基于群决策的带决策时间窗竞争匹配问题的决策组织优化.pdf

第2 9卷第8期计算机集成制造系统V o l.2 9N o.82023年8月C o m p u t e r I n t e g r a t e dM a n u f a c t u r i n gS y s t e m sA u g.2 0 2 3D O I:1 0.1 3 1 9 6/j.c i m s.2 0 2 3.0 8.0 2 6收稿日期:2 0 2 1-0 7-2 9;修订日期:2 0 2 1-1 1-0 4。R e c e i v e d2 9J u l y2 0 2 1;a c c e p t e d0 4A u g.2 0 2 1.基金项目:国家自然科学基金资助项目(7 1 5 6 2 0 0 2);广西自然科学基金资助项目(2 0 1 4 G X N S F B A 1 1 8 2 8 1)。F o u n d a t i o n i t e m s:P r o j e c t s u p p o r t e db yt h eN a t i o n a lN a t u r a lS c i e n c eF o u n d a t i o n,C h i n a(N o.7 1 5 6 2 0 0 2),a n dt h eN a t u r a lS c i e n c eF o u n d a t i o no fG u a n g x iZ h u a n gA u t o n o-m o u s,C h i n a(N o.2 0 1 4 G X N S F B A 1 1 8 2 8 1).基于群决策的带决策时间窗竞争匹配问题的决策组织优化陈星雨1,邓建新1,2+,韦婉冬1(1.广西大学 机械工程学院,广西 南宁 5 3 0 0 0 4;2.广西大学 广西制造系统与先进制造技术重点实验室,广西 南宁 5 3 0 0 0 4)摘 要:针对共享资源匹配中个体决策方案未考虑个体决策相互影响且不稳定,导致决策竞争和产生决策失效的问题,基于决策时间窗内相互影响的个体决策实质为群决策的特征,引入群决策理论,将各个体决策竞争者视为有效决策的群决策成员,构建了资源匹配中关于决策时间点选择的群决策模型。以各个体决策的组合为群决策备选方案,考虑到决策过程时间因素对决策者心理行为的影响,建立了心理偏好系数描述不同时间点的决策者对属性偏好的程度,以此修正决策信息、优化决策。基于概率语言术语集(P L T S s)以概率形式融合语言评价信息和数值评价信息,并结合心理偏好系数给出了评价值的概率计算公式。最后将评价值概率集合与逼近理想解排序法(T O P S I S)结合,对各决策方案排序,求出群体共识下的最优决策方案,该决策方案为所有决策者的最佳决策时间点集合。以物流信息平台中的车找货为例验证了模型的有效性。所提出的方法可为平台解决匹配竞争而实施决策控制以及资源调度提供方向。关键词:共享资源匹配;匹配决策;决策时间窗;群决策;决策组织优化;概率语言术语;逼近理想解排序法中图分类号:C 9 3 4;T P 3 9 1 文献标识码:AD e c i s i o no r g a n i z a t i o no p t i m i z a t i o nf o r c o m p e t i t i v em a t c h i n gp r o b l e mw i t hd e c i s i o nt i m ew i n d o wb a s e do ng r o u pd e c i s i o n-m a k i n gCHEN X i n g y u1,D ENGJ i a n x i n1,2+,WE IW a n d o n g1(1.S c h o o l o fM e c h a n i c a lE n g i n e e r i n g,G u a n g x iU n i v e r s i t y,N a n n i n g5 3 0 0 0 4,C h i n a;2.G u a n g x iK e yL a bo fM a n u f a c t u r i n gS y s t e ma n dA d v a n c e dM a n u f a c t u r i n gT e c h n o l o g y,G u a n g x iU n i v e r s i t y,N a