本发明涉及建筑行业设备的评价选购方面,具体涉及一种基于sna的混合多属性群决策的建筑设备优选方法。
背景技术:
随着建设工业化的不断深化,施工现场机械设备的作用愈加显著。建筑设备的广泛使用极大提高了建筑生产率和施工效率。此外,建筑设备的正确选择是至关重要的,对一个建设项目的质量和工期都会产生影响,对基础设施建设更加明显。当施工方越来越意识到建筑设备的重要性的同时,面对各种型号的设备他们似乎更加困惑。对于许多建筑公司,购买重型设备需要较大的资金投入,甚至能占据大约36%的项目总成本。如何合理花费这样大的资金用来选购设备成为一个难题。在选择合适的设备,许多倾向于给低价优先,还有些可能会强调技术方面的设备选择或权衡成本和技术性能。然而,这些选择可能导致错误的决策或忽略了很多跟成本或技术性能一样重要因素,例如安全性,环境性,操作方便性等。由此,施工设备的选择实际是一个多准则决策的问题,需要建立综合评价指标体系,运用多属性决策方法来进行全面评估从而科学做出决策。
在以往的决策过程中,大多数研究在处理定性指标时,应用了区间数,三角数字或语言变量等,往往不能充分和准确反映评估值。本发明运用二维不确定语义变量(2dulvs)这种形式来给出主观评价值时,每个2dulv不仅包含专家给出各个方案针对每个二级指标的语义评价值,还包括决策者对该评价值可靠程度的语义评价。另外,该方法考虑了专家之间在的互相信任关系和相互影响的因素,运用社会网络分析法(sna)对信任值进行扩散和集结,最终求得专家的权重。由此,为建筑设备选型的决策提供更加科学的方法。
技术实现要素:
本发明的目的在于提供一种基于sna的混合多属性群决策的建筑设备优选方法,可以解决建筑设备选型问题,其包括如下步骤:
步骤一:建立所欲购买的建筑设备库,制定备选方案库al,其中备选方案数量为l=1,2,…,t;
步骤二:选取一级和二级评价指标,建立所述建筑设备库的综合评价指标体系;
步骤三:收集二级评价指标的主观评价值和客观评价指标,基于所建立的评价指标体系,主观评价值包含两部分,用二维不确定语义变量表示,二维不确定语义变量英文缩写为2dulvs,第一部分是邀请专家ek给出的评价值,专家人数取值为k=1,2,…,m,第二部分是决策者对专家给出评价值的可靠性评价值;客观评价指标用实数来表示;在收集二级评价指标的主观评价值和客观评价指标后,建立如下初始混合群决策多属性评价矩阵:
其中,
步骤四:基于sna求得专家权重λk,具体步骤如下:
步骤4.1:建立专家信任网络和相应的信任测度矩阵s=(sij)m×m,其中sij为专家ei对于ej的信任值;
步骤4.2:转化不完全的信任测度矩阵s=(sij)m×m为完全的矩阵
假设从专家ei到ej共有n条路径可达,利用owa算子对n条路径进行集结,从而求出专家ei到ej的综合信任测度值,计算公式如下:
其中,
其中,
参数a′和b′相对应的语义量词包括:全部,大部分,至少一般,越多越好四种情况,相对应的参数a′的取值为0,0.3,0,0.5;参数b′的取值为1,0.8,0.5,1;
由此,当所有的未知信任测度都求得时,得到完整的信任测度矩阵
步骤4.3:计算专家权重λk:
基于步骤4.2求得完全信任测度矩阵
步骤五:运用2dulpgwa算子对专家的意见进行集结,可以由下式得到:
其中,
步骤六:对每一个2dulv:
步骤七:将单一形式的评价矩阵
步骤八:运用superdecisions软件对于规范化评价矩阵的所有二级评价指标进行两两比较,建立比较矩阵并进行比较矩阵评分,然后用ahp计算所有二级评价指标的权重hp。
步骤九:通过下式计算每个备选方案al的综合评价值:
优选的,步骤三中的专家人数取值m取值大于等于4。
优选的,步骤一中的备选方案数量l取值大于等于4。
优选的,不适使用于建设设备优选,还适用于工程行业的大型器械的选型。
本发明的优点:
1、一方面,运用二维不确定语义变量(2dulvs)这种形式来给出主观评价值时,每个2dulv不仅包含专家给出各个方案针对每个二级指标的语义评价值,还包括决策者对该评价值可靠程度的语义评价。
2、该方法考虑了专家之间在的互相信任关系和相互影响的因素,运用社会网络分析法(sna)对信任值进行扩散和集结,最终求得专家的权重。
附图说明
图1是本发明提供的一种基于sna的混合多属性群决策的建筑设备优选方法的流程图;
图2是专家信任网络图示意图;
图3是装载机选型指标体系示意图;
图4是利用ahp求权重时superdecisions软件指标两两比较的界面图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
本发明的具体实施方式按照图1所示的流程图来逐步计算,下面以选购一台装载机为例进行描述和说明。其内容是对本发明的解释而非限定本发明的保护范围。
实施例
某施工企业现需要采购一台装载机,由于考虑的因素比较多,采购方难以做出最优决定。目前有四个可备选型号的装载机,记为:a1,a2,a3和a4。为了更加准确地对备选型号来进行评价,采购员邀请五位专家e1,e2,e3,e4和e5参与进行评价。
步骤1:建立所欲购买的装载机设备库,制定备选方案库al,其中备选方案数量为l=1,2,3,4;
步骤2:首先,选取一级和二级评价指标,建立所述装载机设备库的综合评价指标体系,如图3所示,其中共有四个一级指标和十个二级指标。
步骤3:收集二级评价指标的主观评价值和客观评价指标,得到初始混合群决策多属性评价矩阵,如表1。
步骤4:建立如图2所示的专家信任网络关系图,并求得五个专家e1,e2,e3,e4和e5的权重分别为λ1=0.2277,λ2=0.2248,λ3=0.2051,λ4=0.1617,λ5=0.1807。
步骤5:对评价值用2dulpgwa算子进行集结,结果如表2所示。
步骤6:为了对混合评价矩阵进行规范化,将全部2dulvs通过期望值转化为实数,转化结果如表3所示。
步骤7:进一步将表3中的数据规范化,得到表4。
步骤8:利用ahp求得指标权重,这一步骤可利用superdecisions软件计算完成,其中,所输入的两两比较的数值如图4。由此求得二级指标权重向量为h=(h1,h2,h3,h4,h5,h6,h7,h8,h9,h10)t=(0.037,0.039,0.113,0.069,0.027,0.035,0.117,0.108,0.282,0.172)t。
步骤9:四个型号的装载机的综合评价值为:x1=0.8608,x2=0.9648,x3=0.8377,x4=0.8444。因此,购买的优先排序顺序为:a2>a1>a4>a3,最优选择为a2。
表1初始群决策多属性评价矩阵
表2利用2dulpgwa算子对初始评价矩阵中的主观评价值集结的结果
表3将2dulvs的评价值形式转化为实数
表4规范化后的矩阵
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明。凡采用等同替换或者等效变换的方式所获得的技术方案,均落在本发明的保护范围内。