本发明属于道路路线方案比选领域，具体涉及一种考虑前景理论的高速公路路线方案不确定多属性优选方法。
背景技术：
：公路作为重要的基础设施项目，而路线方案的比选是公路路线方案优化的核心。高速公路建设线路方案的综合比选，是在公路建设前期需要解决的重要问题，其基本走向方案选择的是否合理，直接影响到项目建成后能否满足国家经济建设需要，影响到线路设计的质量，工程造价和运营条件的好坏，并最终决定一条高速公路的经济效益。尤其在我国公路运输承担着国家客货运的主要运输任务，对国家的政治、经济、国防以及公路沿线所经区域的政治、经济、文化的发展都有着重要作用。因此，作为高速公路建设宏观决策的线路方案综合比选工作具有举足轻重的作用。路线方案比选是一个涉面大、涉及因素众多、影响范围广而复杂的系统综合选优问题。不仅要满足国家和当地政府的政治、经济、文化、卫生等方面的需要，而且要考虑路线方案的可行性和使所选择的路线指标具有最优性。传统的路线方案比选方法主要有两类：一是主观性太强，基于方案的经济指标，决策者对社会及环境等主观判断后确定最优方案；二是过分追求客观性，生搬硬套数学方法，未考虑实际项目特点，不能很好的决策者多年实际经验用于方案比选决策中。技术实现要素：针对现有技术的不足，本发明目的在于提出一种考虑前景理论的高速公路路线方案不确定多属性优选方法，综合考虑了决策祝主观经验与客观条件对路线方案的影响，将路线方案中定量指标与定性指标转化成不同的数学语言，借助前景理论与多属性决策理论将路线方案优选过程科学合理化。为实现上述目的，本发明采用如下方案：考虑前景理论的高速公路路线方案不确定多属性优选方法，包括以下步骤：首先、将方案集s＝{s1,s2,…,si,…,sm}中的路线方案指标按实数型、区间型与语言型进行分类并进行数据规范化处理，语言型状态集为l＝{l0,l1,…,lk,…,lt}，属性值集为v＝[vij]m×n；其中si为第i个备选方案，lk为语言型指标第k个状态值，l0…lt为从差到好逐步变化的状态值，vij为第i个备选方案的第j个属性值；其次、路线方案指标属性集为a＝{a1,a2,…,aj,…,an}，aj为第j个属性；依据决策者对各指标属性的偏好信息p＝{p1,p2,…,pj,…,pn}，pj为决策者据主观经验对第j个属性的偏好信息，将规范化后的路线方案指标属性值转化为前景决策矩阵d＝[dij]m×n，dij为第i个备选方案的第j个属性决策初始值，各属性相互独立；然后、构建价值函数计算指标前景值，基于指标属性出现的不确定性，用熵权来描述指标属性在路线方案优化中贡献率的大小；最后、基于指标的初始属性值、前景值与熵权，建立综合优度评价模型，并依据综合优度值的大小进行方案排序，确定最优方案。进一步，将路线方案指标分为实数型(a1)、区间型(a2)与语言型(a3)三类，具体描述如下：实数型(a1)：指标的属性值能够定量计算，是精确数字，即属性值为vj；区间型(a2)：指标能够定量分析难以用精确数字描述，用区间来表述指标属性的不确定性，即属性值为[vj-,vj+]；语言型(a3)：指标只能定性分析，属性值只能用例如“好、中、差”的语言描述，即属性值为[vj-,vj0,vj+]＝(max{(lk-1)/t,0},lk/t,max{(lk+1)/t,0})。进一步，将实数型、区间型与语言型路线方案指标进行数据规范化处理，具体如下：对路线方案属性值数据进行规范化处理，属性值分为成本型和效益型，分别记作aτ,aθ其中成本型的属性值越小越好，效益型的属性值越大越好，处理方式如下：实数型(a1)：设xj+＝max{max{vij},pj}，xj-＝min{min{vij},pj}，规范化公式为：区间型(a2)：设规范化公式为：语言型(a3)：语言型指标属性值的确定即为规范化的过程，故语言型指标规范化值直接采用三角模糊数；数据规范化处理后得到偏好向量p’＝{p1’,p2’,…,pj’,…,pn’}与决策矩阵v’＝[vij’]m×n。