基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策.pdf

CNATURASCIENCEJuly,20232023年7 月JOURNAIANJINGUNIVERSITYVol.59,No.4第5 9 卷第4期南京大学学报（自然科学）DOI:10.13232/ki.jnju.2023.04.007基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策王冰洁，张超1.2*,李德玉1,2,马瑾男3,王渊3（1.山西大学计算机与信息技术学院，太原，0 30 0 0 6;2.计算智能与中文信息处理教育部重点实验室，山西大学，太原，0 30 0 0 6；3.山西省信息产业技术研究院有限公司，太原，0 30 0 12）摘要：为了探索区间二型模糊背景下的多属性群决策方法，以多粒度概率粗糙集为基础，结合MULTIMOORA（M u l t i-ObjectiveOptimization by Ratio Analysis Plus theFull Multi-PlicativeForm）与证据融合理论，发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先，提出多粒度区间二型模糊概率粗糙集模型；然后，通过离差最大化法和熵权法计算决策者权重和属性权重，依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型，通过源自D-S证据理论的证据融合方法融合得出决策结果.通过钢铁行业耗能的实例，证明提出方法的可行性与有效性，总体上，提出的决策模型具备一定的容错力，有助于获得强解释力的稳健型决策结果.关键词：多粒度粗糙集，概率粗糙集，证据融合，区间二型模糊集，耗能决策中图分类号：TP391文献标志码：AEnergy consumption decision-making of steel industry based onthe interval type-2 fuzzy multi-granularity evidence fusion methodWang Bingjie,Zhang Chaol.2*,Li Deyul2,Ma Jinnan,Wang Yuan(1.School of Computer and Information Technology,Shanxi University,Taiyuan,030006,China;2.Key Laboratory ofComputational Intelligence and Chinese Information Processing of Ministry of Education,Shanxi University,Taiyuan,030006,China;3.Shanxi Information Industry Technology Research Institute Co.,Ltd,Taiyuan,030012,China)Abstract:In order to explore multi-attribute group decision-making methods in the background of interval type-2 fuzziness,the paper starts with multigranulation probabilistic rough sets and develops a multi-granularity evidence fusion decision-making model based on interval type-2 fuzzy information via with MULTIMOORA(Multi-Objective Optimization by RatioAnalysis Plus the Full Multi-Plicative Form)method and the evidence fusion theory.First,a multi-granularity interval type-2fuzzy probabilistic rough set model is put forward.Then,the decision-maker weight and the attribute weight are calculated bythe dispersion maximization method and the entropy weight method.Furthermore,in light of multigranulation probabilisticrough sets and the MULTIMOORA method,an interval type-2 fuzzy multi-attribute group decision-making model isestablished.The decision results are eventually acquired via the evidence fusion method from the D-S evidence theory.Atlast,the feasibility and effectiveness of the proposed method are verified by a case of energy consumption in steel industry.Allin all,the established decision-making model in the paper owns a certain degree of fault tolerance and is conducive to acquiringstable decision results with strong interpretability.