一种建筑施工模板系统的多属性评价方法与流程

本发明涉及建筑行业垃圾处理领域，具体涉及一种建筑施工模板系统的多属性评价方法。

背景技术：

由于我国不断城市化的不断深入，为了满足不断增长的城市人口的居住需求，现代居住建筑的层高不断增加，而这种纵向发展很大程度上都是由钢筋混凝土来实现的。近几十年来，在学者们不断关注高层建筑结构的同时，也面临着建筑施工模板系统的选择以及对施工的影响。对于建筑模板，施工不规范会影响整个工程的工期，以及后续的工程，而且不合理的选择和利用容易造成较大资金的浪费。随着技术的不断进步，出现了各种各样的模板，例如传统的木模板，组合钢模板，定型钢模板，胶合板模板等。在面对诸多选择时，施工方不仅仅需要考虑各个模板系统的成本，还需要考虑他们的施工安全性，环保性，施工便利程度，施工质量可控性等因素。因此，在面对众多模板系统时，施工方所面临的是一个复杂的多属性决策问题。在以往的研究中，大多数都进行了单一数据形式的决策。然而，面对复杂的决策环境，很难对于客观指标和主观指标都以一种数据形式来进行科学决策。本发明通过提出一种新的决策框架来处理模板系统的评价和优选问题，为从业者提供有效参考建议。

技术实现要素：

本发明的目的在于提供一种建筑施工模板系统的多属性评价方法，可以对建筑垃圾资源进行模糊评价，其包括如下步骤：

步骤一：确定几种备选的建筑施工模板系统模式；

步骤二：选取一级和二级评价指标，建立综合评价指标体系；

步骤三：基于所建立的综合评价指标体系，邀请专家用区间数、三角模糊数和梯形模糊数来给出主观评价值，同时用实数来表示客观评价值；从而建立初始混合群决策多属性评价矩阵x＝(xij)m×n；

步骤四：将初始混合群决策多属性评价矩阵x＝(xij)m×n规范化为矩阵其中，可由下式计算：

其中，分别表示成本指标和效益指标。当i＝1时，评价值为实数；当i＝2,3,4时，评价值分别为在[0,1]内的区间数，三角模糊数和梯形模糊数。对于实数，若若

步骤五：将四种不同形式的评价值转化为区间数；

步骤六：计算指标集合的模糊测度：首先专家给出每个一级指标下的各个二级指标的模糊测度值，同时得到每个一级指标下的所有可能的二级指标并集组合x；当x为某一级指标下所有二级指标的并集时，定义x的模糊测度μ(x)为1；定义组合x中任意两个二级指标之间的关系式为：

其中μ(xi)为某一级指标下第i个二级指标的模糊测度值；当某一级指标下的所有二级指标的模糊测度值累加为1时，λ值为0，各个二级指标之间相互独立；当各个二级指标的模糊测度值累加不为1时，利用式(1)求出λ值，可根据λ值判断各个二级指标之间的关系；若λ＞0,各个二级指标之间是乘加效应；若λ＜0,各个二级指标之间是抵减效应；

接着，根据专家给出的各个二级指标的模糊测度，以及求得对应一级指标下的λ值，根据式(2)计算每个一级指标下的所有不同二级指标组合的模糊测度值：

μ(a∪b)＝μ(a)+μ(b)+λμ(a)μ(b)(2)

其中a、b分别为某一级指标下的所有可能的二级指标并集组合x的子集，且满足λ∈(-1,∞)；

步骤七：计算每个备选模板体系的综合评价值：基于所求得的每个一级指标下的所有不同二级指标组合的模糊测度，运用广义shapelychoquet积分来求得综合评价值；

步骤八：利用可能度方法进行排序。

优选的，步骤五中将四种不同形式的评价值转化为区间数的具体方法如下：

步骤5.1：将区间数继续保留为区间数的形式；

步骤5.2：将实数转化为区间数方法如下：对于专家组提出的对于第j个方案第k个指标的l个不同的评价值，把这些评价值按照逐渐增大的顺序排列为则的上近似集和下近似集分别为：和

那么，按公式(3)转化为区间数：

其中,xij为上近似集中的元素，yij为的下近似集中的元素，nijl和niju分别表示的上相似集和下相似集中元素的个数；

步骤5.3：将三角模糊数转化为区间数：

首先，将三角模糊数转化模糊集的形式；那么如下函数可以将三角模糊数，记为i，转化为st上在[0,1]内的模糊集：

:i→f(st),

其中，f(st)为模糊集在语义集st＝{s0,s1,...,sg}中的集合；

然后，将模糊集转化为实数；可通过χ将它转化为[0,g]上的实数:

χ:f(st)→[0,g]

最后，将得到的实数按照步骤5.2转化为区间数；

步骤5.4：将梯形模糊数转化为区间数：

首先，将梯形模糊数转化模糊集的形式：那么如下函数可以将梯形模糊数，记为t，转化为st上在[0,1]内的模糊集：

其中，f(st)为模糊集在语义集st＝{s0,s1,...,sg}中的集合；

然后，将模糊集转化为实数；可通过χ将它转化为[0,g]上的实数:

