成本型属性的下标集合,满足Nb∪Nc=N,Nb∩Nc=; ω =(ω1,ω2,…,ωn)为属性权重向量,其中ωj为属性Cj的权重或重要程度,满足ωj∈[0,1],∑ n j=1 ωj=1;K={1,2,…,k}为k个参与决策人(专家或决策者)的下标集合;E={E1,E2,…,Ek}为k个参与决策人的集合,其中El表示第l个参与决策人,l∈K; η =(η1,η2,…,ηk)为参与决策人的影响程度向量,其中ηl为参与决策人El对决策过程的影响程度,满足ηl∈[0,1],∑ k l=1 ηl=1; Qlt=(qlt1,qlt2,…,qltn)为参与决策人El在状态St下针对各属性所给出的参照点向量,其中qlij为针对属性Cj的参考点,j∈N,t∈H,l∈K; D t=[dijt]m×n×h为状态St下的风险决策矩阵,其中dijt为在状态St下方案Ai针对属性Cj的属性值或结果,i∈M,j∈N,t∈H.
在本文中,考虑决策信息的数据类型均为清晰数的形式.本文要解决的问题是,依据上述决策信息,如何通过一个有效的决策分析方法来确定所有方案的排序或选择最优方案.
2 决策方法 2.1 每个参与决策人针对各方案的综合累积前景值的计算关于每个参与决策人针对各方案的综合累积前景值的计算,其具体计算过程如下:
1) 依据累积前景理论[8],计算每个参与决策人针对状态St下属性Cj的属性值dijt相对于参照点qltj的益损值F(dijt),其计算公式为
2) 考虑到每个参与决策人面对收益和损失时具有不同的风险态度,依据益损值F(dijt),可计算方案Ai针对属性Cj的属性值dijt的前景价值vlijt.若记v(-)lijt和v(+)lijt分别表示方案Ai在各状态下遭受损失时针对属性Cj所对应的前景价值和获得收益时针对属性Cj所对应的前景价值,则依据累积前景理论[8],前景价值vlijt的计算公式为
3) 将前景价值vlijt规范化为,规范化处理的目的是消除不同物理量纲对最终决策结果的影响,且vlijt的规范化公式为
4) 将前景价值vlij1,vlij2,…,vlijh由小到大进行排序,得到vlij(1)≤…≤vlij(ζ)≤0≤vlij(ζ+1)…≤vlij(h),其中vlij(o)表示vlij1,vlij2,…,vlijh中从小到大排在第o位的前景价值.若o≤ζ,则vlij(o)=v(-)lijo≤0;若ζ+1≤o,则vlij(o)=v(+)lijo≥0,o∈H.相应地,记vlij(o)所对应的状态为So,So∈{S1,S2,…,Sh};So所对应的状态概率为Po,Po∈{P1,P2,…,Ph}.进而,可计算方案Ai针对属性Cj的属性值dijt所对应的决策权重函数值πlijo.若记π(-)lijo和π(+)lijo分别表示方案Ai在状态So下遭受损失时所对应的决策权重函数值和获得收益时所对应的决策权重函数值,则依据累积前景理论[8],决策权重函数值πlijo的计算公式为
依据文献[11],式(7)和式(8)中的w-(·)和w+(·)分别为
5) 依据式(5)~式(10),计算方案Ai针对属性Cj的累积前景值,其计算公式为
6) 依据式(11)和属性权重向量 ω =(ω1,ω2,…,ωn),计算每个人针对各方案的综合累积前景值Uli,其计算公式为
依据文献[12]的基本思想,计算每个参与决策人的权重,具体的计算过程如下:
1) 依据规范化的前景价值 lijt和决策权重函数值πlijt,构建加权价值矩阵 lt=[lijt]m×n×h,该矩阵中的元素 lijt的计算公式为
2) 依据加权价值矩阵 lt=[lijt]m×n×h,分别构建正理想加权价值矩阵 B t=[bijt]m×n×h,右负理想加权价值矩阵 t=[ijt]m×n×h和左负理想加权价值矩阵 B t=[b ijt]m×n×h,其中bijt,ijt和 b ijt的计算公式分别为
3) 依据式(13)~式(16),分别计算Euclidean距离slt,lt和 slt,相应的计算公式分别为
4) 依据式(17)~式(19),计算参与决策人El在状态St下的决策信息与总体决策信息的一致性程度GCIlt,其计算公式为
5) 依据式(20)和状态概率Pt,计算每个决策参与人对应的期望一致性程度EGCIt,其计算公式为
6) 综合参与决策人的期望一致性程度EGCIl和影响程度向量 η =(η1,η2,…,ηk),计算每个参与决策人的权重SEGCIl,其计算公式为
7) 对权重SEGCIl进行规范化,得到参与决策人的权重向量 δ =(δ1,δ2,…,δk),其中δl的计算公式为
依据由式(12)得到的各方案的综合累积前景值Uli和由式(23)得到的各参与决策人的权重δl,i∈M,l∈K,计算每个方案的总体累积前景值Ui,其计算公式为
进而,依据Ui的大小可对所有方案进行排序,Ui愈大,相应的方案愈排在前面.