n n i n g5 3 0 0 0 4,C h i n a)A b s t r a c t:T h ec u r r e n t i n d i v i d u a l d e c i s i o n-m a k i n gs c h e m e i ns h a r e dr e s o u r c em a t c h i n gd o e sn o tc o n s i d e r t h e i n t e r a c-t i o n,w h i c hm a k e st h ed e c i s i o nu n s t a b l ea n dr e s u l t si nd e c i s i o nc o m p e t i t i o na n dd e c i s i o nf a i l u r e.T oa d d r e s st h ep r o b l e m,b a s e do n t h e f a c t t h a t t h e i n t e r a c t i v e i n d i v i d u a l d e c i s i o n s i n t h ed e c i s i o n-m a k i n g t i m ew i n d o wa r eg r o u pd e-c i s i o n-m a k i n g,t h i sp a p e ru s e st h eg r o u pd e c i s i o n-m a k i n gt h e o r yw a su s e dt oc o n s t r u c tag r o u pd e c i s i o n-m a k i n gm e t h o df o r t h es e l e c t i o no fd e c i s i o n-m a k i n gt i m ep o i n t i nr e s o u r c em a t c h i n gb yc o n s i d e r i n ge a c h i n d i v i d u a l d e c i s i o n-m a k i n gc o m p e t i t o ra sag r o u pd e c i s i o n-m a k i n gm e m b e ro fe f f e c t i v ed e c i s i o n-m a k i n g.T h ec o m b i n a t i o no f i n d i v i d u a ld e c i s i o n sw a sr e g a r d e da s t h ea l t e r n a t i v eo fg r o u pd e c i s i o n-m a k i n g,a n dt h ep s y c h o l o g i c a l p r e f e r e n c ec o e f f i c i e n tw a se s t a b l i s h e dt od e s c r i b e t h ed e g r e eo fa t t r i b u t ep r e f e r e n c eo fd e c i s i o n-m a k e r sa td i f f e r e n t t i m ep o i n t sb yc o n s i d e r i n gt h e i n f l u e n c eo f t i m e f a c t o r s i nt h ed e c i s i o n-m a k i n gp r o c e s so nt h ep s y c h o l o g i c a l b e h a v i o ro fd e c i s i o n-m a k e r s,s oa st om o d i f yt h ed e c i s i o ni n f o r m a t i o na n do p t i m i z et h ed e c i s i o n-m a k i n g.B a s e do nP r o b a b i l i s t i cL i n g u i s t i cT e r mS e t s(P L T S s),l a n g u a g ee v a l u a t i o n i n f o r m a t i o na n dn u m e r i c a l e v a l u a t i o n i n f o r m a t i o nw e r e f u s e d i n t h e f o r mo f p r o b a b i l i-计算机集成制造系统第2 8卷t y,a n dt h ep r o b a b i l i t yc a l c u l a t i o nf o r m u l ao fe v a l u a t i o n v a l u e w a sg i v e ni nc o m b i n a t i o n w i t h p s y c h o l o g i c a lp r e f e r e n c ec o e f f i c i e n t.T h ee v a l u a t i o nv a l u ep r o b a b i l i t ys e t sw e r e c o m b i n e dw i t ht h eT e c h n i q u e f o rO r d e rP r e f e r e n c eb yS i m i l a r i t y t o I d e a l S o l u t i o n(T O P S I S)t os o r t t h ed e c i s i o ns c h e m e s,a n d t h eo p t i m a l d e c i s i o ns c h e m eu n d e r g r o u pc o n s e n s u sw a so b t a i n e d,w h i c hp r o v e dt ob e t h eb e s td e c i s i o n-m a k i n gt i m ep o i n t s e t o f a l l d e c i s i o nm a k e r s.T h ee f-f e c t i v e n e s so f t h em o d e lw a sv e r i f i e db y t a k i n g t h ev e h i c l e s e a r c h i n t h e l o g i s t i c s i n f o r m a t i o np l a t f o r ma s a ne x a m p l e.T h ep r o p o s e dm e t h o dc o u l dp r o v i d ed i r e c t i o n f o r t h ep l a t f o r mt o s o l v e t h em a t c h i n gc o m p e t i t i o na n d i m p l e m e n t d e c i-s i o nc o n t r o l a n dr e s o u r c es c h e d u l i n g.K e y w o r d s:s h a r e dr e s o u r c em a t c h i n g;m a t c h i n gd e c i s i o n;d e c i s i o n t i m ew i n d o w;g r o u pd e c i s i o n-m a k i n g;d e c i s i o no r-g a n i z a t i o na n do p t i m i z a t i o n;p r o b a b i l i s t i cl i n g u i s t i ct e r m s e t s;t e c h n i q u ef o ro r d e rp r e f e r e n c eb ys i m i l a r i t yt oi d e a l s o l u t i o n0 引言互联网化、服务化、共享化、平台化是当前生产运作和发展的重要特征。众多基于互联网共享服务、资源或信息的平台不断兴起,如物流信息平台、云制造服务平台、房屋租赁平台等,平台内的服务/资源供给和服务/资源需求互为供需方的资源,以下统称资源。这些平台解决了资源供需信息不对称问题,拓展了业务的资源,给资源供需方即平台的客户和交易决策者提供了便利的低成本的资源发现和交易场所(或模式)。