基于信息熵与证据推理的不确定多属性决策方法

doi:10.3724/SP.J.1087.2011.01308

计算机应用 ›› 2011, Vol. 31 ›› Issue (05): 1308-1310.DOI: 10.3724/SP.J.1087.2011.01308

基于信息熵与证据推理的不确定多属性决策方法

尹德进^1,2,王宏力²

1.第二炮兵工程学院 304教研室, 西安 710025
2.解放军96201部队, 昆明 650219

收稿日期:2010-10-21 修回日期:2010-12-21 发布日期:2011-05-01 出版日期:2011-05-01
通讯作者: 尹德进
作者简介:尹德进(1979-),男,云南宣威人,博士研究生,主要研究方向:信息融合、智能决策;王宏力(1964-),男,陕西宝鸡人,教授,博士,主要研究方向:星光导航、智能决策。

Uncertain multiattribute decision making method based on entropy and evidential reasoning approach

YIN De-jin^1,2, WANG Hong-li¹

1.Teaching and Research Section 304, The Second Artillery Engineering College, Xi'an Shaanxi 710025, China
2.The No. 96201 Army of PLA, Kunming Yunnan 650219, China

Received:2010-10-21 Revised:2010-12-21 Online:2011-05-01 Published:2011-05-01
Contact: Yin DeJin

摘要/Abstract

摘要： 针对不确定多属性决策过程中信息特征呈多样化且属性权重完全未知时难以进行决策的问题,提出了一种基于不确定信息熵的权值计算方法。该方法首先将各种不确定信息转换到统一的信度框架下,计算出不确定信息熵从而获得属性客观权重值。该方法结合证据推理法可实现属性权重未知时不确定信息下的多属性决策。最后以应用实例验证了该方法的有效性和可行性。

关键词: 权重, 熵, 证据推理, 不确定, 多属性决策

Abstract: It is difficult to make decision when the information is diverse and the weight of attribute is unknown. A weight calculating method based on uncertain entropy was proposed in this paper to solve this problem. In this new method, both the complete and incomplete assessments of every attribute were transformed under unified belief framework, and the objective weight of every attribute could be calculated based on its entropy. With the Evidential Reasoning (ER) approach, the new weight calculating method could realize Multiple Attribute Decision Making (MADM) based on uncertain entropy while the weight of attribute is unknown. A case was provided to illustrate the validity and feasibility of this method.

Key words: weight, entropy, Evidential Reasoning (ER), uncertain, Multiple Attribute Decision Making (MADM)

尹德进王宏力. 基于信息熵与证据推理的不确定多属性决策方法[J]. 计算机应用, 2011, 31(05): 1308-1310.

YIN De-jin, WANG Hong-li. Uncertain multiattribute decision making method based on entropy and evidential reasoning approach[J]. Journal of Computer Applications, 2011, 31(05): 1308-1310.

[1]	倪萍, 陈伟. 基于模糊测试的反射型跨站脚本漏洞检测[J]. 计算机应用, 2021, 41(9): 2594-2601.
[2]	陈俊, 何庆. 基于余弦相似度的改进蝴蝶优化算法[J]. 计算机应用, 2021, 41(9): 2668-2677.
[3]	胡天杰, 胡文军, 王士同. 分布熵惩罚的支持向量数据描述[J]. 计算机应用, 2021, 41(8): 2212-2218.
[4]	曹玉红, 徐海, 刘荪傲, 王紫霄, 李宏亮. 基于深度学习的医学影像分割研究综述[J]. 计算机应用, 2021, 41(8): 2273-2287.
[5]	汤安迪, 韩统, 徐登武, 谢磊. 混沌精英哈里斯鹰优化算法[J]. 计算机应用, 2021, 41(8): 2265-2272.
[6]	朱亮, 徐华, 崔鑫. 基于基分类器系数和多样性的改进AdaBoost算法[J]. 计算机应用, 2021, 41(8): 2225-2231.
[7]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[8]	蔡瑞光, 张德生, 肖燕婷. 参数独立的加权局部均值伪近邻分类算法[J]. 计算机应用, 2021, 41(6): 1694-1700.
[9]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[10]	严爱军, 魏志远. 案例推理分类器的权重分配及案例库维护方法[J]. 计算机应用, 2021, 41(4): 1071-1077.
[11]	唐延强, 李成海, 宋亚飞. 基于改进粒子群优化和极限学习机的网络安全态势预测[J]. 计算机应用, 2021, 41(3): 768-773.
[12]	欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛. 基于广义最大Versoria准则的稀疏自适应滤波算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3325-3331.
[13]	裴仪瑶, 郭会明, 张丹普, 陈文博. 基于定位不确定性的鲁棒3D目标检测方法[J]. 计算机应用, 2021, 41(10): 2979-2984.
[14]	律睿慜, 梅莉琳, 邢红姹, 孟磊, 昃跃峰. 基于马尔可夫链的书画时序感量化方法[J]. 计算机应用, 2021, 41(1): 295-299.
[15]	杨云龙, 孙建强, 宋国超. 基于门控循环单元和胶囊特征的文本情感分析[J]. 计算机应用, 2020, 40(9): 2531-2535.

基于信息熵与证据推理的不确定多属性决策方法

Uncertain multiattribute decision making method based on entropy and evidential reasoning approach

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics