• 谷歌scholor

  • 观点:1558

  • PDF下载：162

草地系统的可持续性:引入模糊多目标决策

Hossein Azadi.1＊简·范·登·伯格(Jan Van Den Berg)2彼得,何1和Gholamhossein Hosseininia3.

1荷兰格罗宁根大学空间科学学院发展研究中心。

2技术，政策和管理学院，ICT，Delft理工大学，荷兰的ICT部分。

3.伊朗德黑兰合作部研究、教育和推广副部长。

DOI:http://dx.doi.org/10.12944/CWE.4.1.04

众所周知，距离牧场管理中的可持续性需要考虑到许多标准，这不可避免地要求应用多标准决策方法。在伦敦管理层的可持续发展是一个目标的目标中，我们介绍了矛盾的目标，主要是节约的目标，主要是节约和利用，主要是保护和利用。虽然讨论了这种方法的一些延伸，但是，呈现了交互式模糊多目标线性编程，以及包括三个阶段的框架以使其更适用。本文提出的方法包括申请决策者的三个重要优势：首先，它是涉及冲突目标之间进行权衡分析的有用工具;其次，它对可持续牧场管理中任何决定的不确定性挑战;第三，它通过开发所有可能的情况的新替代方案来考虑给定的限制下的现有替代品。


牧场;模糊逻辑;MCDM;modm;可持续性;保护;利用

复制以下引用这篇文章:

王志强，王志强，王志强，等。基于模糊多目标决策的草地系统可持续性研究。环境科学学报2009;4(1):19-32 DOI:http://dx.doi.org/10.12944/CWE.4.1.04

复制以下内容以引用此URL：

王志强，王志强，王志强，等。基于模糊多目标决策的草地系统可持续性研究。Curr World Envirw 2009; 4（1）：19-32。可从：//www.a-i-l-s-a.com/?p=881

下载一篇文章(pdf)
引文管理者
发布历史

文章出版历史

收到: 2009-04-06
接受: 2009-05-04

介绍

土地退化和过度放牧是目前草地系统面临的两大基本威胁(Box 2002;Buss and Nuppenau 2002;Howery等等。，2000;米勒2005年;沃克和霍奇金森2000)。因此，它们目前生产牲畜食用饲料的能力低于其潜力1（Azadi 2005; Umrani 1998）。在全球范围内，牧场有许多压力的风险（米切尔等等。，1999年)，主要原因是牧场管理制度不当。为了能够保证一个可持续的未来，应该发展牧场管理科学。在这方面，实现平衡2在牧场系统中是可持续牧场管理（SRM）（Azadi 2005; Walker 1995）中最重要的挑战。

当牧场被过度过度时，SRM的理由和常见方法越来越受到批评，牧场系统的均衡得到了争议（Walker 1995）。一旦其概念和术语得到很好的理解，仍然可以实现均衡。对SRM均衡的复杂概念的理解已经存在许多辩论（Box 1995; 2002; Buss和Nuppenau 2002; Deadman 1999; Roe 1997; Walker和Hodgkinson 2000），它包含与及时管理决定相关的其他几个概念（Redfearn和Bidwell, 2004)。如果承载能力，1例如，不接近与平衡率相关的适当水平，无论采用何种放牧系统，牧场系统的平衡目标都将无法实现(Roe 1997)。

最近有关SRM的文献对任何特定的均衡度量都提出了质疑，无论该范围是有库存的还是无库存的，管理的还是管理不当的(专栏2002;Redfearn和Bidwell, 2004)。给定区域的均衡可以根据“管理决策”(Kenny 2004)而变化，这将(在)直接处理几个标准，即技术、生态、社会和经济。因此，牧场系统的平衡基本上是一个多目标决策(MODM)，其中两个主要目标是最大化牧场的“保护”和“利用”。，另一方面。当资源归属是一个目标时，MODM尤其被认可(Lu等等。，2007)．因此，优化草地资源决策将成为均衡-非均衡的原因，因此，在长期行动中，直接决策者(主要是政策制定者和牧民)对草地资源管理进行决策。

虽然MODM可以被认为是涉及冲突目标（HWANG和YOON 1981; MALCZEWSKI 2001）之间的权衡分析的有用技术，但是，保护和利用，可能指出任何不可避免的决策情况的不确定性各级人类与环境互动。在应用科学的广泛领域，特别是在牧场系统中，许多过程永远不会被清除（Azadi 2003）。实际上，在环境系统中，从业者或研究人员必须应对许多形式的不确定性，包括主观估计和感知（Azadi等等。，2005;Clark和Gelfand 2006)，建模的复杂性(Wainwright和Mulligan 2004)，子系统的相互作用(Deaton和Winebrake 2000)，缺乏精确的值(Silvert 1997;2000)，数据缺失和信息有限(Srebotnjak 2007)，处理数据缺陷(Lawrence 2003)，或自然语言中的歧义。