综上所述,下面给出考虑多人给出参照点的风险型多属性决策方法的具体计算步骤.
步骤1 依据式(1)~式(4),计算每个方案针对各属性的属性值所对应的前景价值vlijt,并依据式(5),将前景价值vlijt规范化为.
步骤2 依据式(6)~式(10),计算每个方案针对各属性的属性值所对应的决策权重函数值πlijo.
步骤3 依据式(11),计算每个方案针对各属性的累积前景值,并依据式(12),计算各参与决策人针对各方案的综合前景值Uli.
步骤4 依据式(13),构建加权价值矩阵,并依据式(14)~式(16),分别构建正理想加权价值矩阵 B t=[bijt]m×n×h,右负理想加权价值矩阵和左负理想加权价值矩阵
步骤5 依据式(17)~式(21),计算每个参与决策人对应的期望相似系数EGCIl.
步骤6 依据式(22)和式(23),计算参与决策人权重向量 δ .
步骤7 依据式(24),计算各方案的总体累积前景值Ui,并据此对所有方案进行排序.
3 算例分析为说明本文给出的决策方法的可行性,下面考虑一个风险投资项目选择问题.某投资银行欲选择一个项目进行投资,该投资银行组建了一个由3位投资专家(E1,E2,E3)组成的投资咨询组,经咨询组商议后,现有5个备选项目(A1,A2,A3,A4,A5),且决策者考虑的属性主要有3个(C1,C2,C3),即期望净现值C1(单位:万元)、风险盈利值C2(单位:万元)和风险损失值C3(单位:万元).在这3个属性中,属性C1和C2为效益型属性,C3为成本型属性.另外,在投资期间,有3种可能的市场状态(S1,S2,S3),分别为好、中和差,且已经估计各市场状态发生的概率分别为P1=0.3,P2=0.5,P3=0.2.假设决策者提供的属性权重向量为 ω =(0.6,0.2,0.2),专家影响程度向量为 η =(0.2,0.6,0.2).假设3位投资专家分别针对各市场状态给出属性的参照点向量分别为 Q11=(320,100,40),Q12=(260,100,60),Q13= (210,60,70); Q21=(360,120,55),Q22=(300,110,70),Q23=(250,70,70); Q31=(300,90,30),Q32=(250,80,50),Q33=(200,50,60).不同市场状态下的风险决策矩阵为 D t,t=1,2,3(如表 1所示).
下面,运用前文给出的决策分析方法来选择最优项目进行投资,有关计算过程描述如下:
步骤1 依据式(1)~式(4),计算每个方案针对各属性的前景价值vlijt,并依据式(5),将前景价值vlijt规范化为,其中式(3)和式(4)中的参数取值为文献[7]提供的实验值,α1=α2=α3=β1=β2=β3=0.88,θ1=θ2=θ3=2.25.
步骤2 依据式(6)~式(10),计算每个方案针对各属性的属性值所对应的决策权重函数值πlijo,其中式(9)和式(10)中的参数γ-,γ+和φ分别取γ-=0.8,γ+=0.8和φ=1.0[11].
步骤3 依据式(11),计算每个方案针对各属性的累积前景值,并依据式(12),计算每个专家针对各方案的综合前景值,即:U11=-0.42,U12=0.58,U13=0.28,U14=-0.68,U15=0.39;U21=-0.59,U22=0.12,U23=-0.16,U24=-0.79,U25=-0.10;U31=-0.12,U32=0.65,U33=0.41,U34=-0.19,U35=0.47.
