基于對(duì)稱交互熵的多屬性決策排序法

盧國祥,李冰清

(1.中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院,湖北武漢430073)

(2.南開大學(xué)金融學(xué)院,天津300071)

(3.南開大學(xué)經(jīng)濟(jì)學(xué)院,天津300071)

基于對(duì)稱交互熵的多屬性決策排序法

盧國祥1,2,3,李冰清2

(1.中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院,湖北武漢430073)

(2.南開大學(xué)金融學(xué)院,天津300071)

(3.南開大學(xué)經(jīng)濟(jì)學(xué)院,天津300071)

本文研究了多屬性決策的排序問題.利用信息熵理論提出了對(duì)稱交互熵概念,定義了一種新的與理想方案的貼近度,由此給出了基于對(duì)稱交互熵的排序方法.最后通過算例將新方法與傳統(tǒng)的TOPSIS法、夾角度量法和正交投影法作對(duì)比,獲得了新方法能夠更加精確地判斷方案優(yōu)劣的結(jié)果.

多屬性決策;對(duì)稱交互熵;TOPSIS法;相對(duì)貼近度

1　引言

TOPSIS法是多屬性決策分析中常用的有效方法,通過檢測被評(píng)方案與理想方案和負(fù)理想方案的距離來進(jìn)行排序,具有計(jì)算簡便、評(píng)估清晰的特點(diǎn).然而該方法也有不足之處:比如不同方案與理想方案和負(fù)理想方案距離相等時(shí)便無法區(qū)分優(yōu)劣,與理想方案更接近的方案可能與負(fù)理想方案也更接近[1].因此學(xué)者們對(duì)此方法的改進(jìn)做了很多研究,論文[2]推廣了TOPSIS法的適用范圍并提出了夾角度量法,文獻(xiàn)[3]提出了基于“垂面”距離的正交投影法等,但是這些方法還是或多或少存在一些不足[4].近年來學(xué)者們注意到信息論中的熵概念,將熵和熵優(yōu)化理論應(yīng)用到?jīng)Q策分析上:比如論文[5]提出了基于信息熵的多屬性參數(shù)系統(tǒng)決策方法,文獻(xiàn)[6]提出了基于相對(duì)熵的多屬性決策組合賦權(quán)法,文獻(xiàn)[7]運(yùn)用相對(duì)熵理論提出多粒度語言信息群決策方法,文獻(xiàn)[8]提出了基于相對(duì)熵的多屬性決策排序法等.不過相對(duì)熵不具有對(duì)稱性,在應(yīng)用中排序可能會(huì)出現(xiàn)前后不一致的情況,為克服這一問題,本文從信息論角度提出對(duì)稱交互熵的概念,結(jié)合TOPSIS法的思想定義新的方案貼近度,得到新的多屬性決策排序法.并將新方法與傳統(tǒng)的TOPSIS法、夾角度量法和正交投影法進(jìn)行對(duì)比,得到新方法優(yōu)于前面的方法的結(jié)果.

2　對(duì)稱交互熵的基本概念

在信息論中,衡量系統(tǒng)差異的一個(gè)最重要概念是相對(duì)熵[9].

定義2.1離散概率分布P=(p1,p2,···,pn)和Q=(q1,q2,···,qn)之間的相對(duì)熵定義為

定義2.2對(duì)兩個(gè)系統(tǒng)

其中0≤Ai≤1,0≤Bi≤1,i=1,2,···,n,其系統(tǒng)狀態(tài)之間的差異程度可表示為

稱C(A,B)為系統(tǒng)A對(duì)B的相對(duì)熵[8].

盡管相對(duì)熵可以衡量系統(tǒng)差異,然而它并不滿足對(duì)稱性和三角不等式,因此不是兩個(gè)系統(tǒng)之間的真正距離.不過將它視為兩個(gè)系統(tǒng)的差異測度還是有其實(shí)際意義,比如相對(duì)熵C越小,A與B之間的差異程度越小,當(dāng)A=B時(shí),C=0.下面我們?cè)诒３忠陨闲再|(zhì)的基礎(chǔ)上對(duì)其進(jìn)行改進(jìn),以滿足對(duì)稱性和有界性,避免出現(xiàn)Ai或Bi→0(或1)時(shí)相對(duì)熵的值趨向于無窮大的情況.

定義2.3對(duì)兩個(gè)系統(tǒng)A={A1,A2,···,An},B={B1,B2,···,Bn},稱

為系統(tǒng)A對(duì)B的對(duì)稱交互熵.為了保證以上定義的函數(shù)在Ai或Bi=0(或1)時(shí)有意義并滿足連續(xù)性,規(guī)定

對(duì)稱交互熵BC(A,B)滿足以下性質(zhì):

定理2.4對(duì)兩個(gè)系統(tǒng)

它們的對(duì)稱交互熵BC(A,B)滿足

(1)BC(A,B)≥0,并且等號(hào)成立的充分必要條件是A=B;

(2)BC(A,B)=BC(B,A);

(3)BC(A,B)≤2n.

證由(2.3)式中相對(duì)熵的性質(zhì)可知(1)成立.(2)成立可由(2.3)式的形式看出.下面證明(3).因?yàn)?/p>

3　TOPSIS法的回顧[10]

記M={1,2,···,m},N={1,2,···,n},設(shè)多屬性決策問題中有m個(gè)方案A1,A2,···, Am,n個(gè)指標(biāo)B1,B2,···,Bn,令Y={yij}m×n為決策矩陣(即yij表示方案Ai在指標(biāo)Bj下的初始屬性值),Z={zij}m×n為標(biāo)準(zhǔn)化決策矩陣,wj為指標(biāo)Bj的權(quán)重(j∈N), X={xij}m×n為加權(quán)標(biāo)準(zhǔn)化決策矩陣.TOPSIS法的建立步驟如下:

(1)由決策矩陣Y={yij}m×n建立標(biāo)準(zhǔn)化決策矩陣Z={zij}m×n(即無量綱化):

(2)計(jì)算加權(quán)標(biāo)準(zhǔn)化決策矩陣X={xij}m×n:

(3)確定理想解X+和負(fù)理想解X-:

設(shè)T1,T2分別表示效益型指標(biāo)(正向指標(biāo))和成本型指標(biāo)(負(fù)向指標(biāo))的下標(biāo)集合,則

(4)計(jì)算各方案與理想解和負(fù)理想解的歐氏距離:

(5)計(jì)算各方案與理想解的相對(duì)貼近度:

按照Ci從大到小的順序給所有方案Ai排序,前者優(yōu)于后者.

4　對(duì)稱交互熵排序法和主要性質(zhì)

由TOPSIS法的定義可知衡量不同方案的差異所采用的是歐氏距離,但不足之處主要有:與理想解的歐氏距離更近的被評(píng)方案可能與負(fù)理想解的歐氏距離也更近,方案對(duì)應(yīng)的點(diǎn)可能恰好落在理想解和負(fù)理想解對(duì)應(yīng)的中垂線上等,這就會(huì)導(dǎo)致排序結(jié)果并不能反映出各被評(píng)方案的優(yōu)劣程度.因此考慮將歐氏距離替換為對(duì)稱交叉熵,使多屬性決策中的被評(píng)方案與理想方案的接近程度用對(duì)稱交叉熵來測度,這樣便可以有效克服上述的問題.下面利用各方案對(duì)應(yīng)的加權(quán)標(biāo)準(zhǔn)化決策矩陣X={xij}m×n的第i行,分別與理想方案X+和負(fù)理想方案X-算對(duì)稱交互熵,然后定義一種新的貼近度,根據(jù)此貼近度將所有方案進(jìn)行排序,稱這種方法為對(duì)稱交互熵排序法.

引理4.2[9](對(duì)數(shù)和不等式)對(duì)于非負(fù)數(shù)a1,a2,···,an和b1,b2,···,bn,

該引理的證明可參見文獻(xiàn)[9]中定理2.7.1.

