基于可变精度粗糙集的多决策表分析方法

针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。     

一类确定大众偏好结构的方法研究

大众群体偏好的集结是制定公共决策的基础。本文对这类问题进行了研究，提出了一种确定群体偏好结构的方法。该方法与传统的群体偏好结集方法不同，能有效而又可靠地确定群体的总体偏好结构，从而为制定公共决策提供详细可靠的信息。     

k-modes聚类方法的改进与在可追溯猪肉消费偏好研究中的应用

可追溯食品消费偏好等实证调查中具有大量的分类属性的数据，而常用的-means聚类方法主要适用于连续的数值型数据，难以精确分析可追溯食品消费者类别。为此，本文引入-modes聚类方法，通过改进聚类精度，改善聚类流程，改进了现有的-modes算法，以更好地应用于分类属性数据的聚类分析。以分类正确率、类精度、召回率、平均迭代次数为评价检验的具体指标，相关检验表明，与经典-modes聚类算法等相比较，本文改进后的-modes聚类算法在标准数据集上实验结果良好。在此基础上，以可追溯猪肉为案例，通过菜单选择实验法收集消费者对可追溯猪肉信息属性偏好的数据，建立仿真分析流程，运用改进后的-modes算法进行聚类分析，研究了消费者对可追溯猪肉属性的群体性偏好。仿真结果显示，消费者对可追溯猪肉信息属性的偏好具有明显的层次性、差异性，可基于消费偏好将消费者划分为4个类别。     

基于粗糙集的空军航材供应点的偏好选址

在分析空军航材供应点选址影响因素的基础上，提出了用粗糙集理论求解偏好选址问题的方法。考虑到选址是一个具有偏好信息的多属性决策问题，因此在粗糙集方法的使中，用一个两两较表代替原来的决策表，并通过优势属性集来推理决策规则，从而确定各方案排序。这为空军航材供应点的选址提供了一种更为科学、有效的方法。     

基于优势粗糙集的建设项目过程评价

针对建设项目过程评价中的评价指标通常包含偏好信息,将优势粗糙集方法应用于建设项目后评价的过程评价中,以便探讨一种科学、规范的后评价方法,从包含偏好信息的决策表中导出偏好决策模型.研究结果表明,建立起的偏好模型接近于决策者的自然推理,较易理解,获取的偏好决策规则可为建设项目后评价中的过程评价提供决策建议.     

基于不对称边界的变精度粗糙集的参数选择

不对称边界的变精度粗糙集是Pawlak粗糙集、变精度粗糙集的推广,在l和u参数作用下,使粗糙集模型更加一般化,完善了近似空间的概念。基于不对称变精度粗糙集模型研究的基础上,提出了分类质量和依赖度的方法对不精确信息进行度量,对决策表进行约简。在l,u值的选取,提出了单参数控制的方法,通过l,u-质量图分析和计算验证了方法的有效性。     

基于偏好的多属性群知识系统

提出了基于偏好的多属性群知识系统模型,定义了封闭的处理偏好值的运算法则,得到具有偏好的多属性知识系统,并采用基于优势关系的粗集理论来处理给定问题中具有偏好属性间的冗余及依赖,由约简后的偏好属性决策表导出偏好决策规则.通过实证分析表明,该方法可获得认可的知识规则,能取得有实际意义的结果.     

异质环境下基于最小冒犯准则的分类共识决策方法研究

本文从最小信息冒犯的视角研究异质环境下的分类决策问题.首先,提出方案分类与异质偏好之间的信息冒犯测量方法以及分类共识测量方法.接着,构建基于最小信息冒犯准则的异质分类共识决策模型,该模型能够在获取群体共识的方案分类的同时最小化群体信息冒犯水平.进一步,设计交互式的异质分类共识过程来引导决策个体调整偏好信息.最后,分析异质分类共识决策模型的理论性质,并使用一个算例来示范模型的运算过程.     

基于矢量空间的群体聚类方法研究

通过对群体成员的思维模式进行分析,基于矢量空间提出了群体中任意两个成员偏好矢量相关性度量的一般范数以及基于该矢量相关度的启发式算法,通过执行该使算法使群体中的成员形成若干个不同的聚集。在此基础上,定义并计算群体中各个聚集的偏好和整个群体的偏好,定义并计算群体中各个聚集的一致性指标和整个群体的一致性指标,为群体决策提供依据。最后通过一个实例对算法和一致性指标等进行验证。     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

关于互补判断矩阵的群决策的专家评判水平

在群决策分析中，如何从一致性分析的角度来分析专家评判水平或对专家评判水平进行分类是一个重要的研究课题。本文针对群决策中基于互补判断矩阵偏好信息的专家评判水平的排序与分类问题，提出了一种分析方法。首先，分析了互补判断矩阵及其一致性的有关性质；然后，通过构造每个专家给出互补判断矩阵的导出矩阵及其向量表示，计算每个专家给出互补判断矩阵与一致性互补判断矩阵之间的偏差，并得到每个专家评判水平的排序结果和专家们评判水平的分类。最后，通过一个算例说明了本文给出的分析方法。     