同样地，在牧场管理方面，许多决策者往往根据他们的个人经验和背景作出判断，这一事实加强了这种不确定性(Azadi)等等。，2007)．作为几种类型的不确定性，包括，不精确和模糊性本质上存在于自然系统中，传统的系统方法，如概率理论和统计数据不能充分模型，这些系统中的许多（Checkland 1990）经常是人为施加的精确或理论假设，只会导致增加复杂性模型（王等等。，1998)。

正如Lai和Hwang(1995)之前讨论的，模糊多目标模型可以帮助决策者在给定的约束下考虑现有的方案，并为所有可能的情况开发新的方案。他们认为，由于分析模糊数的高质量，决策者在决策过程中表现的有效性可以提高。在这里，在SRM的复杂背景下，决策应该基于不精确的信息(Batabyal和Godfrey 2002;Umrani 1998)。由于SRM领域的决策通常是模糊的，因此可以基于模糊集理论对其进行最佳建模(Petrovic-Lazarevic和Abraham 2003)。本文旨在引入一个扩展的模糊多模态分析方法来探讨牧场管理的可持续性。

的起源和背景

牧场管理涉及跨学科的方法(Aenis和Nagel, 2000;阿扎迪等等。，2003)．为实现可持续发展而确定最优的土地利用，涉及到对硬科学和自然科学数据的分析1(如土壤科学)到软科学2(如社会科学)和较早前要求创建跨学科(Shaner等等。，而最近则呼吁采用跨学科的方法(Chartrand 2006)。所有这些典型的变化(库恩1962年)已经被不同的学派采用(桑兹1986年)，他们经常声称使用不可模仿的方法论(如果不尖锐地宣称独特的认识论，特别是本体论)。3.这需要各种标准进入他们的分析。然而，所有标准都不同样重要;因此，每个标准都可以在不同程度上促进SRM（Azadi等等。，2005)。此外，SRM还涉及不同层次的重大决策，最重要的是决定载畜率4、植被密度、地形、估计每一类牧场的正确放养率、(同质或异质)专家之间的协议(阿扎迪)等等。，2007)．评估SRM的目前流行的方法通常包括技术 - 社会经济标准（定性和定量）。那些（Azadi.等等。，2003;Azadi 2005;框2002;Buss and Nuppenau 2002;Howery等等。，2000;米勒2005年;Walker和Hodgkinson 2000)试图包括SRM的所有三个主要维度，但在他们的估计中忽略了排名和评级、加权总和、需求匹配等。这里的权重是任意选择的，并使用简单的布尔叠加方法进行聚合。虽然这些方法简单直接，但它们有坚实的数学基础。此外，多标准SRM以前曾对所研究区域的空间同质性进行过评估(如方框1995;2002;Buss and Nuppenau 2002;叉杆1999分;Hiernaux 1996; Hodgkinson 1996; Howery等等。，2000;Kopp 2004;Walker和Hodgkinson.2000)。如果以研究土地适宜性为目标，或以研究土地适宜性为目标，这通常是不现实的。在复杂系统中，正如Malczewski(1999)所讨论的，决策应该使用在空间中不同的标准。为了解决这种情况下的空间决策，MCE1和GIS.2也可以整合(Jankowski 1995)。在土地可持续性分析(范围)中广泛使用的MCE方法是排序和评级。然而，这些技术受到了确定权重的强大理论基础的影响，因为它们分配的权重相当随意。更具体地说，他们忽略了标准和指标之间的任何比较。同样，这些分析的结果使用(简单的)布尔叠加或加权聚合(Cornelissen 2001)进行聚合，最终得到严格的(非黑即白)决策。

图1所示。由相应隶属函数定义的语言值为低、中、高的牧场语言变量载畜率的图解表示
点击此处查看数字


在这样做的过程中，评级和评级技术被批评为没有恰当地反映决策者的观点，也没有在方法背后获得足够的理性支持(Stuth和Lyons, 1993)。根据“不兼容性原则”，“随着系统复杂性的增加，人类对其行为做出宝贵和相关(有意义)陈述的能力会减弱，直到达到一个阈值，超过这个阈值，精确度和相关性就会成为相互排斥的特征”(Zadeh 1973: 29)。因此，模糊陈述是意义和相关性的最佳载体。Zadeh利用这一原理扩展了他的模糊集理论和模糊逻辑在复杂系统分析中的适用性。现在人们认识到，复杂的现实世界问题需要智能系统来结合来自不同来源的知识、技术和方法。这些智能系统应该在不断变化的环境中做得更好，并解释它们如何做出决定或采取行动(Jang等等。，1997）.已知生态学研究是复杂的（Silvert 1997），因此模糊逻辑似乎是解决自然资源可持续性固有的二分法的适当技术（Andriantiatsaholiniaina 2001; Cornelissen等等。，2001;邓恩等等。，1995年;分数等等。，1995年）包括牧场管理（Azadi 2003; 2005; azadi等等。，2005;阿扎迪等等。，2007)

模糊逻辑基础

我们之前的作品中讨论了一些模糊逻辑的基本基础（Azadi等等。，2005;阿扎迪等等。，2007)．在这里，我们审查了以模糊MODM的扩展来提出最终信息所需的最小信息。

脆模型

在定量科学中，数学模型被用于分析现实世界的现象，(随机)变量被引入，具有“定义明确”的含义。在他们的科学工作中，相应的科学家从微积分、微分方程理论、离散数学、(向量)代数、数值方法、(复)函数理论等方面应用数学工具(van den Berg 2004)。由此产生的模型提供了一个“理想化的”世界，一个“客观和结构化的现实”，希望具有相当普遍的有效性。不确定性通常用概率和统计学术语来描述，比如清晰事件(即确实发生或根本不发生的事件)的概率、期望值、统计检验(即被拒绝或未被拒绝的事件)、区间估计等等(Zimmermann 1996)。这些方法中的命题通常被认为是正确的或错误的(有时是未知的)。与这种应用于物理、化学、计量经济学和其他“硬科学”的工作方式一致，人工智能社区开发的第一个基于知识的系统是建立在“物理符号系统假说”的基础上的，该假说表示符号(而且只有符号)可以代表世界的状态和关于世界的陈述。同样，对于这些陈述，唯一允许的认识论承诺要么是真的，要么是假的，要么是未知的。物理符号系统假说仍有待证明(van den Berg 2004)。

图2:模糊推理系统(FIS)的构建模块
点击此处查看数字


布尔和模糊

希腊哲学家三百年，亚里士多德出现了二进制逻辑（0,1），现在是数学的原则基础。它归结为一法：A或不是A，无论是这个。例如，典型的玫瑰是红色的要么不是红色的。它不能是红色的和不是红色的。每个陈述或句子都是真或假的或具有真实值1或0.这是亚里士多德的二价法则，超过两千年来哲学上是正确的（Kosko 1993）。

早在亚里斯多德两个世纪之前，佛陀就有一种信念，它与世界的黑白世界相矛盾，它超越了二价的茧，看到了世界的本来面目，充满了矛盾和事物和不是事情。他说，一个玫瑰，可以是一定程度的完全红色，但同时也可能在一定程度上没有红色。意思是它可以是红色的和同时不是红色。传统（布尔）逻辑状态可以满足玻璃要么没有装满水。然而，假设一个人只把杯子装满一半。然后杯子就可以半满了和半不满。显然，这是亚里士多德的二价定律。这个概念的一定程度上或多价是一个基本概念，它促使Zadeh于1965年在加州大学引入模糊逻辑。他创立的模糊逻辑的本质特征如下(Abdul Aziz 1996):

  • 在模糊逻辑中，确切的推理被视为近似推理的限制情况，
  • 在模糊逻辑中，一切都是程度问题，
  • 任何逻辑系统都可以被模糊化，
  • 在模糊逻辑中，知识被解释为一组有弹性的或等价的模糊的集合对变量集合的约束，以及
  • 推理被看作是弹性约束的传播过程。


因此，第三个陈述将布尔逻辑定义为模糊逻辑的子集。

朝软计算迈向

从历史上清楚地看出，艰难的科学已经且仍然在许多领域仍然非常成功。基于这一成功，他们已经获得了强大而主要的位置，许多在这一领域的科学家们似乎相信他们的脆弱方法，双重逻辑，精确的数学建模，其中不确定性在概率统计框架内建模，是唯一的，适用的方法（van den berg 2004）。

图3. MCDM的分类（改编自Malczewski 1999）
点击此处查看数字


然而，由于一些原因，比如“无关性”和“复杂性”，人们可能会怀疑硬计算是否总是正确的工具。考虑到“不相容原则”，我们试图回答以下一系列与日益复杂的问题相关的问题。他们可能会让你相信Zadeh原则的有效性:(1)牧场的可持续性如何?(2) SRM中哪些措施是重要的?(3)一个可持续牧场的放养率是多少?(4)植被密度是多少?(5)一个可持续的牧场每年需要多少降雨量?(6)有多少牧民家庭可以生活在人工智能的世界里，类似的教训已经得到了学习。然而，在实施基于上述物理符号假设等思想的系统时，出现了与某个结论的可能性建模相关的问题，以及缺乏健壮性和灵活性。显然，硬科学提供的工具在尝试应用“智能技术”时也有其局限性。 In several cases, it has been shown that alternative approaches with fuzzy or other ‘vague’ ingredients work better. Successful fuzzy modeling projects exist since 1975 on topics like automatic control, printed character recognition, target selection for marketing purposes, financial modeling, SD, and more (van den Berg 2004).

语言变量

模糊逻辑使专家知识的建模成为可能。这样做的关键概念是语言变量(而不是定量变量)这需要语言值(而不是数字上的)．例如,如果载畜率（SR.)被解释为语言变量，那么它的语言值可以来自所谓的术语集T（SR.) = {低、中、高每个术语都在哪里T（SR.）在这里，在话语中的宇宙中的特点是，这里，U= [0,5]。我们可能会解释低当“载畜率小于约1.5 aum/ha”时，媒介为“载畜率接近2 aum/ha”高作为一个“大约超过2.5 aum/ha的放养率”，等级界限是模糊的。这些语言值由模糊集表征，其隶属函数如图1所示。

基于模糊IF-Then规则的知识表示

模糊逻辑是一种科学工具，允许模拟系统的动态而无需详细的数学描述。在专家驱动的方法中，知识由具有一般形式的模糊IF-DOT语言规则表示

如果x1是一个1和x2是一个2和x米是一个米然后y是B，

在哪里x1，…，…米语言输入变量是否具有语言值一个1， … ， 一种米分别在哪里y语言输出变量是否具有语言值B．

为了阐明我们的观点动物单位和植被密度作为拥有的主要因素平衡．那么相关的模糊规则可以是:

  • 如果动物单位数量低，植被密度差，则平衡中等。
  • 如果动物单位的量是培养基，植被密度差，则平衡弱。
  • 如果动物单位数量高，植被密度低，则平衡很弱。

图4:FMODM1的分类(改编自Malczewski 1999)
点击此处查看数字


模糊系统的结构

模糊推理系统或不久，模糊系统（FSS）通常通过基本上四个单位组成的清晰输入输出（IO）映射，即

  • 一个模糊将清晰的输入转换为模糊域，
  • 一个规则基础模糊if-then的规则，
  • 一个推理引擎通过将模糊化输入与规则基础规则相结合来实现模糊推理，
  • 一个Defuzzifier将推理引擎的模糊输出转换为清晰值（图2）。


在一些实际的系统中，Fuzzifier或Defuzzifier可能会缺席，即在模糊输入数据可用或模糊系统输出可以直接用语言解释的情况下。相应的“近似推理技术”是可用的等等。，1997）.

模糊推理

也许，最难理解的部分是模糊推理的精确实现方式。对这个主题的广泛讨论超出了本文的范围，所以我们在这里仅限于介绍基本的想法。经典逻辑是我们使用经典推理模式"推理方式"的起点:

鉴于事实”x是一个“和规则”如果x是一个， 然后y是B，我们得出结论y是B”．

“应用模糊推理，古典模式Ponens可以推广到”近似推理“的类型。”

鉴于事实”x是一个’”和“如果”x是一个， 然后y是B，我们得出结论:y是B'“．

这里的假设是越接近一个”一个，就会越接近B“是B．结果表明，模糊集上的特殊运算组合如“max-min”和“max-product”组合可以满足这一要求。FS中的完全模糊推理可以建立如下:

  1. 模糊模块通过考虑实际输入之间的相似性来计算每个规则的所谓的“射击率”（或满足程度）一个的定义会员功能米一个”（x）（如果有清晰的输入xp由值定义米一个（xp）和输入一个由隶属函数定义的每个规则的米一个（x）。
  2. 利用计算出的发射率，推理机确定模糊输出B'对于由会员资格定义的每个规则函数米B”（y）。
  3. 推理引擎结合了所有模糊输出B'进入由会员函数定义的一个整体模糊输出米（y）。
  4. 解模糊模块计算的输出yp使用Defuzzzification操作，如'Entrogity（区域）'。


为了治疗FSS，其建筑和相应推理方案（包括Mamdani（Mamdani和Gapes 1981）和Tagaki-Sugeno模糊模型（Tagaki和Sugeno 1985）的最受欢迎的系统，我们参考上述教科书。

图5:提议的框架
点击此处查看数字


多标准决策的基础

多标准决策（MCDM）是一个着名的决策分支（Malczewski 1999）。MCDM方法的范围从事简单的技术应用问题，目前更复杂的生态社会经济问题（LU等等。，2007)．它是一般运营研究模型的一个分支，在一些决策标准存在的情况下处理决策问题(Petrovic-Lazarevic和Abraham 2003)。决策是一套分析复杂决策问题的系统程序。这些程序包括将决策问题划分为更小、更容易理解的部分;分析每个部分;并以逻辑方式集成各部分以产生有意义的解决方案(Grünig和Kühn 2005)。MCDM的过程总是让决策者感到困惑，因为在所有的标准之间总是存在权衡。MCDM系统通常可以帮助决策者量化和评估每个标准，并对所有方案进行排序。一般来说，MCDM方法包括六个组成部分(Keeney and Raiffa 1976;Pitz和McKillip 1984):

  • 决策者想要实现的一个目标或一组目标(例如在SRM中)。如何达到平衡持有利用和保存)，
  • 决策者或一组决策者参与决策过程的偏好，他们对拟议标准（例如，在SRM，同质和异构专家/决策者具有不同信念如何接近SRM的情况下），一组决策方案(例如在SRM中，在/减少的承载能力中)1），这种无法控制的（独立的）变量或自然状态（例如，在SRM面对干旱），
  • 一套建议的标准(例如，在SRM中，不同的技术-社会经济标准)，
  • 与每个替代属性对相关的结果或后果（例如，在SRM，牧场退化/复兴中）。

MODM和MADM

多属性决策(MADM)和多目标决策(MODM)是解决MCDM问题的两种基本方法(Climaco 1997;Pohekar和Ramachandran 2004)。The distinction between MADM and MODM is related to the evaluation criteria which are the standards of judgments (or rules) on which the alternatives are ranked according to their desirability (Lu等等。，2007)．MCDM框架的关键特征，无论是MODM还是MADM，都是明确分析了各种目标之间的权衡（HWANG和YOON 1981）。

Madm问题要求在其属性描述的替代方案中进行选择。因此，在不同的替代方案中选择最好的技术是有用的技术。该组属性是明确的，多属性问题具有有限的可行性替代方案（表1）。在SRM中，MADM可以使用（例如）牧师想知道可以在可选的牧场中生存的牲畜的最佳物种。

与MADM不同，MODM问题明确地处理更高层次目标的可选方案的属性之间的关系。MODM涉及设计备选方案，并在无限或非常大的可行方案集中寻找最佳决策。每个备选方案都由决策变量隐式定义，并通过目标函数(Malczewski 1997)进行评估，这里可以将目标函数视为(例如)利用函数和守恒函数。

表1：Modm和Madm方法的比较（改编自：Hwang and Yoon 1981; Starr和Zeleny 1977）
点击此处查看表格


The main difference between MODM and MADM models can yet be explained by the MODM’s focus on decision problems with ‘continuous’ decision space while MADM’s focus is with problems of ‘discrete’ nature (considering stocking rate as the most effective determinant of carrying capacity in SRM, we are faced continuous decision space). Furthermore, MODM models generally deal with resources attribution (e.g. natural resource management including rangelands), whereas MADM models often deals with evaluating several predefined choices and coming up with the best at last (Lu等等。，2007)．

这两个类别中各有几个方法。基于优先级的、基于超越级的、基于距离的和混合的方法都被应用于各种问题。每种方法都有自己的特点，可以分为确定性、随机和模糊(Pohekar and Ramachandran 2004)。也可能有上述方法的组合。根据决策者的数量，这些方法可分为单决策方法和群决策方法。不确定性决策和决策支持系统也是重要的决策技术(Gal and Hanne 1999)。MCDM技术可用于确定一个最优先的选择(例如在SRM中保护)，对选择进行排序(例如首先保护，然后在SRM中利用)，列出有限数量的选择以供后续详细评估(例如在SRM中不同的顶极或牲畜物种)，或区分可接受和不可接受的可能性(例如，SRM中的零放牧、放牧、过度放牧)。有许多MCDM方法，它们在如何组合和利用数据方面存在差异。MCDM方法可根据多准则决策的主要组成部分进行分类。 Malczewski (1999) made three following layered classificationsas sketched on Fig. 3:

  1. MODM与MADM
  2. 个人与团体决策者问题，在不确定性下的确定性与决策下的疾病，1这种“不确定”的背景可以更全面地理解。最后，当接近平衡是目标时，不同SRM标准的“模糊”性质指导我们遵循图3中的灰色区域。


如前几节所讨论的，利用MODM可以更好地接近牧场系统的平衡。称异质的“专家组”(Azadi等等。，2007)在利益相关者方法的框架内

模糊MODM模型的扩展

大多数MODM问题都可以用多目标线性规划(MOLP)模型表示。指的是人类判断中固有的不精确性和不足(Silvert 1997;2000)，多目标线性规划模型的参数可能受到不确定性的影响并被纳入其中，称为模糊MOLP (FMOLP)模型。决策者的多目标规划也涉及到不确定性，称为模糊多目标线性目标规划。据陆等al。（2007），FMODM模型扩展了MODM从清脆到不精确范围的决策功能。在这方面，他们讨论了两个必要的问题，如下所示：

  1. 在所提出的FMOLP模型中，模糊参数可能出现在客观函数和约束中。如果只有客观函数或仅限制包括模糊参数，则该模型仍然适用于处理非模糊参数，因为实数是模糊数的特殊情况。同样，在拟议的FMOLGP中，具有实数的目标也是模糊目标的特殊情况。
  2. FMOLP和FMOLGP模型都允许决策者使用任何形式的隶属函数来描述目标函数和约束中的模糊参数，以及模糊目标。


方法

如上所述，FMOLP是最受欢迎的FMODM模型形式。为鲁布斯的FMOLP问题推动最佳解决方案等等。，(2007)中，常用的三种flomp方法如下(图4):

  1. FMOLP是一种非交互方法，可以直接生成最优解，1
  2. FMOLGP与目标编程集成了模糊集，以扩展多目标决策分析，
  3. 交互式FMOLP (IFMOLP)方法，它既具有交互性又具有目标特征(如本提案所预计的)。1对于fmodm问题。第三个是解决FMODM问题的不同过程。


FMODM方法的开发涉及三个问题(见Lu等等。，2007;123 - 125页)。第一个问题是如何用隶属函数表示目标函数的模糊参数和约束以及模糊目标。第二部分是关于帕累托最优解形式的表示1对于fmodm问题。第三个是解决FMODM问题的不同过程。

对于第一个问题，如azadi所示等al。在2007年的实地研究中，参数的模糊值通常由某些（HOMO /异构）专家产生，因此具有不同的数据分布图。其中一些可以适合于三角形的隶属函数描述，并且一些可以更适合于以其他形式表示的诸如梯形的形式。

第二个问题涉及表达解决方案和对应于FMODM问题的客观值。如果FMDD方法是为我们提供有用的辅助，其输出，具有最佳目标值的最佳解决方案，必须具有足够的质量，并以适当的形式进行我们担心的决定（例如调整库存率优化SRM的承载能力)。第三个问题是关于找到最佳解决方案的过程（这里在SRM中，最佳解决方案应包括一些使用和保护的程度）。此问题涉及了解某些决策者的偏好涉及MODM问题的解决方案过程。有人发现，决策者对寻找最佳解决方案的过程有明显的不同优先事项（Azadi等等。，用于解决FMODM问题。一些决策者希望有一种方法可以快速生成给定FMODM问题的最优解决方案，而不需要提供任何额外的数据。而其他人在他们的FMODM问题中对他们的决策目标有目标，因此，他们更喜欢一种可以找到最优解决方案的方法，这种方法可以最大限度地满足这些目标(例如，在SRM中，最大化利用和节约)。最后，在软件的支持下，一些决策者希望有机会以交互方式探索更多的可选解决方案，以通过找到一个满意的解决方案来达到目标。然后他们可能希望被允许继续修改他们的目标或改变目标函数的权重，以便得到新的最优解。

提出了框架

人们预计，提出的框架将有效地集成一系列技术和概念，以帮助决策者在该领域获得全面和更“可持续”的结果。框架分为三个阶段，如图5所示:

阶段我

在阶段I中，确定SRM的决策组，并确定包括其变量，目标和约束的FMODM问题。每个专家都可以将他/她的期望或权重定义为SRM的预定目标，用于为FMODM问题生成各个解决方案。

第二阶段

在II阶段，专家通过使用合适的FMODM方法（即，IFMOLP）在其目标和偏好下通过可用的几种方法中的目标和偏好获得最佳解决方案。然后，他们对每个目标的解决方案和抽吸水平表示，即保护和利用 - 进入集团。

第三阶段

最后，在III阶段，这些个体解决方案是替代组建组问题的替代方案。决策组成员交换了他们的想法，表达了替代方案的偏好和判断，并确定了理想的解决方案。Each expert is given a weight, if it needs, and a utility group aggregation method is then used to determine the ‘best’ alternative, a compromise solution in general, to the FMODM problem through aggregation of individual solutions and their weights (to generate the group solution, each expert’s individual solution may be given an equal or non-equal priority).

结论

本文提出的方法包括申请决策者的三个重要优势：首先，它是一个有用的工具，涉及相互保护和利用的冲突目标之间的权衡分析;其次，对SRM任何决定的不确定性挑战;第三，它通过开发所有可能的情况的新替代方案来考虑给定的限制下的现有替代品。因此，这种方法有可能成为政策制定者和科学家的实用工具。最后，重要的是要注意我们意识到所提出的框架是理论上建立的，应该被视为第一步。它必须在该领域被强烈验证，作为几种案例研究，我们有一个计划申请一个计划。然而，框架的第二阶段的现有灵活性是其优点之一，为决策者提供了一种基于其他可能的解决方案来调整其决策的新有用工具。

参考文献

  1. Abdul Aziz S.，你是Fuzzyin'和我在一起吗？可供开机：http：//www.doc.ic.ac.uk/~nd/surprise_96/期刊/ vol1 / sbaa /第1.html（1996）。
  2. AENIS T和Nagel UJ。，大型跨学科研究团队的参与式管理 - 德国农村研发项目的第一经验。可供选择：http：//www.zalf.de/ home _ zalf / sites / grano / publikation / aenisnagel2000.pdf（2000）
  3. Andriantiatsaholiniaina洛杉矶。，Sustainability Assessment Using Fuzzy Logic. Ph.D. Dissertation. Chania: Department of Production Engineering and Management, Technical University of Crete, Greece (2001).
  4. 用模糊逻辑解释畜禽与牧场的平衡关系。博士学位论文。设拉子:设拉子大学(2005)。
  5. Azadi H, Shahvali M, Faghih N，利用模糊逻辑解决可持续性与牧草之间的冲突。第四届模糊集及其应用学术研讨会论文集，1-15。2003年5月28-29日，伊朗Babolsar Mazandaran大学(2003)。
  6. Azadi H, Shahvali M, van den Berg J.，可持续牧场管理:牧场扩展者的新范例。国际推广系统杂志年代（2005）22：27-38。
  7. Azadi H，Shahvali M，Van den Berg J和Faghih N.，可持续牧师管理使用多模糊模型：如何应对异构专家的知识。环境学报管理83年(2007年):236 - 249。
  8. Batabyal AA和Godfrey EB。，Rangeland management under uncertainty: A conceptual approach.范围杂志管理55(2002):赔率。
  9. 盒子太瓦。，Private Property Rights and Sustainable Rangeland Use. University of California: Center for Forestry, UC Berkeley (1995).
  10. 盒子太瓦。，Future deserts and sustainable communities. Available on: http://www.rala.is/ rade/ralareport/Box.pdf (2002).
  11. 公共汽车HJ和Nuppenau EA。通过适应的管理，更可持续的范围在半干旱生态系统中使用：基于生物经济模式的纳米比亚农场的案例研究。贡献的纸和海报，德意志Tropenter 2002，Witzenhausen，9. BIS 11. 10月（2002年）。
  12. 沙特朗HH。，Ideological Evolution. The Competitiveness of Nations in a Global Knowledge-Based Economy. An Individual Interdisciplinary Studies PhD Dissertation. Canada: University of Saskatchewan (2006).
  13. Checkland PB。，The Origins and Nature of Hard Systems Thinking. England: The Open University Press (1980).
  14. Checkland PB。，Soft Systems Methodology in Action. New York: John Wiley & Sons Ltd (1990).
  15. Clark JS和Gelfand AE。，一个future for models and data in environmental science. TRENDS in生态学与进化（2006）21：375-380。
  16. Climaco J.，Multiicritria分析。纽约：Springer（1997）。
  17. Cornelissen AMG, van den Berg J, Koops WJ, Grossman M和Udo HMJ。，评估of the contribution of sustainability indicators to sustainable development: A novel approach using fuzzy set theory. Agriculture,生态系统和环境86年(2001年):173 - 185。
  18. Deadman PJ。，在基于智能代理的基于悲剧的悲剧模拟中建模单个行为和组性能。环境学报管理（1999）56: 159 - 172。
  19. Deaton ML和Winebrake JJ。，Dynamic Modeling of Environmental Systems. New York: Springer (2000).
  20. Dunn EG, Keller JM, Marks LA, Ikerd JE, Fader PD和Godsey LD.，《将模糊集应用于农业可持续性问题》。IEEE Proceedings of ISUMA-NAFIPS’95，密苏里-哥伦比亚，美国(1995)。
  21. 粮农组织。，土地评估框架。粮农组织土壤公告32.提供：http：//www.fao.org/doclep/5310e/x5310e00.htm#contents（1976）。
  22. 弗里德曼·米特和梅森DS。，理解经济发展决策的利益相关者方法：专业体育设施的公共补贴。经济发展季刊（2004）18：236-254。
  23. 多标准决策:MCDM模型、算法、理论和应用的进展。纽约:Kluwer学术出版社(1999)。
  24. 牧场管理术语表。佛罗里达州的山脉。牧场管理中使用的术语。网址:http:// wfrec.ifas.ufl.edu/range/rangelands/glossary.htm(2002)。
  25. Grünig R和Kühn R，决策程序概述。成功的决策。复杂问题的系统方法。纽约:施普林格(2005)。
  26. 赫隆J和原因P.，参与式查询范式。定性询问（1997）3：274-294。
  27. Hiernaux P.，Sahelian Piceoralism的危机：生态或经济？odi田园开发网络纸39a。20p。伦敦：海外发展研究所（1996年）。
  28. 放牧条件下多年生牧草死亡率模型研究。发表于:West东北(Ed.)，可持续生物圈中的牧场。第五届国际牧场大会论文集，丹佛:牧场管理学会(1996)第1期:240-241。
  29. Howery LD, Sprinkle JE和Bowns JE。，一个Summary of Livestock Grazing Systems Used on Rangelands in the Western United States and Canada. Cooperative Extension, College of Agriculture & Life Sciences, The University of Arizona (2000).
  30. Hwang Cl和Yoon K.，经济学和数学系统的讲义说明：多个属性决策。纽约，Springer（1981）。
  31. 张志强，孙春华，张志强，一种基于神经模糊和软计算的学习与机器智能方法。普伦蒂斯霍尔(1997)。
  32. Jankowski P.，集成地理信息系统和多个标准决策方法。国际地理信息系统杂志3(1995): 251 - 273。
  33. Keeney RL和Raiffa H，《多目标决策:偏好和价值权衡》。纽约:约翰·威利父子公司(John Wiley & Sons, 1976)。
  34. 肯尼，向生产力委员会报告。默威郡的成本和放养率数据。可在http:// www.pc.gov.au/inquiry/nativevegetation/ consultancy/murweh1/murweh1.pdf(2004)下载。
  35. Kopp J.，载货率和aum -常见问题。阿尔伯塔省的政府。农业部粮食与农村发展（2004）。
  36. Kosko B，《模糊思维》。纽约:亥伯龙(1993)。
  37. Kuhn T.，科学革命的结构。芝加哥：芝加哥大学出版社（1962年）。
  38. 赖YJ和Hwang Cl。，模糊多目标决策：方法和应用。柏林：Spiringer -Verlag（1995）。
  39. 劳伦斯DP。,对环境造成的影响评估:解决复发的实用方法问题。纽约:John Wiley & Sons, Inc(2003)。
  40. 卢军，张刚，阮东，吴芳，多目标群体决策。模糊集技术的方法、软件和应用。帝国理工出版社(2007)。
  41. MALCZEWSKI J.，多标准位置分析中的错误传播：一个案例研究。在：G. Fandel和T. Gal（EDS。）多标准决策。Springer，柏林海德堡纽约，（1997）154-155。
  42. 地理信息系统与多准则决策分析。美国和加拿大，John Wiley & Sons(1999)。
  43. Malczewski J，多目标决策支持包括敏感性分析。可供选择：http：//www.iiasa.ac.at/~marek/ ftppub / mm / eolss_mcma.pdf（2001）。
  44. Mamdani EH和Gaines BR 1981。模糊推理及其应用。伦敦:学术出版社。
  45. 利用模糊逻辑的多重标准决策(MCDM):可持续农业的一种创新方法。IEEE Proceedings of ISUMA-NAFIPS’95，密苏里-哥伦比亚，美国(1995)。
  46. 《伊朗牧场管理》(Management of Iran 's rangeland)。马什哈德:伊玛目礼萨大学(1995年)。
  47. 米勒DJ，兴都库什-喜马拉雅地区牧场管理。国际山地综合发展中心(国际山地综合发展中心)。网址:http://www.icimod.org/focus/rangelands/range3.htm(2005)。
  48. Mitchell JE, Joyce LA, Bryant LD.，蒙特利尔过程标准和指标对牧场的适用性。VIth国际牧师大会诉讼（1999）1：183-184。
  49. Petrovic-Lazarevic S和Abraham A.，用于多标准决策的混合模糊线性规划方法。国际神经，平行和科学计算（2003）11.：53-68。
  50. 《项目评估者的决策分析》。加州贝弗利山:Sage(1984)。
  51. 陈建平，多准则决策在可持续能源规划中的应用。可再生和可持续能源评论(2004：365-381。
  52. RedFearn DD和Bidwell TG。，库存率：成功的牲畜生产的关键。可供选择：http：//www.osuextra.com（2004）。
  53. Roe Em，观点：在牧场承载能力。牧场管理杂志(1997)50：467-472。
  54. 农业系统研究:术语和概念的澄清．Expl阿格利司(1986)22.: 87 - 104。
  55. 环境统计学家在环境政策中的作用:案例性能测量。环境科学与政策（2007）10：405-418。
  56. Shaner WW，Philip PF和Schmehl WR。，农业系统研发：发展中国家指南。Westview Press（1982）。
  57. 基于模糊集的生态影响分类。生态模型(1997)96:1 - 10。
  58. 银W，环境条件的模糊指标。生态模型（2000）130.：111-119。
  59. STARR MK和Zeleny M.，多标准决策制作。阿姆斯特丹：北荷兰出版社（1977年）。
  60. Stuth JW和Lyons BG。，决策支持系统管理放牧土地：新兴问题。Cornforth：Parthenon Publishing Group Inc（1993）。
  61. 陈志强，模糊系统辨识及其在系统建模与控制中的应用。系统、人与控制论汇刊(1985: 116 - 132。
  62. Compy的经济学百科全书。，Vilfredo Pareto的传记（1848-1923）可用于：http：//www.econlib.org/library/ enc / bios / pareto.html（2007）。
  63. Umrani AP，巴基斯坦牧场管理和畜牧业生产的可持续方法。英国阿伯丁大学农学系博士论文(1998)。
  64. 范登柏，可持续发展评价的模糊方法。ICMCS会议，尼日利亚:拉各斯(2004)。
  65. Wainwright J和Mulligan M，环境建模:在复杂中寻找简单。纽约:约翰·威利父子(2004)。
  66. Walker JW。，观点：在下一千年和下一个千年放牧管理和研究。牧场管理杂志48 (1995): 350 - 357．
  67. Walker JW和Hodgkinson KC。，放牧管理：旧的新技术问题。可供选择：http：//sanangelo.tamu.edu/walker/incpaper.htm（2000）。
  68. 王海强，张建军，基于不确定性管理的人类溯因推理模型。认知科学学会第二十届年会论文集。劳伦斯·埃尔鲍姆(1998)。
  69. 枝。，Outline of a new approach to the analysis of complex systems and decision processes. IEEE Transactions on Systems, Man, and Cybernetics (1973) 1：28-44。
  70. 齐默尔曼HJ。，Fuzzy Set Theory and its Applications (Third Edition). Boston: Kluwer Academic Publishers (1996).
    创造性的公共许可证
    这项工作是在授权下获得的知识共享署名4.0国际许可．