[论文解读] A Two-Step Fusion Process For Multi-Criteria Decision Applied To Natural Hazards In Mountains

Jean‐Marc Tacnet, Mireille Batton‐Hubert+1 more|arXiv (Cornell University)|May 6, 2010

Multi-Criteria Decision Making参考文献 28被引用 23

一句话总结

本文提出一种两步融合方法，结合逼近算法（AHP）与Dempster-Shafer理论（DST）及Dezert-Smarandache理论（DSmT），以支持在山区自然灾害评估中不确定性环境下的多准则决策。该方法将定性与定量的专家评估转化为基本信任分配（bbas），采用基于可靠性的融合规则（PCR6），并通过层次化折减整合准则重要性，显著提升了在冲突、不完整信息情境下的决策稳健性。

ABSTRACT

Mountain river torrents and snow avalanches generate human and material damages with dramatic consequences. Knowledge about natural phenomenona is often lacking and expertise is required for decision and risk management purposes using multi-disciplinary quantitative or qualitative approaches. Expertise is considered as a decision process based on imperfect information coming from more or less reliable and conflicting sources. A methodology mixing the Analytic Hierarchy Process (AHP), a multi-criteria aid-decision method, and information fusion using Belief Function Theory is described. Fuzzy Sets and Possibilities theories allow to transform quantitative and qualitative criteria into a common frame of discernment for decision in Dempster-Shafer Theory (DST ) and Dezert-Smarandache Theory (DSmT) contexts. Main issues consist in basic belief assignments elicitation, conflict identification and management, fusion rule choices, results validation but also in specific needs to make a difference between importance and reliability and uncertainty in the fusion process.

研究动机与目标

• 解决在专家信息具有不确定性、冲突性且可靠性不同时，自然灾害风险评估中的决策挑战。
• 将多准则决策分析（MCDA）与信任函数理论（DST/DSmT）结合，以更好地处理模糊与冲突的评估。
• 开发一种可追溯、结构化的流程，将评估、映射与融合阶段分离，以增强风险区划决策的透明度与质量。
• 通过使用PCR6等先进融合规则替代经典Dempster规则，提升专家评估中冲突管理的能力。
• 通过在融合过程中区分信息源的可靠性与准则的重要性，实现在不确定性下的决策支持。

提出的方法

• 使用逼近算法（AHP）对准则与备选方案进行层次化结构化，并通过成对比较获取优先级。
• 应用模糊集与可能性理论，将定性与定量准则统一映射到信任函数建模的识别框架中。
• 利用L-R型模糊区间与基于面积比的映射方法，将每位专家的评估结果映射为基本信任分配（bbas）。
• 执行两步融合：首先在每个准则下，基于可靠性对多个来源的bbas进行折减，并应用PCR6规则以管理冲突。
• 其次，通过基于重要性的折减策略，将不同准则的bbas进行融合，将每个准则视为具有指定权重的信息源。
• 采用DST与DSmT框架，计算可信度、信任度与pignistic概率，以支持最终决策的解释（乐观、悲观或折中结果）。

实验结果

研究问题

• RQ1 在自然灾害背景下，当专家信息具有不确定性、冲突性且可靠性不同时，如何增强多准则决策能力？
• RQ2 AHP在多大程度上能有效整合到信任函数理论（DST/DSmT）中，以建模并管理专家评估中的不确定性和冲突？
• RQ3 在专家评估高度冲突时，哪些融合规则最能保持决策完整性？
• RQ4 如何在多源、多准则决策框架中系统性地建模信息源可靠性与准则重要性之间的区别？
• RQ5 所提出的两步融合流程是否能提升山区风险区划决策的可追溯性与质量？

主要发现

• 两步融合流程成功地将来自多个潜在冲突来源的专家评估，整合进一个连贯的决策框架中，借助AHP、DST与DSmT实现。
• PCR6融合规则在处理专家评估间高水平冲突方面，显著优于经典Dempster规则。
• 第一级融合中基于可靠性的折减与第二级融合中基于重要性的折减，实现了信息源可信度与准则显著性之间的清晰分离。
• 基于L-R型模糊区间与面积比的映射模型，能有效将准则评估转化为与识别框架兼容的基本信任分配。
• 该方法通过提供多种解释选项（最大bba、可信度（悲观）、似然度（乐观）或pignistic概率（折中）），实现了不确定性下的决策支持。
• 通过明确分离评估、映射与融合阶段，该方法显著增强了专家判断过程的可追溯性与透明度，支持风险区划应用中的可审计性。