χ:f(st)→[0,g]

最后，将得到的实数按照步骤5.2转化为区间数；

步骤5.5：并将几个专家的对于同一方案在同一指标下的评价值求算数平均数。

优选的，步骤七中运用广义shapelychoquet积分来求得综合评价值的具体方法如下：

步骤7.1：由公式(4)求得第i个指标的广义shapley值：

其中，n为每个一级指标下的所有二级指标的集合，t为n中除了i以外的集合，t和n分别表示t和n集合内元素的个数，μ是n上的模糊数。

步骤7.2：根据以上结果，每个一级指标的综合评价值可以由如下λ-shapleychoquet算子来集结求得：

其中，(·)为n上的一个排列，能够使得f(x(1))≥f(x(2))≥…≥f(x(n)),并且a(i)＝{1,2,...,n}，

步骤7.3：通过一级指标的集结得到每个备选模板体系的综合评价值。

优选的，步骤八中利用可能度方法进行排序的具体方法如下：

步骤8.1：步骤七中求得每个备选模板体系综合评价值是区间数，利用如下可能度的算法来进行比较：

其中，a＝[a^-,a⁺]、b＝[b^-,b⁺]分别为区间数；la＝a⁺-a^-,lb＝b⁺-b^-；

步骤8.2：对每个备选模板体系行两两比较建立可能度矩阵，运用公式(5)求得每个备选方案平均可能度值，从而进行排序确定方案优劣。

其中，m是备选模板方法的数量，pij为i^th优于j^th的可能度。

本发明的优点：

1、初始评价值矩阵由实数，区间数，三角模糊数和梯形模糊数四种形式组成，本发明提出了一种新的数据归一化的方法。

2、运用广义shapleychoquet积分对评价值进行集结时，不仅能够考虑到指标之间的相互关系，而且能够考虑所集结指标的重要性和排序。

附图说明

图1是一种建筑施工模板系统的多属性评价方法的流程图示意图；

图2是一种建筑施工模板系统的多属性评价方法评价指标体系示意图；

图3是实施例二中将三角模糊数(0.50,0.60,0.70)转化为st上的模糊集的示意图；

图4是实施例二中将梯形模糊数(0.45,0.50,0.55,0.60)转化为st上的模糊集的示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明，本技术领域的人员会理解，下面实施例旨在用于解释本发明，而不应视为对本发明的限制。

本发明的具体实施方式按照图1所示的流程图来逐步计算，以某施工企业对于四种建筑模板系统评估选择为例。

实施例一

应环保要求，某建筑施工企业现需考虑采用一种最为适宜的建筑模板系统，由于所需要考虑的因素众多，投入的资金数额也比较大，难以做出最优决定。应用本方法来进行建筑模板系统的选择。为了更加全面地对几种备选模式来进行评价，采购员邀请三位专家d1,d2,d3参与进行评价。

步骤1：首先，通过建筑企业自己筛选，确定了四种可用的模板系统，分别为：a1：复合模板；a2：清水混凝土模板；a3：组合钢模板；a4：定型钢模板。然后，收集指标并建立评价指标体系，如图2所示，其中共有五个一级指标和十个二级指标。

步骤2：对主观评价值和客观评价值进行收集，得到初始评价矩阵，如表1。并对表1中的数据进行规范化。其中，四种模板的成本运用广联达软件求得。

步骤3：将四种不同形式的评价值转化为区间数，计算结果如表2。然后，将几个专家的对于同一方案在同一指标下的评价值来求平均数。

步骤4：计算每个一级指标下的所有不同二级指标组合的模糊测度值,计算结果如表3。然后,基于所求得的模糊测度，求得不同二级指标组合的广义shapley值，计算结果如表4。接着，运用广义shapelychoquet积分来求得每个一级指标下对于所有方案的综合评价值，结果见表5。接下来，再次运用该方法在一级指标直接进行集结，最终得到每个方案的综合评价值为ra1＝[0.61,0.66],ra2＝[0.59,0.65],ra3＝[0.66,0.71],ra4＝[0.65,0.71]。

步骤5：利用可能度矩阵方法进行排序，计算排序结果如表6。由表6可知，四种模板系统的最终排序为a3＞a4＞a1＞a2。

表1初始评价值矩阵

表2将不同形式的评价值转化为区间数

表3一级指标c2,c3,c5下二级指标的模糊测度

表4一级指标c2,c3,c5下的二级指标组合的广义shapley值

表5对所有二级指标评价值运用广义shapleychoquet积分集结的结果

表6可能度矩阵以及四种方案排序

实施例二

一种建筑施工模板系统的多属性评价方法，可以对建筑垃圾资源进行模糊评价，其包括如下步骤：

步骤一：确定几种备选的建筑施工模板系统模式；

步骤二：选取一级和二级评价指标，建立综合评价指标体系；

步骤三：基于所建立的评价指标体系，邀请专家用区间数、三角模糊数和梯形模糊数来给出主观评价值，同时用实数来表示客观评价值；收集评价值，从而建立初始混合群决策多属性评价矩阵x＝(xij)m×n；