證由引理4.2,有

等號(hào)成立的條件當(dāng)且僅當(dāng)

即xij=,故Ai=X+.同理可證≥0并有=0當(dāng)且僅當(dāng)Ai=X-.(1),(2)得證.

(3)由定理2.3(3)得到.

在計(jì)算過程中,由對(duì)稱性可知不需要關(guān)注X+,X-與Ai的相互順序.

定義4.4假設(shè)X+X-,則可以用Pi描述方案Ai(i∈M)關(guān)于理想方案X+的接近程度,并且Pi越大越接近理想方案X+.排序原理為

I.Pi越大,則相應(yīng)的方案越好;

II.若Pi=Pj,則可用和區(qū)別Xi和Xj的優(yōu)劣,越小越好.

于是交互熵排序法的具體步驟為

(1)、(2)、(3)步與TOPSIS法的(1)、(2)、(3)步保持一致.

(4)分別由(4.1)和(4.2)式計(jì)算各方案與理想方案及負(fù)理想方案的對(duì)稱交互熵.

(5)由(4.3)式計(jì)算各方案與理想方案的相對(duì)貼近度Pi.按照Pi從大到小的順序給所有方案Ai排序,前者優(yōu)于后者.若Pi=Pj,則比較和小的對(duì)應(yīng)方案優(yōu)于大的對(duì)應(yīng)方案.

5　決策實(shí)例

下面把本文提出的基于對(duì)稱交互熵的排序法同傳統(tǒng)的TOPSIS法、夾角度量法和正交投影算法進(jìn)行對(duì)比.

例1[2]設(shè)有決策矩陣

這里屬性B1和B2都是收益型的,即T1={1,2},屬性權(quán)向量w=(2/3,1/3).由(3.1)-(3.4)式求得加權(quán)標(biāo)準(zhǔn)化矩陣X,理想解X+和負(fù)理想解X-如下

由文獻(xiàn)[2]和本文第4節(jié)提出的方法可得表1.

表1:基于歐氏距離的TOPSIS法、夾角度量法和對(duì)稱交互熵排序法的計(jì)算結(jié)果

由上表可知傳統(tǒng)的TOPSIS法基于歐氏距離無法區(qū)分方案A1和A2的優(yōu)劣.而根據(jù)[2]中的夾角度量法,可得方案A2優(yōu)于A1.根據(jù)對(duì)稱交互熵排序法同樣得到方案A2優(yōu)于A1.這說明對(duì)稱交互熵排序法確實(shí)可以解決方案對(duì)應(yīng)的點(diǎn)恰好落在理想解和負(fù)理想解對(duì)應(yīng)的中垂線上的問題.

例2[4]某多屬性決策問題加權(quán)標(biāo)準(zhǔn)化后的決策矩陣如下:

其中B1為效益型指標(biāo),B2為成本型指標(biāo).可得理想解

和負(fù)理想解

分別采用基于歐氏距離的TOPSIS法、夾角度量法和正交投影法對(duì)其進(jìn)行排序,評(píng)價(jià)結(jié)果如表2所示.

表2:基于歐氏距離的TOPSIS法、夾角度量法和正交投影法的計(jì)算結(jié)果

由表2的結(jié)果可以看出,采用夾角度量法時(shí),由于A1=3A4,于是方案A1和A4與理想解和負(fù)理想解的夾角完全相同,故夾角的貼近度也完全相同.但這兩方案與理想解和負(fù)理想解的歐氏距離卻不相同,A1比A4要靠近理想解,遠(yuǎn)離負(fù)理想解,因此采用夾角度量法大大提高了方案A4的貼近度,顯然這個(gè)結(jié)果不好.而基于歐氏距離的TOPSIS法和正交投影法也不能對(duì)這4種方案進(jìn)行排序[4].最后我們采用對(duì)稱交互熵排序法來求解,評(píng)價(jià)結(jié)果如表3所示.