步骤4 依据式(13),构建加权价值矩阵,和,并依据式(14)~式(16),构建正理想加权价值矩阵Bt=[bijt]m×n×h,右负理想加权价值矩阵和左负理想加权价值矩阵.
步骤5 依据式(17)~式(21),计算每个专家对应的期望一致性程度为EGCI1=0.84,EGCI2=0.72,EGCI3=0.75.
步骤6 依据式(22)和式(23),计算专家权重向量为 δ =(0.31,0.40,0.29),即每个专家的权重分别为δ1=0.31,δ2=0.40,δ3=0.29,其中式(22)中的调节因子取μ=0.5.
步骤7 依据式(24),计算各方案的总体累积前景值分别为U1=-0.40,U2=0.42,U3=0.14,U4=-0.58,U5=0.22.进一步地,可知U2>U5>U3>U1>U4,进而得到所有备选方案的排序结果为A2>A5>A3>A1>A4,即选择项目A2进行投资.
由算例的计算过程可以看出,本文给出的决策分析方法具有以下两个优点:①针对多人给出参照点情形的风险型多属性决策问题,提供了一种较为科学、有效的决策分析工具,即体现在将累积前景理论应用于多人给出参照点情形的风险型多属性决策问题;②在充分利用客观决策信息的同时,兼顾到了主观决策信息对决策结果的影响,即体现在基于多人一致性分析的各参与决策人权重确定的方法中,引入调节因子,从而既考虑到了客观决策信息对各参与决策人权重的影响,也考虑到了主观决策信息(参与决策人的影响程度)对各参与决策人权重的影响.
4 结 语本文给出了一种基于累积前景理论的决策分析方法来解决多人给出参照点的风险型多属性决策问题.该方法是依据累积前景理论计算各方案的综合累积前景值,并进一步计算每个决策参与人的权重,在此基础上,计算每个方案的总体累积前景值并据此对各备选方案进行排序.与已有相关决策方法不同的是,本文着重考虑了多人给出参照点的情形.本文的方法具有可操作性和实用性,为解决现实中考虑多人给出参照点的风险型多属性决策问题提供了一种新途径,具有实际应用价值.
[1] | Cochrane J L,Zeleny M.Multiple criteria decision making [M].Columbia:The University of South Carolina Press,1973.(1) |
[2] | Figueira J,Greco S,Ehrgott M.Multiple criteria decision analysis:state of the art surveys [M].New York:Springer,2005.(1) |
[3] | Avineri E.The effect of reference point on stochastic network equilibrium [J].Transportation Science,2006,40(4):409-420. (1) |
[4] | 王坚强,周玲.基于前景理论的灰色随机多准则决策方法[J].系统工程理论与实践,2010,30(9):1658-1664.(Wang Jian-qiang,Zhou Ling.Grey-stochastic multi-criteria decision-making approach based on prospect theory [J].Systems Engineering—Theory & Practice,2010,30(9):1658-1664.)(1) |
[5] | Liu P D,Jin F,Zhang X,et al.Research on the multi-attribute decision-making under risk with interval probability based on prospect theory and the uncertain linguistic variables [J].Knowledge-Based Systems,2011,24(4):554-561.(1) |
[6] | 张晓,樊治平.基于前景理论的风险型混合多属性决策方法[J].系统工程学报,2012,27(6):772-781.(Zhang Xiao,Fan Zhi-ping.Method for risky hybrid multiple attribute decision making based on prospect theory [J].Journal of Systems Engineering,2012,27(6):772-781.)(1) |
[7] | Kahneman D,Tversky A.Prospect theory:an analysis of decision under risk [J].Econometric,1979,47(2):263-291.(4) |
[8] | Tversky A,Kahneman D.Advances in prospect theory:cumulative representation of uncertainty [J].Journal of Risk and Uncertainty,1992,5(4):297-323.(6) |
[9] | Abdellaoui M.Parameter-free elicitation of utility and probability weighting functions [J].Management Science,2000,46(11):1497-1512.(1) |
[10] | Davies G B.Pure risk:the role of rational and behavioral risk attitudes in decision making [D].Cambridge:Cambridge University,2005.(1) |
[11] | Prelec D.Compound invariant weighting function in prospect theory [M].Cambridge:Cambridge University Press,2000.(3) |
[12] | Yue Z L.An avoiding information loss approach to group decision making [J].Applied Mathematical Modelling,2013,37(2):112-126.(1) |