基于满意度最大的群决策方法

在群决策的过程中，由于决策者的知识水平、背景和主观偏好不同，他们对方案或因素所给的信息判断矩阵也就不同，本文主要针对模糊偏好关系和1～9标度判断矩阵信息，先构造个体满意度函数，然后给出一种合成两类偏好信息的多目标线性规划模型。该方法具有易操作、计算简单的特点，最后的实例验证了本方法的可行性及有效性。     

类别误标下证据链推理的群决策分类方法

针对群决策分类中可解释性的推理信息存在类别错误标识的问题,提出了类别误标下证据链推理的群决策分类方法。该方法采用可信度函数的一致性和凸性,以查询案例与证据链之间的属性关联相似度作为群决策信息源的权重,建立了基于证据链推理的混合整数优化模型,实现了决策分类标识能力最大化,同时获取了可解释性最好的证据链集合。该模型考虑了决策类别的错误标识情形,依据可信度序的概念,将推导出的融合可信度作为查询案例推论可解释性的评价标准。通过多源感知数据的诊断实例,说明了该方法的有效性和合理性。     

Some properties of linguistic preference relation and its ranking in group decision making

The group decision making problem with linguistic preference relations is studied.The concept of additive consistent linguistic preference relation is defined,and then some properties of the additive consistent linguistic preference relation are studied.In order to rank the alternatives in the group decision making with the linguistic preference relations,the weighted average is first utilized to combine the group linguistic preference relations to one linguistic preference relation,and then the transformation function is proposed to transform the linguistic preference relation to the multiplicative preference relation,and thus the Saaty's eigenvector method (EM) of multiplicative preference relation is utilized to rank the alternatives in group decision making with the linguistic preference relations.Finally,an illustrative numerical example is given to verify the proposed method.A comparative study to the linguistic ordered weighted averaging (LOWA) operator method is also demonstrated.     

基于有限扩展优势关系的粗糙决策分析方法

针对基于扩展优势关系的粗糙决策分析方法的局限性，本文给出了一种新的基于拓展粗糙集的多属性决策分析方法。首先提出了有限扩展优势关系的概念；其次在有限扩展优势关系下得到知识的粗糙近似，给出了分类决策规则；第三，通过对比分析，证明了新方法的性能优于现有方法；最后通过一个实例验证新方法的可行性和有效性。     

基于熵权的多属性大群体决策方法

针对传统的大群体决策方法只能处理单方案决策问题的缺陷,提出了一种基于多属性的多方案大群体决策方法。该方法首先将单方案大群体偏好模型与算法推广成多方案大群体偏好模型与算法,获得大群体偏好矩阵,然后利用熵权法获得各个方案的排序权重,最后利用各个方案的排序权重和大群体偏好矩阵获得各个方案的综合评价值矢量。通过该综合评价值矢量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题。通过计算机仿真实验证明该方法的有效性。     

基于等比OWA算子的不确定决策偏好表示方法

根据单调权值OWA算子的一些性质，特别是等比OWA算子的性质，提出将等比OWA算子应用于不确定决策的可行性，采用等比OWA表达决策者的偏好信息，可以比传统的不确定决策方法更全面地反映决策实际，提供更大的灵活性，并且与一般的OWA算子决策相比也更加直接和方便。     

A MULTI-ATTRIBUTE LARGE GROUP EMERGENCY DECISION MAKING METHOD BASED ON GROUP PREFERENCE CONSISTENCY OF GENERALIZED INTERVAL-VALUED TRAPEZOIDAL FUZZY NUMBERS

In this paper,a new decision making approach is proposed for the multi-attribute large group emergency decision-making problem that attribute weights are unknown and expert preference information is expressed by generalized interval-valued trapezoidal fuzzy numbers(GITFNs).Firstly,a degree of similarity formula between GITFNs is presented.Secondly,expert preference information on different alternatives is clustered into several aggregations via the fuzzy clustering method.As the clustering proceeds,an index of group preference consistency is introduced to ensure the clustering effect,and then the group preference information on different alternatives is obtained.Thirdly,the TOPSIS method is used to rank the alternatives.Finally,an example is taken to show the feasibility and effectiveness of this approach.These method can ensure the consistency degree of group preference,thus decision efficiency of emergency response activities can be improved.     

An assignment method for group decision making with uncertain preference ordinals

This paper presents an assignment method to solve the group decision making problem with uncertain preference information. The uncertain preference information is given as uncertain preference ordinals by decision makers. We first address the concept and calculation formulae of preference ordinal frequency, and then, uncertain preference ordinals are transformed into preference ordinal frequencies accordingly. Furthermore, a linear assignment model is built based on the derived preference ordinal frequencies, and the ranking of alternatives can be obtained by solving the model. Finally, a numerical example is used to illustrate the use of the proposed method.