[论文解读] Hybrid Fuzzy-Linear Programming Approach for Multi Criteria Decision Making Problems

Sonja Yrjo Olavi Petrovic-Lazarevic, Ajith Abraham|ArXiv.org|May 5, 2004

Multi-Criteria Decision MakingDecision Sciences参考文献 16被引用 20

一句话总结

本文提出一种混合模糊-线性规划方法，通过基于偏好的隶属函数对模糊参数进行建模，以解决制造中的多准则决策问题。该方法将模糊集理论与线性规划相结合，在实际案例研究中表明，模糊优化在不确定性下平衡冲突目标时，能达到更优或相当的满意度水平。

ABSTRACT

The purpose of this paper is to point to the usefulness of applying a linear mathematical formulation of fuzzy multiple criteria objective decision methods in organising business activities. In this respect fuzzy parameters of linear programming are modelled by preference-based membership functions. This paper begins with an introduction and some related research followed by some fundamentals of fuzzy set theory and technical concepts of fuzzy multiple objective decision models. Further a real case study of a manufacturing plant and the implementation of the proposed technique is presented. Empirical results clearly show the superiority of the fuzzy technique in optimising individual objective functions when compared to non-fuzzy approach. Furthermore, for the problem considered, the optimal solution helps to infer that by incorporating fuzziness in a linear programming model either in constraints, or both in objective functions and constraints, provides a similar (or even better) level of satisfaction for obtained results compared to non-fuzzy linear programming.

研究动机与目标

• 开发一种适用于不确定环境下业务与制造系统的实用决策框架。
• 解决传统线性规划在处理模糊或主观目标与约束方面的局限性。
• 将模糊集理论与线性规划相结合，提升多目标优化中的灵活性。
• 通过真实制造案例研究验证所提出方法的有效性。
• 证明模糊线性规划在实现多个冲突准则之间平衡且令人满意的解决方案方面的优越性。

提出的方法

• 使用基于偏好的隶属函数对线性规划中的模糊参数进行建模，以表示决策者的主观判断。
• 模糊多目标模型将清晰的目标与约束转化为具有隶属度的模糊集合。
• 采用混合方法将模糊集理论与线性规划技术相结合，以优化多个目标的满意度水平。
• 通过加权聚合或最大-最小方法，将模糊问题转化为清晰的线性规划问题求解。
• 通过隶属函数设计在解的过程中融入决策者偏好，体现目标之间的权衡。
• 在涉及生产计划与资源分配的真实制造工厂案例研究中实施并测试该方法。

实验结果

研究问题

• RQ1 如何有效将模糊集理论整合到线性规划中，以处理多准则决策中的不确定性？
• RQ2 在目标函数和约束中引入模糊性对解的质量与决策满意度有何影响？
• RQ3 在实际应用中，所提出的混合方法与经典非模糊线性规划相比表现如何？
• RQ4 模糊线性规划是否能在多个冲突目标下实现更优或相当的满意度水平？
• RQ5 基于偏好的隶属函数在多大程度上提升了优化模型在制造中的实用性？

主要发现

• 在案例研究中，模糊线性规划方法相比非模糊线性规划实现了更高或相当的满意度水平。
• 在目标函数和约束中引入模糊性，使解更加均衡且更具实际可行性。
• 该方法在真实制造环境中有效处理了成本最小化与生产效率等冲突目标。
• 实证结果证实，模糊模型为不确定性下的决策提供了更具灵活性和现实性的框架。
• 所提出技术在实际应用中表现出鲁棒性与适应性，支持更优的管理决策。
• 研究证实，模糊建模提升了线性规划在复杂多准则环境下的可解释性与适用性。