6.2.3 决策信息的集结方式
随着时间的推移，决策系统是在不断地运动、变化着的。系统的运行状态，可以通过实时的综合决策来对其进行评价，这样就可以得到实时的反馈信息，也可以实时更新措施，以保障系统的安全运行[232]。常用的集结方法主要有线性加权综合法、非线性加权综合法等[233-235]。
1）线性加权组合方法（W eighted Linear Combination，W LC）
线性加权组合方法是目前GIS多准则决策中最常用的方法[235-237]，线性加权组合方法主要由两部分组成：准则权重wk和值函数v（aik），它是结合了决策结果位置集合和准则权重的地图组合程序，定义：
式中，V（Ai）是第i个准则在位置si（xi，yi，zi）的对决策对象的综合值，线性加权组合方法可以让准则保持从风险最小0到风险最大1的连续性变化，准则之间也是可以补偿的。其补偿方式是由准则权重决定的，准则的相对特性也可以用其表示，极端情况和高风险情况可以避免。
2）有序加权平均组合方法（Ordered Weighted Averaging，OWA）
在1988年，由美国学者Yager提出的一种介于“AND”和“OR”运算之间的“ORAND”数据信息集结算子，被称为有序加权平均组合方法[238-239]。其特征是对数据从大到小进行重新排列，并对数据所在的位置进行加权，再进行集结，可以消除一些不合理的决策情况出现。目前有序加权平均组合方法也被广泛地应用在各个方面。徐泽水等[228]对有序加权平均算子进行了研究，把其求解过程分成了三个基本步骤：首先对准则的值按照降序进行重新排列，再计算其权重，最后，根据权重系数和新序列的准则值一一对应，求解最后的决策结果。
定义：F：Rn→R，如果
，其中j表示任意空间位置，对决策准则由大到小排序，得到各个准则的属性值bj，wj表示第j项准则的权重，且w＝（w1，w2，…，wn ）T是与F相关的加权向量，
，则其称其为有序加权平均函数F。(https://www.daowen.com)
决策方法的决策策略可以通过有序权重向量w＝（w1，w2，…，wn ）T来进一步说明，其中AND相当于w＝（0，0，…，1）T的状态，OR相当于w＝（1，0，…，0）T，而前面所述的加权线性组合方法对应地为w＝（1/n，1/n，…，1/n ）T的状态，即保守估计的平均风险状态。由于有序权重向量从AND到OR是连续变化的，因此在进行动态决策时可以调整决策风险水平，如图6-3所示。
图6-3 有序加权平均算子多准则决策空间
Yager提出可以用ANDness、ORness和TRADEOFF来对补偿程度进行度量[239]，其定义如下：
其中，n为准则项数，k为准则的次序，wk为次序为k的准则的权重。因此，基于有序加权平均算子的空间多准则决策集合规则为：
式中，uj为准则权重，vj为次序权重，zij为准则值。根据Yager的研究，准则权重可以作为一种概率分布，因此可以引入熵的方程，来计算信息的数量。