张起荣，刘 歆

(1.毕节学院 信息工程学院，贵州 毕节 551700;2.重庆邮电大学 软件学院，重庆 400065)

0 引言

灰关联分析是不确定性知识获取的重要研究方法［1］，能够根据各因素之间发展趋势的相似或相异程度来衡量彼此的接近程度，是灰预测、灰建模、灰控制和灰决策的基础［1-3］，在多指标决策［4-5］、数据关联性度量［4-6］方面起着重要作用。

在灰关联分析研究中，灰关联度量方法是最为关键的研究内容。邓氏灰关联度(Deng-degree of incidence，DDI)［1］根据序列间的相对距离来衡量其关联程度，具有较好的整体性及规范性，但采样数据的质量、数据的极端分布及初始化算子的选择均会严重影响邓氏关联度的计算精度［4］。广义灰关联度(灰绝对关联度、灰相对关联度、灰综合关联度)［2］以曲线间的相交面积大小作为序列相似度的衡量标准，但当曲线上下波动时，会造成关联度结果与定性分析出现较大偏差。此外，广义灰关联度也不满足灰关联公理中的整体性规则［5］。基于相似性和接近性视角的灰色关联分析模型(grey incidence based on visualangle ofsimilarity and nearness，GIVASN)［4］分别从相似性和接近性2个不同视角测度序列之间的相互关系，构造了一类新的灰色关联分析模型，但仅适用于序列的意义、量纲完全相同的情形。基于信息还原算子的多指标区间灰数关联决策模型(grey incidence of information reduction operator，GI-IRO)［5］加入信息还原算子，有效地解决了一般区间灰数加减逆运算中存在的信息失真问题，但对序列存在的不完备问题依然未能解决。基于累积前景理论的多指标灰关联决策方法 (grey incidence of cumulative prospect theory，GI-CPT)［6］等根据累积前景理论和灰色关联分析定义了前景价值函数，以此构建方案综合前景值最大化的优化模型，最终以最优综合前景值对备选方案进行排序。……