基金项目：国家自然科学基金（6 2 2 7 2 2 8 4，6 2 0 7 2 2 94，6 197 2 2 38），山西省科技创新青年人才团队项目（2 0 2 2 0 40 5 10 0 10 15），山西省筹资金资助回国留学人员科研项目（2 0 2 2-0 0 7），山西省高等学校青年科研人员培育计划，山西省高等学校优秀成果培育项目（2 0 19SK 0 36)，2 0 2 3年度山西省研究生教育创新项目“基于大群体多粒度证据融合的钢铁行业耗能评估方法研究”（2 0 2 3KY137)收稿日期：2 0 2 3一0 6 一13*通讯联系人,E-mail:601王冰洁等：基于区间二型模糊多粒度证据融合法的钢铁行业耗能决策第4期Key words:multigranulation rough set,probabilistic rough set,evidence fusion,interval type-2 fuzzy set,energy consumingdecision-making当前，气候变化对人类的生产和生活产生了前所未有的影响，改善环境问题刻不容缓“碳达峰”和“碳中和”是关系我国可持续发展的重要决策，要实现“碳达峰”和“碳中和”，调整产业结构是不可或缺的行动举措 1,通过对工业项目的耗能进行智能决策可判断该项目耗能的高低.具体地，本文聚焦钢铁行业耗能决策问题，由于该问题包含具有一定联系的多个耗能指标，因此决策者需要对问题的不同角度进行评价，并从多个备选方案中选出最佳方案此外，在许多重大决策问题中，单一决策者给出的评价往往有一定片面性，而一个团队可通过协商来对复杂问题作出评价，体现决策过程的科学性和客观性，这种由多个决策者从多个角度对复杂问题进行评价的方式即为多属性群决策 2-4.多属性群决策问题的建模框架有助于钢铁行业耗能决策问题的合理求解 5 。1975年控制论专家Zadeh提出二型模糊集 6 ,其本质是将模糊集进一步模糊化，将模糊集的隶属度函数拓展为一型模糊集，使其能够高效地表示问题的不确定性.区间二型模糊集是二型模糊集的一个特例，可对不确定信息进行更精确的表示.近年来，区间二型模糊集已成为二型模糊集研究中的热点，引起众多学者的关注，广泛用于多属性群决策问题的求解 7-11.在多属性群决策问题的研究中，学者们提出多种决策方法.比利时学者Brauers12提出MOO-RA(Multi-Objective Optimization by Ratio Analysis），其中包括了比率系统方法和参考点方法，又将全乘法引人MOORA来构建MULTIMOORA.MULTIMOORA最终可给出三种结果，运算相对简单，同时具备一定的稳健性 13,适合处理多属性群决策问题 14-17 。然而，通过该方法计算得出的三类决策结果可能存在差异，需使用信息融合的手段将其融合具体地，信息融合是将不同的信息通过一定的技术手段融合到一起，可对信息进行有效的处理.其中,D-S证据理论 18 是一种经典的信息融合方法，通过信任函数和似然函数来表示证据的不确定值，包含多种证据合成的方法，可有效解决信息融合问题。近年来，学者们开展了诸多关于D-S 证据理论的研究 19-2 .本文探索区间二型模糊信息系统中的稳健型多属性群决策方法，并依据MULTIMOORA进行决策.但由于MULTIMOORA包含三种子方法，可得到三种结果，因此本文考虑使用D-S证据理论的证据合成方法对三种结果进行合成，得到最终决策结果.具体地，在区间二型模糊背景下，将MULTIMOORA与D-S证据理论结合，提出一种较稳健的决策模型并为其提供理论支撑.最后，通过UCI数据集中的钢铁行业耗能数据进行实例分析与对比性分析.未来将继续在区间二型模糊背景下探索新的决策模型，如加人决策者的一致性分析，收集决策者的评价后使各决策者的评价基本达成一致，在此基础上进行决策分析.本文的主要贡献：（1)提出多粒度区间二型模糊概率粗糙集模型；（2)发展将实数转换为区间二型模糊数的方法；（3)建立基于多粒度区间二型模糊集与MULTIMOORA的区间二型模糊多属性群决策方法；（4)通过钢铁行业耗能实例和对比性分析，验证构建的模型的有效性与可行性。1基础知识1.1区间二型模糊集由于个体认知的差异，不同决策者对不确定信息的评价结果不同，和二型模糊集相比，区间二型模糊集可以更好地应对此类情形。例如，不同决策者对炎热的感知不同，决策者1认为气温33属于炎热，而决策者2 认为气温33不属于炎热，此时使用区间二型模糊集可以较好地表现不同决策者对炎热的评价结果的区间,33属于炎热的隶属度可能为 0.8 5,1.定义1 7 假定U为论域，在论域U上的一个二型模糊集A可表示为：A=(r,u),ua(a,u)VaEU,uEJ,二 o,1,(1)0u(,u)1)其中，为主要变量，u为次要变量，J.