但由于进入平台的资源和供需方随时间动态变化,而每个资源和需求存在生命周期(指资源的可用性有时限要求,如云制造平台中某企业提供1 2:0 02 0:0 0时段服务的机床),使资源供需方在(同时限内)不同时间点的匹配资源、决策收益等情况有所不同,加之平台内存在大量相似业务,某时刻资源的可匹配对象不止一个,即资源需求方不止一个,匹配有耦合,导致资源需求方之间产生了竞争行为。这使得对应的资源供需方都面临有决策时间窗的匹配决策问题1,需要选择最佳的决策时间点(匹配对应资源)做出决策响应,这也意味着相同时间窗内不同的资源需求方会竞争相同(时间点)的资源,尤其是优势资源。因此,最终有效决策的结果(交易达成或有效的调度)实质上由特定时间窗内所有匹配的资源供需方的共同决策即群决策决定。自然地,如果忽视决策时间窗内其他资源供需方的决策行为,会导致决策结果不稳定(好的结果已经被其他决策者争夺),产生决策部分和完全失效或匹配调度失效的情况,不但直接导致对应的资源得不到应用,失去再服务机会,需求得不到及时响应,如物流信息平台需要在某限定日期返回的车辆由于没有匹配到货物需要空车返程,云制造中企业某时段闲置的机床过时后已无法提供线上制造服务,收益较差的资源无人问津;而且也导致相关客户满意度下降,影响客户的粘性(如果一个客户在平台内始终得不到合适的交易,则就会减少对平台的依赖),进而影响平台的运营发展。因此,为了进一步提高共享资源平台的服务水平及其对相关生产活动的运作水平,发挥平台的最大价值,急需考虑时间窗内的决策间的影响和有利益冲突的竞争问题,基于群决策视角探究匹配竞争情况下的资源需求方群决策方案,提高决策时间窗内需求方决策的准确性、稳定性和满意度,避免决策失效情况,以指导平台的资源调度和配置。资源匹配是共享资源平台中的重点内容,如云制造平台设备资源与加工任务之间的匹配2、公共服务平台资源寻租及其匹配3、无车承运人平台的车货匹配4、众包平台有关众包任务的匹配5等。学者们结合不同服务平台资源特征,对该过程进行了广泛研究,但仍侧重于解决高效、更准确优化的资源(或业务)发现和调度问题。如YANG等6构建了制造任务服务动态匹配网络理论模型,并对云平台Q o S(q u a l i t yo f s e r v i c e)进行了动态评估,最终实现了云制造服务的动态调度和云制造任务匹配的最优服务组合;王长军等7通过建立排序博弈模型研究了基于自利异质需求的共享资源匹配问题,发现非正规型客户是导致供需失配的关键因素之一,为平台优化资源供给和供需匹配。提升资源共享效率提供了方向;郑杰等8研究了基于云平台的制造资源智能匹配方法,通过词向量建模来完成制造资源和用户需求的特征描述以及向量提取,将云平台的制造资源匹配转换为两组词向量匹配的优化问题,提高了云环境下制造资源智能匹配的效率和精度;余洋等9基于第三方云平台环境,提出了一种面向多服务价值链的业务资源双边匹配模型,以提高匹配资源的质量和准确性;WANG等1 0分析了货运匹配平台供需双方的损失厌恶对匹配结果的影响,以此建立双边匹配模型,提高货运匹配平台匹配结果的准确性和可接受性。这些研究使得资源平台4182第8期陈星雨 等:基于群决策的带决策时间窗竞争匹配问题的决策组织优化可依据需求方条件和要求为其寻找并推荐合适的资源,或让需求方更准确高效地主动发现到相应的匹配结果,但都是站在独立地为每个需求方即个体(交易)决策者服务角度开展的,且主要研究未考虑需求方对于匹配结果的接受态度,即属于决策分析方案拟定的前期阶段。为此,考虑到平台业务匹配后的交易决策分析过程建立了有决策时间窗的匹配决策优化支持模型1,但仍是仅基于个体决策者角度建立的支持模型,只顾及了个体决策者的利益,没有考虑到决策时间窗内实际存在的其他决策者的决策竞争行为及其对最终决策的影响,更未从平台和更全局的角度兼顾竞争决策者的利益。目前,有关群决策的研究主要涉及两方面:群决策的应用,即将群决策方法与不同背景下的决策过程相结合,构建适合的群决策模型求解出决策方案;对群决策(理论)模型的改进,提出新的群决策思路。