进一步，将规范化后的指标属性值转化为前景决策矩阵具体如下：将决策者主观经验确定偏好向量作为参照点来衡量各个方案属性的“收益”或“损失”，对各方案的属性值vij’与偏好属性pj’的大小关系来衡量方案属性，采用欧式距离来计算属性值与偏好属性间距离，作为不同路线方案综合考虑主观经验与客观实际的初始属性值dij，构建前景决策矩阵d，公式如下：进一步，构建价值函数计算指标前景值具体为：前景理论假设价值函数在参考点以上是凹的，在参考点以下是凸的，来反映敏感性递减原理；前景理论还假设价值函数在损失区域比在收益区域更陡，来体现损失厌恶；根据上述假设提出以下价值函数c(vij‘)：其中，α、β分别表征收益和损失区域价值幂函数的凹凸程度，即反映决策者敏感性递减的速度，λ系数用来表征损失区域比收益区域更陡的特征，即反映损失厌恶程度。进一步，α＝β＝0.88；λ＝2.25。进一步，基于指标属性的不确定性确定指标熵权，熵与熵权的计算公式如下：k为正的常数，当所有的pi对于任意给定的i相等时，pi＝1/n，ei(pl,p2,…,pi,…,pm)取得最大值。进一步，综合优度评价模型的构建具体如下：综合考虑初始属性值与前景值提出综合优度评价模型，如下：当ui＞0时，表示评价方案整体为“收益”状态，当ui＜0表示评价方案整体为“损失”，对所有方案的优度进行比较，若则方案sr为最优方案，与决策者偏好信息偏离的程度与前景状态综合最优。本发明的创新点主要有以下方面：1、通过引入经济学理论中的“前景理论”将决策者主观经验作为参考，利用客观的数学方法对各路线方案进行优选。2、基于指标属性已有的信息量，考虑熵与熵权，从人类在处理未知事情的随机性和客观世界的概率性分析各指标在竞争意义上的相对激烈程度，使公路路线方案优选过程更加客观合理。3、针对路线方案优选指标进行分类，不同类型的指标通过科学、客观的数学方法统一分析，结果更加合理可信。4、将决策者偏好与路线方案属性的欧式距离整合为前景决策矩阵，作为该发明的数据基础。本发明的优点主要有以下方面：1、将决策者的主观经验作为一个属性进行客观的分析，避免了主观性强，也避免了优选过程不能结合实际完全客观的分析。2、将前景理论与熵权的思想引入公路路线方案优选的多属性决策方法中，构建了综合优度评价模型。为公路路线优选提供一种客观、可行的评价方法。3、从数学表达出发，将路线方案指标分为实数型、区间型与语言型。几乎涵盖了路线方案全部指标，解决了传统方法指标无法量化的难题。4、本发明被应用于实际项目，优选方案与实际项目建设条件、决策者期望一致，具有很强的实用性。5、本发明指标处理清晰，计算流程简单，计算结果易懂，适合广泛应用于路线方案优选。附图说明图1为本发明设计方法的流程图图2为对于7个等级所对应的语言型指标用三角模糊数进行模糊化处理函数图3为前景理论中图价值函数在不同参数下的模拟曲线图4为公路路线方案优选问题的实例具体实施方式下面结合附图对本发明做进一步说明。本发明一种考虑前景理论的高速公路路线方案不确定多属性优选方法，包括一下步骤：首先、将路线方案指标按实数型、区间型与语言型进行分类并进行数据规范化处理；其次、依据决策者对各指标属性的偏好，将规范化后的指标属性值转化为前景决策矩阵；然后、建立累积泛函计算指标属性的前景值，基于指标属性出现的不确定性，用熵权来描述指标属性在路线方案优化中贡献率的大小；最后、基于指标的初始属性值、前景值与熵权，建立综合优度评价模型，并依据综合优度值的大小进行方案排序，确定最优方案。所述的路线方案优选方法用数学语言描述为：设存在一个路线方案优选问题，其方案集s＝{s1,s2,…,si,…,sm}，属性集为a＝{a1,a2,…,aj,…,an}，语言型状态集为l＝{l0,l1,…,lk,…,lt}，属性值集为v＝[vij]m×n，，前景决策矩阵为d＝[dij]m×n，决策者偏好信息p＝{p1,p2,…,pj,…,pn}。其中si为第i个备选方案；aj为第j个属性；lk为语言型指标第k个状态值，l0…lt为从差到好逐步变化的状态值；vij为第i个备选方案的第j个属性值，dij为第i个备选方案的第j个属性决策初始值，各属性相互独立；pj为决策者据主观经验对第j个属性的偏好信息。这种路线方案优选方法具体步骤如下：步骤1：评价指标分类与属性值确定根据路线方案优选指标可定量计算、定量分析与定性分析的描述特点，将优选指标分为实数型(a1)、区间型(a2)与语言型(a3)三类，具体描述如下：(1)实数型(a1)：指标的属性值可定量计算，是精确数字，即属性值为vj。