基于投票排序的复杂系统ANP-BOCR群组决策新方法

摘要：

传统ANP-BOCR方法（即从收益（B）、机会（O）、成本（C）和风险（R）视角分别构造ANP（网络分析法）子网络，再将BOCR子网络下的方案评价值进行综合集成）被认为是一种处理复杂系统问题的有效方法。然而，一方面，该方法不仅尚未考虑隶属于不同BOCR子网络中元素之间的关联关系，而且在对BOCR方案评价值进行集成时也会陷入简单还原论的思维误区。另一方面，该方法集成群组专家意见时通常会损失部分专家的偏好判断信息，并硬性要求所有专家提供各方案的全偏好判断信息。为克服上述缺陷，通过构建复杂问题ANP-BOCR的新分析结构，提出基于DEA（数据包络分析）投票排序的ANP-BOCR群组决策新方法。新方法不仅实现了方法论和整体论的有机融合，而且还可保证群组专家信息集成过程中的信息无损。案例应用结果表明：新方法是行之有效的，有较强的实践应用推广价值。

关键词：网络分析法、收益、机会、成本、风险、群组决策、投票排序

分类号：N94(系统科学)

资助基金：国家自然科学基金No.71261013，No.71263031；教育部人文社会科学研究青年基金No.10YJC630218；云南省科技计划项目No.2010ZC060；云南省哲学社会科学创新团队支持项目No.2014cx05。

在线出版日期：2015-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：22-26,30