在群决策的应用方面,学者们已将其广泛应用 于 于 选 址1 1、应 急 决 策1 2、医 疗1 3、风 险 评估1 4、供应商选择1 8等问题,如N I E等1 5针对能源选址问题提出了一种基于乘法概率语言偏好信息的群体决策支持模型,有效地进行能源选址操作;Y u等1 6提出了一种基于距离的群体决策方法来解决非常规的群体紧急决策问题,提出的群决策方法能够提高应急决策的有效性和应急管理;刘利枚等1 7将群决策应用于应急物流中,提出一种考虑预案实施人员诉求和定性表征预案偏好的语言区间直觉模糊群决策方法;T S U I等1 8提出了一种基于层次分析法、熵值法、消元法和现实表达选择法的混合多准则多个供应商群体决策方法;牟能冶等1 9将群决策理论与可能性分布犹豫模糊语言集相结合应用到可持续供应商选择过程中,提出了基于P D-H F L T S(p o s s i b i l i t yd i s t r i b u t i o n-h e s i t a n tf u z z yl i n-g u i s t i c t e r ms e t)与群决策理论的三阶段决策方法。近年来,也有学者开始尝试将群决策理论应用于服务平台的服务评价中,但还不多见,如李长仪2 0在设计云制造服务邀约评价时因涉及联盟,引入了群决策理论来综合联盟对服务邀约的评价,从而选择符合自身和联盟需求的服务邀约;周向红等2 1提出了一种基于多源异构评价信息的V I K O R(v i s ek r i t e r i j u m s k ao p t i m i z a c i j ak o m p r o m i s n o r e s e n j e)群决策方法实现云制造平台的协同创新伙伴的选择;程春红2 2使用改进的群决策方法建立了我国公路货运平台的竞争力评价模型。这些应用都通过选择(或等同于选择)多位专家对多项待决策备选方案进行评估,来综合群体共识选择决策方案。相对于个体决策,评估和决策结果更客观、可靠,但所选择的专家评价的利益(或服务的角度)是一致的,实质是只为某个个体决策者的服务,而鲜有涉及到服务平台因多个利益不一致的决策者决策耦合导致的资源竞争选择问题。针对群决策方法改进的研究比较活跃,成果丰富2 3(可参考相关综述),如L E I等2 4针对现有的决策方法在解决大群体决策问题时存在专家决策信息丢失的缺陷,提出了一种将专家组聚类算法与群体共识模型相结合的群体决策 模 型,以 避 免 主 观 分 配 专 家 权 重 的 弊 端;M E N G等2 5考虑到群体决策者在决策过程中不同类型的偏好表达方式,研究了具有异质直觉模糊偏好关系的群体决策模型;MO R E N T E等2 6考虑到群体决策过程是动态变化的情况,提出了一种新的决策方法用于解决动态群决策问题,该方法中主要组成部分是一个感知计算方案,以提取专家的动态信息;L I U等2 7针对决策者用犹豫模糊语言表达偏好的情况,为了保证群决策过程中使用犹豫模糊语言术语集的可靠性,提出了一种新的基于犹豫模糊语言术语集的群决策模型,该模型集成了一致性的改进过程;D A R-I U S Z2 8考虑到现实情况下决策者可能不能用准确的数值表达自己偏好的情况,提出了一种新的基于有序模糊数的理想解相似排序技术的群体决策方案排序方法。这些改进提高了决策结果的合理性,使决策结果更优化,但主要侧重考虑群决策专家偏好信息表达不全面、不准确、动态变化以及评价术语不一致等情况对群决策过程的影响,鲜有研究考虑到决策者心理行为对决策过程所产生的影响。而在资源匹配的决策过程中,因资源动态性(导致收益动态变化),资源供需方需要在时间窗内决策,由于资源供需方的决策心理会受到时间风险的干扰1,影响不同时间点的决策结果和质量,主要表现为不同时间点供需方对决策选择的资源属性的偏好不同,如交货期较远时更追求成本,交货期短时更看重完成的及时性。这要求在构建基于共享资源平台需求方时间窗匹配决策问题的群决策模型时需要考虑决策者的心理变化,以使最终决策结果更合理,提高群决策的可信度、可靠性和满意度。鉴于此,本文针对具有决策时间窗的共享资源平台资源竞争匹配决策问题,基于其最终有效决策受到同时间窗竞争者决策影响,是隐性的群决策的本质,站在平台视角提出了带有时间窗的匹配竞争的群决策问题。基于共享资源平台资源匹配决策的时间竞争特性,将资源匹配的有效决策视为群决策目标,同决策时间窗内的资源需求方即个体竞争决策者视为群决策成员,个体决策者(资源需求方)的决策方案5182计算机集成制造系统第2 8卷视为其参与群决策的意见,其最优决策方案组合视为群决策备选方案,通过定义决策者决策心理偏好系数来考虑共享资源匹配决策的时间特性和拓展概率语言术语集以表达对应群决策意见,然后基于属性权重加权集结群决策意见和按T O P S I S法比较得到决策方案排序和最优决策方案,形成考虑决策者心理行为因素的服务平台资源竞争匹配的群体决策方法。