二 0,1 是602南京大学学报（自然科学）第5 9 卷的主隶属度函数，式（1）也可表示为：A：ua(x,u)/(c,u)(2)TEUuEl其中，表示遍历模糊集中所有符合条件的TEUuEJI和u,当ua(,u)=1时,A为区间二型模糊集.定义2 7 假定U为论域，在论域U上的一个区间二型模糊集A可表示为：A=1/(,u)(3)TEUuEJ其中，为主要变量，u为次要变量，J二 0,1 是的主隶属度函数。显然,区间二型模糊集是二型模糊集的一种特例.定义3 7 假定A和A?为两个广义二型模糊数,A=(A,A)为一个区间二型模糊数.那么，定义在论域U上的区间二型模糊数A可表示为：A=(Al,A)=(4)(a,bl,c,d;s,t),(a,b,c2,d;s,t)式（4)满足条件al6lcldl,a?62cd,0ss1,0tt1.其中,sl和t分别代表元素6 和c的隶属度，s?和t分别代表元素6 和c的隶属度.为了方便后续操作，对区间二型模糊数的运算规则进行说明.定义4(7 假定A,和A，为两个区间二型模糊数，其运算规则如下：(1)A,A,=(A 1,A)(A,A 2)=(ai+az,bi+b2,ci+c2,di+d;min(si,s2),min(ti,t2),(ai+az,bi+b2,c+c,d+d2;min(si,ss),min(ti,t2)(2)A,A,=(A1,Ai)(A1,A2)=(aiXaz,biXb2,ciXc2,diXde;min(si,2),min(ti,t2),(aiXa2,bixb2,ciXc2,ded2;min(si,s:),min(ti,t)(3)A=k(Al,A)=(kal,kbl,kcl,kd;s,t),k0(ka,kb2,kc,kd;s2,t2)kA=k(Al,A)=(kdl,kcl,kbl,kal;sl,t),ks(A2)时,有A,A2;反之,当s(A1)s(A)时,有A,A2.603王冰洁等：基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策第4期为了方便计算决策者权重和属性权重，给出如下的区间二型模糊距离公式.定义 6 2 3假定A，和A，为两个区间二型模糊数，其距离公式为：D(AI,A2)=/D+D2(6)Di=(ai-a2)+(bisi-bs2)+(citi-cit)+(di-da)D2=(ai-a2)+(bisi-b2s2)+(citi-cita)+(di-d)1.2MULTIMOORA在进行多属性群决策时,在多种方法中进行选择较为困难,Brauers-12的MULTIMOORA能有效地解决这一问题，并提供稳健型的决策结果，通过对不同目标的不同备选方案来开展研究，包含比率系统、参考点和全乘法的形式.在比率系统中，一个备选方案对一个目标的每个响应都与一个分母进行比较，这个分母代表与该目标相关的所有备选方案，其中，代表备选方案(j=1,2,n)对每一个目标（i=1,2，m)的响应值.把分子设置为一个目标对每一个备选方案的对应值，把分母设置为所有备选方案的平方和的平方根，可表示为：i(7)nj=1其中,E0,1,是一个无量纲数,表示备选方案j对目标i的归一化值，然而，在一些情况下，,的取值范围会变为一1,1.为了对其进行优化，需要在最大化的情况下增加对应的值，在最小化的情况下减去对应的值，可表示为：(8)=1i=g+1其中，i=1,2,g为待最大化目标，i=g十1,g十2,，n 为待最小化的目标，y是备选方案j对所有目标的规范化评估，它的排序结果即可展示出最终偏好，通过下式求出参考点与对应点的最大最小度量：minmax(9)(）（）此外，也可通过全乘法的形式对备选方案进行评价.U表示对备选方案的评价值，即：立gig=1(10)nk=i+1其中，i表示要最大化目标的数量，n一i表示要最小化目标的数量，1.3D-S证据理论D-S证据理论 18 提供了一种高效的处理不确定信息的能力，根据已知的信息，可给出信息的不确定度量.假定U为一个有限论域，若下列条件成立：M(O)=0,M(A)=1(11)ACU称M:2U0,1为2 上的基本概率分配函数（BPA），M（A）为A的基本概率函数，2 表示U中所有子集所组成的集合。基于以上描述，进一步假设Bel(A)=M(B),VA二U,则Bel称BCA为信任函数.假定PI(A)=_M(B),则PIBnA+O称为似然函数.通常使用区间 Bel(A),Pl(A)来表示子集A的不确定值.使用D-S证据理论对证据进行合成时，若证据冲突，则合成公式 2 4 如下：m.(0)=Zmi(X)m2(Y)X.YE20XnY=O(12)m(A)=m(X)m2(Y)X,YE29XnY=A若证据不冲突，则合成公式如下：mi(A,).m.(A,)m(A)=A,nA,n.nA,=A(13)1-mi(A.).m.(A,)AinA2n.nA,=O2区间二型模糊多粒度概率粗糙集模型在区间二型多属性群决策的框架下，将U设为备选方案集，将V设为属性集，将设为属性权重集.假定决策者有1个，则决策者权重集可表示为=w,w2,wT,其中,将第i个决策者的权重表示为w,w,满足w,E0,1且之W,=1.假604第5 9 卷南京大学学报（自然科学）定关系集为R=(R1,R2，,R),其中,将UV中的区间二型模糊关系表示为R,将V上的一个标准指标集表示为S.根据以上信息描述，可构建多粒度区间二型模糊信息系统(U,V,R,S).定义7假定(U,V,R,S)为一个多粒度区间二型模糊信息系统.对于符合条件的,EU和yEV,用（）来表示,关于R.的多粒度区间二型模糊隶属度，则：(14)使用升序的方式对m个(）进行排列，可得排在第i个位置的0（）,即第i个多粒度区间二型模糊隶属度的值,将其表示为0（),并称之为,关于R的可调多粒度区间二型模糊隶属度.依据可调多粒度区间二型模糊隶属度（），对可调多粒度区间二型模糊概率粗糙集模型进行构建。定义8 假定(U,V,R,S)为一个多粒度区间二型模糊信息系统，两个阈值分别为和.对于任意的,EU且0 10145a3auC?12由此得出2 0 18 年1月1日到2 0 18 年1月15日中的最优日期，即钢铁耗能最低的日期，为1月1日，如图5 所示，0.50.40.30.20.1最优方案0.012345678101112131415备选方案图5本文方法的最终评价值Fig.5The final evaluation value of our method4.2灵敏度分析为了测试提出的决策方法的稳健性，对决策过程中涉及的参数g进行灵敏度m分析.4.1中取g=3,本节中分别设定g=2m2m2,84.图6 和表3给出了参数g取33不同值时的排序结果。综上，改变参数g的值不会影响备选方案的排序，最优方案都为1，即钢铁耗能最低的日期为1月1日，因此，本文提出的决策方法是稳健的.4.3对比分析将本文方法与其他决策方法进行对比分析，包括区间二型模糊经典TOPSIS、区.-607王冰洁等：基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策第4期0.5g-2g-3(red)g-4(green)0.4-0.3-0.20.1-最优方案0.023456789101112131415备选方案图6不同g值的图排序结果Fig.6Figure sorting results with different g表3不同g值的表排序结果Table3Table sorting results with different g排序结果1013115g=21g101314158-312g101314158=4g12g间二型模糊经典VIKOR、区间二型模糊D-S证据理论和区间二型模糊MULTIMOORA-TOPSIS.4.3.1和区间二型模糊经典方法的对比将本文方法与区间二型模糊经典方法TOPSIS和VIKOR26进行对比，结果如图7 和图8 所示.由图7 可知，本文方法和TOPSIS存在一些差异，两种方法计算得到的最优方案相同，总体决策趋于一致，但本文方法结果的区分度更好，由图8 可以看出，两种方法选择的最优方案是一致的。4.3.2和D-S证据理论的对比将本文方法与D-S证据理论进行对比，结果如图9所示，由图可见，两种方法得出的最优方案的结果是一致的，但D-S证据理论计算的结果趋于水平，而本文方法的结果则具有更好的区分度。4.3.3与MULTIMOORA-TOPSIS的对比将本文方法与MULTIMOORA-TOPSIS进行对比，结果如图10 所示由于使用区间二型模糊MULTIMOORA-TOPSIS计算得到的评价值较大，本文方法的评价值则趋于平缓.与图5 进行对比可见，两种方法0.5-本文方法区间二型模糊TOPSIS法0.40.3最优方案0.2-0.1最优方案0.023456789101112131415备选方案图7本文方法与TOPSIS的对比结果Fig.7Comparison results of our method and TOPSIS1e63.0本文方法最优方案区间二型模糊VIKOR法2.5-2.01.51.0-0.5-最优方案0.023567891011121314 15备选方案图8本文方法与VIKOR的对比结果Fig.8Comparisonesults.ofoulthodandVIKOR0.5H本文方法区间二型模糊D-S证据理论法0.4-0.3-0.2-0.1-最优方案0.023456789101112 131415备选方案图9本文方法与D-S证据理论的对比结果Fig.9Comparison results of our method and D-S evi-dencetheory计算出的评价值变化趋势较为一致，通过在钢铁行业耗能数据集上的实验，验证了多粒度区间二型模糊决策模型的有效性与可行性；综合灵敏度分析和对比分析，验证了本文模型的稳健性。608第5 9 卷南京大学学报（自然科学）1e91.4-1.21.020.80.6最优方案0.4-0.2本文方法最优方案区间二型模糊MULTIMOORA-TOPSIS法0.023456789101112131415备选方案图10本文方法与MULTIMOORA-TOPSIS的对比结果Fig.10Comparison results of our method and MUL-TIMOORA-TOPSIS5结论本文结合区间二型模糊集和多粒度概率粗糙集，建立了区间二型模糊多粒度概率粗糙集模型；然后，结合多粒度概率粗糙集与MULTIMOO-RA，再使用D-S证据理论对结果进行融合，建立了基于区间二型模糊多粒度证据融合的多属性群决策方法，最后，通过钢铁行业耗能实例验证了本文方法的有效性及可行性。