如“费用”。(2)区间型(a2)：指标可定量分析但很难用精确数字描述，用区间来表述指标属性的不确定性，即属性值为如“超高”。(3)语言型(a3)：指标只能定性分析，属性值只能用例如“好、中、差”之类的语言描述，即属性值为lk/t,max{(lk+1)/t,0})。如“路线方案引发的地质灾害”。步骤2：数据规范化处理在混合型多属性决策问题中，为了消除不同物理量纲对决策结果的影响，需要对属性值数据进行规范化处理。属性值分为成本型和效益型，分别记作aτ,aθ其中成本型的属性值越小越好，效益型的属性值越大越好。处理方式如下：(1)实数型(a1)：设xj-＝min{min{vij},pj}，规范化公式为：(2)区间型(a2)：设规范化公式为：(3)语言型(a3)：语言型指标属性值的确定即为规范化的过程，故语言型指标规范化值直接采用三角模糊数。数据规范化处理后得到偏好向量p’＝{p1’,p2’,…,pj’,…,pn’}与决策矩阵v’＝[vij’]m×n步骤3：前景决策矩阵的确定在前景理论中，将决策者主观经验确定偏好向量作为参照点来衡量各个方案属性的“收益”或“损失”，因此需要对各方案的属性值vij’与偏好属性pj’比较，并依据其之间的大小关系来衡量方案属性。该优选方法针对上述三种指标采用欧式距离来计算属性值与偏好属性间距离，作为不同路线方案综合考虑主观经验与客观实际的的初始属性值dij，构建前景决策矩阵d，公式如下：步骤4：构建价值函数计算指标前景值前景理论假设了价值函数在参考点以上是凹的，在参考点以下是凸的，来反映敏感性递减原理；前景理论还假设了价值函数在损失区域比在收益区域更陡，来体现损失厌恶。根据上述假设提出以下价值函数c(vij‘)：其中，α、β分别表征收益和损失区域价值幂函数的凹凸程度，即反映决策者敏感性递减的速度，λ系数用来表征损失区域比收益区域更陡的特征，即反映损失厌恶程度。另一方面，kahneman和tversky通过实验得出了人们在面对收益和损失时的决策参数取值，即：α＝β＝0.88；λ＝2.25，研究表明上述取值能较准确的反应决策者的敏感性与损失厌恶程度，且大量学者也得出了相似的参数并将上述参数应用于实际研究。步骤5：基于指标属性的不确定性，确定指标熵权熵的概念最初产生于热力学，主要用来描述在某一给定时刻一个系统可能出现的有关状态的不确定程度，用于描述不同评价指标对路线优选的影响程度。基于指标aj提供的m个客观属性信息v1j,v2j,…,vij,…,vmj，假设出现这些结果具有概率pl,p2,…,pi,…,pm，借助信息概率测度获取熵e(pl,p2,…,pi,…,pm)，通过熵的大小客观地确定事件发生的不确定性，即熵权ω。熵与熵权的计算公式如下：k为正的常数，当所有的pi对于任意给定的i相等时，pi＝1/n，ei(pl,p2,…,pi,…,pm)取得最大值。由此可见，熵权代表该指标在该问题中能提供有用信息量的多少程度。熵权本身并不只是表明某指标实际意义上的重要性，还表明各指标在竞争意义上的相对激烈程度。熵权充分利用了己知的属性信息，反映了人类在处理未知事情的随机性和客观世界的概率性，符合公路路线方案客观决策的要求。步骤6：综合优度评价模型的构建初始属性值dij可以判断各个方案的属性值与决策者偏好信息偏离的程度，前景值cij则判断各个方案的属性值是“收益”或“损失”的程度，只有当方案的初始属性值越小，且前景值越大方案才能最优，因此，本文综合考虑初始属性值与前景值提出综合优度评价模型，如下：当ui＞0时，表示评价方案整体为“收益”状态，当ui＜0表示评价方案整体为“损失”。对所有方案的优度进行比较，若则方案sr为最优方案，与决策者偏好信息偏离的程度与前景状态综合最优。以下结合具体实施例说明本发明方案：为与原方案进行对比，首先选取传统评价中选取的指标，对指标进行分类与属性值的确定，综合考虑指标属性与决策者偏好属性的偏离程度、属性本身的前景状态，用综合优度评价模型对各方案进行计算与排序，最终依据优度值确定最优方案。