该决策方法考虑了共享资源匹配属性随时间变化的特征,时间窗内决策者决策的影响和决策者自由决策行为变化等实际因素,实现了时间窗内多个关联决策者的群决策的显性模型化,进一步更精准地对共享资源平台的供需决策者的决策进行了组织优化,可以提高平台资源匹配过程需求方决策的稳定性、有效决策的概率,从而保证匹配资源被接受实施,为平台控制解决竞争匹配问题、提高平台用户满意度,进一步基于平台来提高其对生产运作的水平提供了支持方案。1 带决策时间窗的竞争匹配问题描述共享资源平台(下文简称平台)的供需互为资源(涉及服务资源和需求资源),对应主体都是资源需求方,其匹配过程是典型的双边匹配,需要彼此响应。由于资源随时间动态变化,每个时间点对应不同资源分布,综合收益与风险来选择最佳资源等价于选择最佳决策时间点1。同时由于资源匹配过程的复杂性,一个资源的可匹配对象往往不止一个,即资源需求方之间会产生资源竞争,如图1所示。表现为同一时段(决策时间窗相交,如图1 a)的多个资源需求方选择同一个时间点做出决策响应,此时他们会争夺同一时刻的优势资源,当资源供给不足时势必导致一部分需求方决策失效,交易耦合失效,即无法按照原来的决策计划去响应该时刻的资源。图1 b中的资源对应的时刻均设定为最佳决策时刻,服务资源S R1与服务资源S R2都与需求资源R R4匹配成功,S R2还与R R5匹配,当S R1在ts发出与R R4的响应决策时,R R4在t2发出了与S R2交易的决策,R R5在t5也发出了与S R2交易的决策,S R3无决策者响应,最终只有S R2与R R5形成有效决策,S R1因为在时间窗内失效无法得到满足或利用,无法按照原有的决策计划获得收益,导致其决策失效或不稳定。这主要是需求方出现了业务竞争,决策者1(需求方1)的个体决策过程没有考虑到其他需求方(决策者2、决策者4、决策者5)的决策行为而导致的。这种现象会造成需求方风险加大、响应成功率低,进而用户满意度下降,以及平台资源利用率低等问题。6182第8期陈星雨 等:基于群决策的带决策时间窗竞争匹配问题的决策组织优化 由此可见,平台资源匹配有效决策实质是由同时间窗内多个决策者的群体决策行为决定的,此处的同时间窗指竞争决策者的个体决策时间窗的并集,如图1 a中的t1,ti+2。为解决以上问题,避免无价值的资源竞争的产生,需要探究群体共识下的决策支持优化方案。平台可以根据各需求方的个体需求为其匹配或推荐合适的个体决策时间点,如文献1 通过个体匹配决策求解出资源需求方的三阶段决策时间点,需求方当然也可以自行判定选择决策时间,其隐含设定了决策时间点,但因为涉及风险,为保证需求方利益最大化,此处设定由平台推荐。设资源需求方dk(k(1,h),h为决策者总个数)通过过平台推荐得到edk个体决策时间点t1,t2,ted k,因为平台的资源是动态变化的,每个决策时间点对应由不同资源和收益,竞争情况下,平台系统内最终决策方案实际上等于h个决策者的个体决策时间点的一对一排列组合,即可构成hk=1edk个可能的决策结果(称为备选决策方案)。不考虑彼此决策影响得到的有效决策相当于从备选方案中选择了只使部分决策者满意的方案。当集成考虑不同决策者基于其自身满意度决策,实际上等同于考虑该时间窗内所有决策者对hk=1edk个备选决策方案进行群体评估选择的过程,即群决策。最终集结群体意见确定出群体满意度最高的备选决策方案即为最佳群决策方案,该方案为各需求方最佳决策时间点集合,兼顾了各需求方的互相影响,是该时间窗最稳定的方案。如某平台推荐给决策者A的个体决策时间点为时刻1和时刻2,推荐给决策者B的个体决策时间点为时刻2和时刻3,则备选方案有四种(如图2):决策者A在时刻1做出决策,决策者B在时刻2做出决策;决策者A在时刻1做出决策,决策者B在时刻3做出决策;决策者A在时刻2做出决策,决策者B在时刻2做出决策;决策者A在时刻2做出决策,决策者B在时刻3做出决策。所以本文解决的问题可以描述为:平台内有许多交易决策者,根据决策者需求和平台内的资源,在某时间窗T内,T可划分为n个时间点,表示为T=t1,tg,tn,tg(g=1,2,n)表示第g个时间点。确定有决策者d1,dk,dh,都有对应的匹配资源并需要在该时间窗T内决策,且平台通过匹配为每位需求者推荐了edk个备选的T内的个体决策时间点(对应最佳综合收益点)表示为tdkg,tdkgT。这些时间点存在交叉重叠,即各决策者存在决策点(资源)竞争,当所有决策者都在对应个体决策时间点交易决策时,等同于形成了hk=1edk(设m=hk=1edk)个备选决策方案的群体决策问题,所有备选决策方案构成集合A=a1,ai,am,ai表示第i个备选决策方案;各决策者根据自身要求对备选决策方案A的属性进行评估和决策,设dk对ai基于属性cj的评估为ldkaicj,cj(j=1,2,b)表示第j个属性。在决策过程中,受最终时限压力的影响,决策者决策心理上有所变化,体现为对于不同时间点的属性偏好有所不同。平台通过历史记录、问卷调查等方式可收集每个决策者对备选决策方案A属性指标的评估,得到dk的个体决策矩阵。为了提高平台的决策响应成功率和资源总体利用率,需要寻找该时间窗T内对应h个决策者竞争性最小且都最满意的决策方案,即最稳定群决策方案。3 带决策时间窗竞争匹配问题的群决策方法基于带决策时间窗竞争匹配问题的决策响应的过程属于群体决策行为的本质,以下将资源竞争决策者的个体决策时间窗的并集确定为同决策时间窗,将同决策时间窗内的个体竞争决策者(资源需求方)视为群决策成员,个体决策者的决策方案视为其参与群决策的意见,将平台推荐的个体决策者方案7182计算机集成制造系统第2 8卷的组合视为群决策备选方案,基于群决策理论对同决策时间窗内有效决策进行优化,以在不改变竞争决策者要求情况下,提高匹配交易的有效决策率、响应成功率和群体满意度。整个群决策过程如图3所示。由图3可知,带决策时间窗竞争匹配问题群决策方法包含5个步骤:平台收集需求方评价信息,建立个体决策矩阵,描述每个决策者对备选方案的评价情况;求解心理偏好系数,修正个体决策矩阵,刻画时间对决策者心理行为产生的影响;计算评价值概率,建立群决策矩阵,形成基本群决策意见,考虑竞争决策的影响;使用熵权法确定各属性权重;基于TO P S I S法求解各备选决策方案的排序。涉及形成个体决策者的决策意见(对应步骤、)、形成群决策意见(对应步骤)和基于群决策意见的决策组织优化(对应步骤、)三个 阶段。下面阐述 每个阶段的 处理方法。3.1 个体决策者的决策意见描述3.1.1 初始决策意见个体决策者的决策意见通过个体决策者对决策方案的评价意见来描述。每个决策者在决策前,对每个备选方案基于评价指标(一些平台将部分决策评价指标如成本作为属性纳入到资源供需匹配过8182第8期陈星雨 等:基于群决策的带决策时间窗竞争匹配问题的决策组织优化程,为适应这种情形,本文将评价指标称为评价属性)进行评价,由于平台收集决策者对备选决策方案的评价信息形成个体决策矩阵,为了减少个体决策者的工作量,很多评价实际上在推荐匹配时已经由平台计算得到。对资源匹配的决策的评价属性类型有效益型J1和成本型J2,效益型属性值越大越好,如信誉度、运输便捷性、匹配度、熟悉度等,成本型属性值越小越好,如竞争环境、成本、运输距离等。考虑到相交时间窗内需求方存在竞争性,因此将竞争环境因素纳入到群决策评价指标体系中。其他的具体指标,需要根据平台所匹配的业务决定,如车货匹配平台考虑以运输便捷性、匹配度、运输距离等建立评价指标体系3 4,云制造服务平台考虑以协同性能、业务相关性、熟悉度建立评价指标体系2 1。评价信息可以通过以下三种方式得到:由平台统计和汇总用户的认证信息、历史交易信息所得,以及一些理论公式得到,如交易熟悉度、成本、收益等;由平台根据决策者自身条件及需求,通过匹配算法以及相关决策模型计算所得,如匹配成功概率、匹配度等;由平台通过问卷调查的方式收集需求方意见而得,如竞争性等。设对每个备选方案ai有b个评价指标,dk对ai基于属性cj的评价为ldkaicj,则dk的个体决策矩阵为:Dk=(ldkaicj)mb=ldka1c1ldkamc1ldkamcbldkamcbmb。(1)3.1.2 修正个体决策矩阵基于时间窗的资源匹配问题,决策者的心理会对时间的风险感知呈现不同的状态,这会导致决策者在不同的时间点对属性的偏好不一致。一般地,在最开始做决策时,由于剩余的决策时间较多,决策者会更多关注于收益型指标,更注重决策方案给自己带来的利益。随着决策时间的减少,决策者感知到的时间风险会越大,会更偏向于关注成本型指标,希望决策方案给自己带来的损失最少,如图4所示。由此可知,决策者对不同时间点的属性关注程度会受到决策时间窗长短的影响,导致其对于不同属性的评价值信息偏好也相应地会受到影响。