表3:對(duì)稱交互熵排序法的計(jì)算結(jié)果

這樣4種方案的優(yōu)劣被完全區(qū)分了,因此該方法優(yōu)于前面提到的三種方法.

6　結(jié)論

本文將信息論中的相對(duì)熵概念推廣,提出對(duì)稱交互熵概念,并由此得到了基于對(duì)稱交互熵的多屬性決策排序法,這種方法是對(duì)傳統(tǒng)的TOPSIS法的改進(jìn).通過實(shí)例計(jì)算得知該方法有效可行,針對(duì)傳統(tǒng)的TOPSIS法、夾角度量法和正交投影法不能解決的排序問題可以有效給出方案的排序.該方法以及對(duì)它的進(jìn)一步研究會(huì)有很好的應(yīng)用前景.

[1]胡永宏.對(duì)TOPSIS法用于綜合評(píng)價(jià)的改進(jìn)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2002,32(4):573-575.

[2]劉樹林,邱菀華.多屬性決策的TOPSIS夾角度量法[J].系統(tǒng)工程理論與實(shí)踐,1996,16(7):12-17.

[3]華小義,譚景信.基于“垂面”距離的TOPSIS法-正交投影法[J].系統(tǒng)工程理論與實(shí)踐,2004,24(1): 114-119.

[4]孔峰,劉鴻雁.對(duì)多屬性決策問題中夾角度量法的質(zhì)疑[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2009,39(2):130-134.

[5]余勝春.基于信息熵的多屬性參數(shù)系統(tǒng)決策方法[J].數(shù)學(xué)雜志,2012,32(6):1111-1114.

[6]周宇峰,魏法杰.基于相對(duì)熵的多屬性決策組合賦權(quán)方法[J].運(yùn)籌與管理,2006,15(5):48-53.

[7]王曉,陳華友,周禮剛,陶志富.基于相對(duì)熵的多粒度語言信息的多屬性群決策方法[J].運(yùn)籌與管理, 2010,19(5):95-100.

[8]趙萌,邱菀華,劉北上.基于相對(duì)熵的多屬性決策排序方法[J].控制與決策,2010,25(7):1098-1100.

[9]Cover T M,Thomas Joy A.Elements of information theory[M].New York:John Wiley and Sons, 2006.

[10]Triantaphyllou E.Multi-criteria decision making:theory and applications[A].Proceedings of 30th international conference of computers&industrial engineering[C].Thessaloniki:Thessaloniki-Peres ZITI Press,2002:28-1.

2010 MR Subject Classification:90B50;94A15

EVALUATION METHOD BASED ON SYMMETRIC CROSS ENTROPY FOR MULTIPLE ATTRIBUTE DECISION MAKING

LU Guo-xiang1,2,3,LI Bing-qing2
(1.School of Statistics and Mathematics,Zhongnan University of Economics and Law, Wuhan 430073,China)
(2.School of Finance,Nankai University,Tianjin 300071,China)
(3.School of Economics,Nankai University,Tianjin 300071,China)

The evaluation problem for multiple attribute decision making is studied in this paper.By using the symmetric cross entropy which comes from the information entropy theory, a new relative closeness to the ideal solutions is defined.Therefore,a new evaluation method based on symmetric cross entropy for multiple attribute decision making is developed.Finally,the new method is compared with traditional TOPSIS method,angle measure evaluation method and vertical projection method using merical examples and it can obtain more precise results.

multiple attribute decision making;symmetric cross entropy;TOPSIS method; relative closeness

MR(2010)主題分類號(hào):90B50;94A15O223;O236

A

0255-7797(2016)06-1253-08

?2015-04-15接收日期:2015-12-23

國家自然科學(xué)基金項(xiàng)目(71001107;71171119);博士后基金資助項(xiàng)目(2015M571255);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2722013JC082).

盧國祥(1982-),男,壯族,湖北武漢,講師,主要研究方向:信息論及其應(yīng)用,數(shù)量經(jīng)濟(jì)學(xué).