不完全信息综合评价方法与应用—基于证据理论和有序加权算子的研究

　　综合评价问题广泛存在于社会、经济、管理等各个领域中，其理论与方法的研究有着广阔的应用前景。由于客观事物的复杂性，以及人们思维能力、知识结构和知识水平的局限性，在评价活动的实践中经常会遇到评价信息不完全的问题，如评价参数的评价信息缺失、残缺判断矩阵、基于分布式结构的不完全综合评价信息及基于被评价对象子集的偏好信息等形式的不完全信息综合评价问题。传统的完全信息综合评价方法对不完全信息综合评价问题难以直接发挥作用，因此有必要对不完全信息下的综合评价方法及其应用进行研究。　　Dempster-Shafer（D-S）证据理论是处理不完全信息综合评价问题的重要理论方法。那么，D-S证据理论处理不完全信息综合评价问题需要哪些步骤，D-S证据理论都可以处理什么形式的不完全信息综合评价问题，已有的基于D-S证据理论的不完全信息综合评价处理方法是否完善等，都是值得思考的问题。有序加权平均（OWA）算子是美国著名学者Yager于1988年提出的，此后在管理决策、人工智能、模糊系统等多个领域得到广泛应用。OWA算子及其拓展算子的特点之一就是引入了位置权向量，通过对位置权向量的不同定义体现了其非凡的活力。本书将D-S证据理论与OWA算子理论的信息融合思想结合，对不完全信息综合评价问题进行研究，提出一系列不完全信息综合评价的理论方法。全书共分七章，第一章为绪论。第二章基本理论，介绍本文研究的理论支撑工具：DS证据理论和OWA算子。第三章为考虑信息形式的不完全信息综合评价证据推理方法，研究了几种不同信息形式的不完全信息综合评价问题的证据理论解决方法。第四章为基于诱导有序加权思想的不完全信息综合评价方法，对OWA算子进行了拓展研究，提出了相对优势诱导和绝对优势诱导的不完全信息综合评价方法，以及局部偏离度诱导和整体偏离度诱导的不完全信息综合评价方法。第五章为不完全信息综合评价的诱导有序加权证据推理方法，提出了期望效用诱导的不完全信息综合评价ER方法，以及证据距离诱导的部分属性偏好信息群体赋权方法。第六章为不完全信息综合评价的应用研究，分别探讨了不完全信息多属性综合评价在科技企业孵化器绩效评价中的应用，以及不完全信息动态综合评价在公共支出绩效评价中的应用。第七章为结论与展望。