熊宁欣,王应明

(福州大学 经济与管理学院,福州 350116)(*通信作者电子邮箱531626142@qq.com)

0 引言

证据推理(Evidential Reasoning,ER)方法作为处理不确定性多属性决策问题的描绘工具,受到了国内外广大学者的重视,目前已成功应用于决策分析[1]、双边匹配[2]、绩效评估[3]、系统预测[4]等领域。证据推理方法是在证据理论(Dempster-Shafer Theory, DST)和决策理论的基础上经历20多年的历程发展而来的。其中证据理论由Dempster[5]在1967年首次提出,他的学生Shafer[6]对该理论进行了系统的研究,最终形成了目前的证据理论。它是一种能够对证据进行融合的数学工具,在处理不确定性多源信息的过程中起了重要作用。1994年,Yang等[7]在证据理论的基础上,结合评估分析模型,首次将证据理论引入多属性决策领域,提出了不确定情况下的证据推理方法,并给出了ER证据组合规则。2002年,Yang等[8]研究开发了满足四个合成公理的证据推理算法,即递归证据推理算法。2006年,Wang等[9]在递归证据推理算法的基础上,进一步提出计算更加简便的解析证据推理算法。至此,奠定了证据推理方法的理论基础,验证了该方法的有效性。

随着研究的深入,证据推理方法在识别框架的构建、评估信息转换、证据融合规则等方面的理论体系已逐步完善,并取得了一定的研究成果,但仍面临着证据权重难以获取及量化的问题。目前,在基于证据推理的客观赋权法研究中,主要存在以下三类研究：第一类从解决证据冲突的角度出发,根据Jousselme等[10]给出的证据距离定义,建立最小化理想距离模型以确定属性权重。……