第二章 文獻探討
第四節 模糊理論之探討
Zadeh 教授於 1965 年提出模糊集合理論( Fuzzy Sets Theory )( Zadeh, 1965 )，旨在解決現實環境中之不確定性( uncertainty )與模糊性( fuzziness ) 之問題。因為人類主觀的想法、推論、與對週遭事物的感知具有相當程度 的模糊性，並非僅由“是”或“否”、“屬於”或“不屬於”等清楚劃分概念所能 包含的：尤其對於一些抽象事物的描述，如“滿意程度”、“重要程度”等，
必須以模糊邏輯概念來描述事物的優劣與情況，以彌補傳統二值邏輯(非 0 及 1 觀念)描述事物的缺點。而模糊集合是用來表示界線或邊界不分明，且 具有特定性質事物的集合，並以隸屬函數( Membership Function )來描述某 個元素屬於某個集合之程度，其數值介於 0 到 1 之間。
壹、語意變數
語意變數( linguistic variable )是以自然語言中的語詞為值( Zadeh, 1975 )，其概念可適當地表達一些主觀性的判斷，例如可使用詞組：「極差，
非常差，很差，稍差，普通，稍好，很好，非常好，極好」來表達評估者 對於評估值好壞程度之感受，藉以來處理模糊或不明確的資訊。
Delgado 等學者（Delgado et al., 1998）提出明確數值轉換成語意變數 的轉換函數(ψ ) ，L ψ ：[0,1]L → S ，其中S為語意詞組所形成的集合。當 r∈ [0,1] ，可藉由語意轉換函數，將明確值r 轉換成語意變數si(si∈S)， 而語意轉換函數ψ L =h(r,s )計算方法如下：
}
將語意變數轉換成明確值的過程即為「解模糊化」( Defuzzification )，
而解模糊化可過程使用方法甚多並沒有一定之程序，各種轉換公式各有其 優點。Delgado 等學者( Delgado, et al., 1998 )指出使用單一轉換公式求算解 模糊化時，可能會因為計算過程過於簡化，而無法驗證模糊化值之有效
數v~為最差值。利用此轉換公式可將模糊評估值~ ( , , ) otherwise
参、模糊德菲法
模糊德菲法（Fuzzy Delphi Method）加入模糊理論概念、精神而加以 改良而成，也是專家預測的一種方法，並且「模糊德菲法」在應用上可使 用幾何平均數、重心法作為決策群體篩選評估準則的依據，避免極端值的 影響，以收統計上不偏的效果，如此可使準則的選取效果更佳。根據徐村 和(1998) 的相關研究報告指出傳統的德菲法會有以下幾點缺失：1.蒐集專 家意見耗時日久；2.成本高所謂專家意見一致，只是代表專家意見落在中 間50％範圍中，而此範圍隱含了模糊性，無法真實反應專家意見；3.問卷 回收率低；4.在求取專家意見一致過程中，容易扭曲專家意見。
整體而言，模糊德菲法具有下列之優點：1.可以節省調查時間與成本；
2.專家個別意見得以明白闡示，未經扭曲；3.預測項之語意結構可清楚表 達；4.考慮到訪查過程中無可避免的模糊性；5.計算過程簡單，可處理多 層級、多屬性、多方案的決策問題 (徐村和，1998)。故本研究以模糊德菲 法進行專家意見篩選，並利用三角模糊數表達及整合專家意見，因三角模 糊數具有建構及計算容易之優點，故大多以三角模糊數整合專家意見。模 糊德菲法的進行步驟分為三階段，首先蒐集決策群體的意見，取得專家對 於每個初始指標重要性的評估值，接著計算每項初始指標重要性的三角模 糊數，最後利用簡易重心法篩選評估指標；內容如下所述(Ishikawa and Amagasa，1993)：
一、蒐集決策群體意見
利用專家問卷的方式，蒐集決策群體的意見，以取得每位專家對各個 初始指標之評價值。每位專家利用語意變數表，來表達專家對於每個初始 指標重要性的評估值。
二、建立三角模糊數