即随着决策时间窗的变短,决策者对收益型属性的评价值的关注程度会降低,而对成本型属性的评价值的关注程度会提高。所以需要修正个体决策信息,提高决策的合理性和准确性。根据3.1.1节对属性的分类,以剩余决策时间占总决策时间窗的比值即决策时间紧急程度 来建立属性 评 价 的 心 理 偏 好 系数dkcjtd kg(ai),dkcjtd kg(ai)=tdkn-tdkg(ai)tdkn,cjJ1;tdkg(ai)tdkn,cjJ2。(2)式中,dkcjtd kg(ai)表示决策者dk在时间点tdkg(ai)对属性cj的偏好程度;tdkn为决策者dk的决策截止时间点;tdkg(ai)表示决策者dk基于备选方案ai时的决策时间点,tdkg(ai)T,g1,n。根据所求解的心理偏好系数,可得到决策者dk修正后的个体决策矩阵D*k:D*k=(ldkaicj(dkcjtdkg(a i)mb=ldka1c1(dkc1tdkg(a1)ldka1cb(dkcbtdkg(a1)ldkamc1(d kc1td kg(am)ldkamcb(dkcbtdkg(am)mb。(3)式中ldkaicj(dkcjtdkg(ai)表示带有心理偏好系数的评价值信息即决策者dk基于属性cj对备选决策方案ai的评价值为ldkaicj,对应的心理偏好程度为dkcjtdkg(ai)。3.2 竞争性决策者的群决策意见3.2.1 融合个体决策矩阵相对最终有效决策,所有竞争者实际上为有效决策的群决策者,为此构建融合个体决策矩阵的关于备选方案的群决策意见,以优化最终有效决策。9182计算机集成制造系统第2 8卷在个体决策矩阵D*k的基础上以概率语言术语集(P r o b a b i l i s t i cL i n g u i s t i cT e r m S e t s,P L T S s)2 9的形式建立带有概率的群决策矩阵,从而达到集结个体决策信息的目的。P L T S s是2 0 1 6年由P ANG等2 9提出的,通过赋予每个语言术语概率来表示决策者在不同语言术语之间的偏好程度的工具,之后有许多学者将它应用到群决策问题的评价中3 0。但现有P L T S s及应用都是针对语言术语评价,而资源匹配问题中还涉及数值类评价(如成本、收益等)。为此,本文对P L T S s进行了扩展,将其应用到实数中,并应用拓展的P L T S s来表述群决策意见。同时,考虑到修正后的个体决策矩阵包含了心理偏好系数,因此对文献2 9 中评价值概率的计算做了改进,建立了带有心理偏好系数的评价值概率计算。设S S=s1,so,sq 是一个评价术语集,可为语言类和数值类评价,S*=s(1)(1),s(2)(2),s(r)(r)为对应的带有心理偏好系数的评价值集合,(r)为评价值s(r)对应的心理偏好系数(s(r)S S),则评价值集合S*的概率术语表示为S*(p)=s(r)(pr)|r=1,2,#S*(p),pr表示评价值s(r)的概率。则有:pr=s(r)(r)#S*r=1(r)。(4)式中:#S*表示评价值集合S*中所包含的评价值数量;s(r)(r)表示将评价值为s(r)的所有心理偏好系数求和;#Sr=1(r)为评价值集合S*的全部心理偏好系数之和;#S*(p)表示概率评价值集合S*(p)中所包含的不同评价值的数量。如:属性X2为数值类的属性,其评价值有1 0 0,1 5 0,2 0 0,其带心理偏好的评价值集合有1 0 0(0.2),1 0 0(0.3),2 0 0(0.3),则带心理偏好的评价值概率 集表示为:S*(p)=1 0 0(0.6 2 5),2 0 0(0.3 7 5),其中0.6 2 5=(0.2+0.3)/(0.2+0.3+0.3),0.3 7 5=0.3/(0.2+0.3+0.3)。基于式(4)评价值概率的计算,建立的群决策矩阵如式(5)所示:S D=Saicj(p)()mb=ld1a1c1(d1c1td1g(a1),ldha1c1(d hc1td hg(a1)ld1a1cb(d1c b td1g(a1),ldha1cb(d hc b td hg(a1)ld1amc1(d1c1td1g(a m),ldha1c1(d hc1td hg(a1)ld1amcb(d1c b td1g(a m),ldhamcb(d hc b td hg(a m)mb=s1a1c1(p1a1c1),sra1c1(pra1c1)s1a1cb(p1a1cb),sra1cb(pra1cb)s1amc1