未来的工作：（1)将本文方法应用到更多实际背景中并进行验证；（2)探索不完备环境下的区间二型模糊多粒度证据融合模型；（3)探索大规模群决策背景下的区间二型模糊多粒度证据融合模型参考文献1Liu C Y,Tan X,Liu Y F.Building a new-typepower system to promote carbon peaking and carbonneutrality in the power industry in China.ChineseJournal of Urban and Environmental Studies,2022,10(2):2250009.2Wang M W,Liang D C,Li D F.A two-stage methodfor improving the decision quality of consensus-driven three-way group decision-making.IEEETransactions on Systems,Man,and Cybernetics:Systems,2023,53(5):2770-2780.3Zhan J M,Wang J J,Ding W P,et al.Three-waybehavioral decision making with hesitant fuzzyinformation systems:Survey and challenges.IEEE/CAA Journal of Automatica Sinica,2023,10(2):330-350.4张晶晶，张超，陈炜哲，等.有限理性下基于多粒度概率粗糙集的三支球型模糊多属性群决策.模糊系统与数学,2 0 2 2,36(6):12-2 5.（ZhangJJ,ZhangC,Chen W Z,et al.Three-way spherical fuzzy multi-attribute group decision-making based on multi-granulation probabilistic rough sets under boundedrationality.Fuzzy Systems and Mathematics,2022,36(6):1225.)5Wu X L,Liao H C.A dual linguistic scale-baseddigitization and exploitation method for scrap steelremanufacturingprocessselection.EngineeringApplications of Artificial Intelligence,2021(100):104169.6Mendel J M,John R I,Liu F L.Interval type-2 fuzzylogic systems made simple.IEEE Transactions onFuzzy Systems,2006,14(6):808-821.7Wang T X,Li H X,Qian Y H,et al.A regret-basedthree-way decision model under interval type-2 fuzzyenvironment.IEEE Transactions on Fuzzy Systems,2022,30(1):175189.8伍冬睿，曾志刚，莫红，等.区间二型模糊集和模糊系统：综述与展望自动化学报，2 0 2 0，46(8)：15 39一1556.(Wu D R,Zeng Z G,Mo H,et al.Interval type-2 fuzzy sets and systems:Overview and outlook.Acta Automatica Sinica,2020,46(8):15391556.)9Deveci M,Simic V,Karagoz S,et al.An intervaltype-2 fuzzy sets based Delphi approach to evaluatesite selection indicators of sustainable vehicleshredding facilities.Applied Soft Computing,2022(118):108465.1o Mathew M,Chakrabortty R K,Ryan M J.Selectionof an optimal maintenance strategy under uncertainconditions:An interval type-2 fuzzy AHP-TOPSISmethod.IEEETransactionsonEngineeringManagement,2022,69(4):1121-1134.11】秦晋栋，徐婷婷.二型模糊决策理论与方法研究综述.控制与决策，2 0 2 3,38(6)：15 10-15 2 3.（QinJD，Xu T T.Type-2 fuzzy decision-making theories andmethodologies:A systematic review.Control andDecision,2023,38(6):15101523.)12 Brauers W K M.Project management for a countrywith multiple objectives.Czech Economic Review,2012,6(1):80-101.