本实例的原始数据是青藏高原多年冻土区秀水河至雅玛尔河段路线方案资料，如图4，该区域共包含4条路线方案s＝{s1,s2,s3,s4}，评价指标有平均每公里的建安费a1，桥隧比例a2，单位长度含冰量a3，地理环境a4，线形干扰a5等5项。图1为本实例应用本发明的示意图，图2和图3为实例应用中用要的函数与参数。步骤1：评价指标分类与属性值确定基于上述资料，a1与a2为实数型指标，a3为区间型指标，a4与a5为语言型指标，设该实例中语言为“非常差、差、较差、中、较好、好、非常好”7个等级分别记作vp,p,mp,m,mg,g,vg，设语言状态集为l＝{0,1,2,3,4,5,6}。经相关踏勘设计人员的汇报，决策者提出了期望目标，转化为偏好向量为p＝{14000,50,[60,80],m,mg}，方案初始属性值如表1。表1各方案指标属性值方案a1a2a3a4a5p1400050[60,80]mmgs11454861.8[64,80]mmgs21352654.7[30,50]mpvps31216251.2[48,70]mpms41402656.3[70,98]mp步骤2：数据规范化处理指标a1、a2与a3属性值均为成本型，即越小越好，依据aτ规范化公式进行处理，得到规范化属性值，见表2。表2各方案指标规范化后的属性值方案a1a2a3a4a5p0.770[0.750,0.625](0.333,0.5,0.667)(0.5,0.667,0.833)s111[0.850,0.625](0.333,0.5,0.667)(0.5,0.667,0.833)s20.5720.398[0,0](0.167,0.333,0.5)(0,0,0.167)s300.102[0.450,0.417](0.167,0.333,0.5)(0.333,0.5,0.667)s40.7810.534[1,1](0.333,0.5,0.667)(0,0.167,0.333)步骤3：前景决策矩阵的确定采用欧式距离来计算属性值与偏好属性间距离，作为不同路线方案综合考虑主观经验与客观实际的的初始属性值，构建前景决策矩阵，见表3。表3前景决策矩阵(初始属性值)方案a1a2a3a4a5s10.2310.07100s20.1980.3980.690.1670.616s30.770.1020.2580.1670.5s40.0110.5340.31900.167步骤4：构建价值函数计算指标前景值依据价值函数c(vij‘)，其中决策参数取值取α＝β＝0.88；λ＝2.25，如图3。计算各属性值的前景值，见表4。表4各属性值的前景值方案a1a2a3a4a5s10.27410.09800s2-0.5410.445-1.623-0.4660.653s3-1.7880.134-0.683-0.466-1.223s40.0190.5760.3660-0.466步骤5：基于指标属性的不确定性，确定指标熵权基于各方案提供的客观属性信息，计算概率测度，见表5。依据熵权理论计算熵权为ω＝(0.224,0.109,0.116,0.349,0.202)t。表5属性值的概率测度方案a1a2a3a4a5s10.190.4920.05300s20.1640.1960.5160.50.48s30.6370.050.1930.50.39s40.0090.2630.23800.13步骤6：综合优度评价模型的构建将步骤3～5中的计算结果代入综合优度评价模型，求得优度为u＝(0.12,-0.08,-0.49,0.05)，即u3(-0.49)＜u2(-0.08)＜u4(0.05)＜u1(0.12)。评价结果与传统评价结果一致。此外由结果可以进一步看出：方案a2与方案a3整体为“损失”状态，与方案实际建设条件差等息息相关，符合实际。而方案a1与方案a4为整体为“收益”状态，且方案a1收益的同时更接近决策者期望。因此，本发明综合考虑了决策者的经验和路线方案客观实际，将优选过程科学合理化，具有很强的实用性。以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属
技术领域：
的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。当前第1页12