透過問卷蒐集專家對該初始指標的評估值，並利用模糊德菲法整合各 專家的模糊權重評估值，以計算每項初始指標重要性的三角模糊數。假設
第l位專家對第k個初始指標的重要性評估值為W~lk =(alk,blk,clk) l =1,2,3....m
三、篩選評估指標(Klir and Yuan，1995)
利用簡易重心法，將各個初始指標的模糊權重W~k 權重值(Saaty，1980)。Csutora and Buckley(2001)認為層級分析法在準則評 價上，無法適當地呈現評估成員的主觀認知與判斷，因而將模糊理論與層 級分析法相結合，提出模糊層級分析法，以反映真實環境下決策分析所面 臨的問題。利用模糊層級分析法進行決策評估時，其執行步驟說明如下：
一、模糊層級分析法計算權重方式
假設求取成對值比較矩陣A的權重矩陣W，可利用列向量幾何平均值 的標準化求算(Saaty, 1980)，此算法係將各列元素相乘後，取其幾何平均 數後，將之常態化得之。
，利用Csutora and Buckley(2001)所提出的 Lambda-Max方法，計算模糊層級分析的衡量構面模糊權重值。計算步驟 如下：
（一）令α =1，利用α -截集求得第k位評估成員的中間值正倒值矩陣
[ ]
ijm nxn（一）計算衡量準則模糊評估值E~ij
] ) (
) (
) 3[(
) 1 ,~
(P~ Li P1 li1 2 P2 li2 2 P3 li3 2
d = − + − + − (2-23) 其 中 ~ ( , , )
3 2
1 P P
P
P = 為 綜 合 模 糊 評 估 值 ， L =i (Li1,Li2,Li3)， i = 1,2,3,4,5,6,7,8,9為評估值的語意變數。若綜合模糊評估值P~與所對應的 語意變數Li距離最小時，則以Li表示知識分享活動現況的評估結果(黃 淑慧，2002)。
（二）綜合討論分析
根據線上遊戲廠商在知識分享上的整體综合評估值表現，及各構 面、指標評估值與權重值表現，提供線上遊戲廠商在知識分享上的管 理建議。
四、一致性檢定
為了確認評估者在進行成對比較時，其評估結果具有一致性，必 須對成對比較矩陣進行一致性檢定，以避免造成不良的決策(Saaty, 1980)。檢定方式分述如下：
（一）一致性指標(Consistency Index, C.I.)定義如下：
1 .
. max
−
= − n I n
C λ
（2-24）
λmax：最大特徵值； n：評估構面個數
根據一致性指標，C. =I. 0表示前後判斷完全具一致性，而C. >I. 0 則表示判斷不連貫，C. ≤I. 0.1為可容許的偏誤，亦即成對矩陣具有一 致性。
（二）一致性比率(Consistency Rate, C.R.)：
依據評估尺度而產生的成對比較矩陣，在不同的階數下，會產生 不同的隨機指標(Random Index, R.I.)，各階數的隨機指標值如表2-7所 示。而在相同階數的矩陣下，C.I.值與R.I.值的比率，稱為一致性比率，
即
. .
. . . . RI
I R C
C = （2-25）
當C.R.≤0.1時，則表示該矩陣的一致性程度是可接受的。
表 2-6 模糊層級分析評估尺度
語意變數 模糊數
絕對同等重要 (1,1,1)
同等重要 (1,1,3)
介於兩者之間 (1,2,3)
稍重要 (1,3,5)
介於兩者之間
(3,4,5) 頗重要 (3,5,7)
介於兩者之間 (5,6,7)
極重要 (5,7,9)
介於兩者之間 (7,8,9)
絕對重要 (7,9,9)
表 2-7 隨機指標表
階數 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
. .I
R 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.58 資料來源：Saaty，1980