杨可盛（责任编辑609第4期王冰洁等：基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策13 BrauersWKM,ZavadskasEK.Projectmanagement by multimoora as an instrument fortransitioneconomies.UkioTechnologinisirEkonominis Vystymas,2010,16(1):5-24.14 Zhang C,Bai W H,Li D Y,et al.Multiple attributegroup decision making based on multigranulationprobabilistic models,MULTIMOORA and TPOP inincomplete q-rung orthopair fuzzy informationsystems.IInternationalJournal1of ApproximateReasoning,2022(143):102-120.15 Luo S H,Liu J.An innovative index system andHFFS-MULTIMOORA method based groupdecision-making framework for regional greendevelopment level evaluation.Expert Systems withApplications,2022(189):116090.16 Dahooie J H,Kashan A H,Naeini Z S,et al.Ahybrid multi-criteria-decision-making aggregationmethod and geographic information systemforselecting optimal solar power plants inIran.Energies,2022,15(8):2801.17 Dempster A P.Upper and lower probabilitiesinduced by a multivalued mapping.The Annals ofMathematical Statistics,1967,38(2):325-339.18 Shafer G.A mathematical theory of evidence.Princeton:Princeton University Press,1976:297.19 Wang J,Zhou Z J,Hu C H,et al.An evidentialreasoning rule considering parameter uncertainty.IEEE Transactions on Aerospace and ElectronicSystems,2022,58(2):1391-1404.20 Ding J J,Zhang C,Li D Y,et al.Hyperautomationfor air quality evaluations:A perspective of evidentialthree-way decision-making.Cognitive Computation,2023,DOI:10.1007/s12559-022-10101-8.21 Dong Y L,Li X D,Dezert J,et al.Multisourceweighted domain adaptation with evidential reasoningfor activity recognition.IEEE TransactionsonIndustrial Informatics,2023,19(4):55305542.22 Kowalski P,Zocholl M,Jousselme A L,Explainingthe impact of source behaviour in evidentialreasoning.Information Fusion,2022(81):41-58.23 Heidarzade A,Mahdavi I,Mahdavi-Amiri N.Supplier selection using a clustering method based ona new distance for interval type-2 fuzzy sets:A casestudy.Applied Soft Computing,2016(38):213-231.24林国平，梁吉业，钱宇华.基于多粒度视角下的D-S证据理论融合策略.计算机科学，2 0 14，41(2)：45 一48.(Lin G P,Liang J Y,Qian Y H.Multigranu-lation view based fusing strategy of D-S evidence.Computer Science,2014,41(2):45-48.)25骑骆华，王应明，考虑风险偏好的概率犹豫模糊多属性决策方法.计算机系统应用，2 0 2 0,2 9(10)：36 一43.(Luo H,Wang Y M.Probabilistic hesitant fuzzymulti-attribute decision-making method consideringrisk preference.Computer Systems&Applications,2020,29(10):3643.)26 Liao T W.Two interval type 2 fuzzy TOPSISmaterial selection methods.Materials&Design,2015(88):10881099.