步骤四：将初始混合群决策多属性评价矩阵x＝(xij)m×n规范化为矩阵其中，可由下式计算：

其中，分别表示成本指标和效益指标。当i＝1时，评价值为实数；当i＝2,3,4时，评价值分别为在[0,1]内的区间数，三角模糊数和梯形模糊数。对于实数，若若

步骤五：将四种不同形式的评价值转化为区间数；其中区间数保留为区间数的形式，而实数，三角模糊数和梯形模糊数的转化方法如下：

a)将实数转化为区间数。假设专家组提出了对于第j个方案第k个指标的l个不同的评价值。把这些评价值按照逐渐增大的顺序排列为则的上近似集和下近似集分别为：和那么，可以转化为区间数其中,xij为上近似集中的元素，yij为的下近似集中的元素，nijl和niju分别表示的上相似集和下相似集中元素的个数。

例如，四个专家对第一种模板系统针对第二个二级指标进行评价，评价集合为按照逐渐增大的顺序排列得到

然后，可以得到

因此，转化为

类似，我们可以得到

b)将三角模糊数和梯形模糊数转化为区间数。

首先，将三角模糊数和梯形模糊数转化模糊集的形式。那么如下函数可以将三角模糊数(记为i)转化为st上在[0,1]内的模糊集。

:i→f(st),

其中，f(st)为模糊集在语义集st＝{s0,s1,...,sg}中的集合。类似地，一个梯形模糊数(记为t)可以通过下式转化为模糊集合

例如，将三角模糊数s＝(0.50,0.60,0.70)转化为五个粒度的st上的集合，如图3所示，由上式中的算法得到

再如，将梯形模糊数t＝(0.45,0.50,0.55,0.60)转化为st上的模糊集，如图4所示，在应用后得到

然后，将模糊集转化为实数：可通过χ将它转化为[0,g]上的实数:

χ:f(st)→[0,g]

例如，将上一步骤例子中所述的三角模糊数和梯形模糊数转化为语义集合后，通过下式进行再次转化为实数：

最后，将得到的实数按照步骤a)转化为区间数，并将几个专家的对于同一方案在同一指标下的评价值求算数平均数。

步骤六：计算指标集合的模糊测度：首先专家给出每个一级指标下的各个二级指标的模糊测度值，同时得到每个一级指标下的所有可能的二级指标并集组合x；当x为某一级指标下所有二级指标的并集时，定义x的模糊测度μ(x)为1；定义组合x中任意两个二级指标之间的关系式为：

其中μ(xi)为某一级指标下第i个二级指标的模糊测度值；当某一级指标下的所有二级指标的模糊测度值累加为1时，λ值为0，各个二级指标之间相互独立；当各个二级指标的模糊测度值累加不为1时，利用式(1)求出λ值，可根据λ值判断各个二级指标之间的关系；若λ＞0,各个二级指标之间是乘加效应；若λ＜0,各个二级指标之间是抵减效应；

接着，根据专家给出的各个二级指标的模糊测度，以及求得对应一级指标下的λ值，根据式(2)计算每个一级指标下的所有不同二级指标组合的模糊测度值：

μ(a∪b)＝μ(a)+μ(b)+λμ(a)μ(b)(2)

其中a、b分别为某一级指标下的所有可能的二级指标并集组合x的子集，且满足λ∈(-1,∞)；

步骤七：计算每个备选模板体系的综合评价值。基于所求得的每个一级指标下的所有不同二级指标组合的模糊测度，运用广义shapelychoquet积分来求得综合评价值：

首先，由式(4)求得第i个指标的广义shapley值：

其中，n为每个一级指标下的所有二级指标的集合，t为n中除了i以外的集合，t和n分别表示t和n集合内元素的个数，μ是n上的模糊数。

然后，根据以上结果，每个一级指标的综合评价值可以由如下λ-shapleychoquet算子来集结求得：

其中，(·)为n上的一个排列，能够使得f(x(1))≥f(x(2))≥…≥f(x(n)),并且a(i)＝{1,2,...,n}，类似得，可以每个备选模板体系的综合评价值可以通过一级指标的集结得到。

步骤八：利用可能度方法进行排序。

步骤七中求得每个备选模板体系综合评价值是区间数，利用如下可能度的算法来进行比较：

其中，a＝[a^-,a⁺]、b＝[b^-,b⁺]分别为区间数；la＝a⁺-a^-,lb＝b⁺-b^-；

对每个备选模板体系行两两比较建立可能度矩阵，运用公式(5)求得每个备选方案平均可能度值，从而进行排序确定方案优劣。

其中，m是备选模板方法的数量，pij为i^th优于j^th的可能度。以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明。凡采用等同替换或者等效变换的方式所获得的技术方案，均落在本发明的保护范围内。