改进的基于矢量空间的群体聚类算法

针对群体聚类算法中,一般以群体成员偏好矢量的相似度作为相聚依据,但这类方法通常不能保证群体聚类后聚集的一致性的问题。提出了成员与成员集的相似度概念,给出了基于聚集一致性的成员与聚集相聚的条件,描述了一个改进的群体聚类启发式算法。同时,还定义了群体及聚集一致性的偏差指标和相对偏差指标,用以评估聚类结果。实例测试表明,该算法有较好的聚类性能和较低的一致性偏差指标。     

一种连续型随机多属性大群体决策方法

针对属性权重信息完全未知和属性值为连续型随机变量的多属性大群体决策问题,提出了一种大群体决策方法。该方法将正态分布的3σ原则推广到任意分布,将随机属性值转化成区间数;并把实数范围内的模糊聚类算法扩展到区间数上,通过该算法将大群体中的成员按偏好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和整个大群体的区间评价矩阵;然后利用不确定性有序加权平均算子获得决策方案的综合排序。最后通过一个实例对方法进行了验证。     

改进的聚类算法及在复杂大群体决策中的应用

针对现有FCM聚类算法中存在的局部极值和伸缩性较差等问题,提出了基于全部最小连通支配集算法(minimum connected donating set algorithm,MCDSA)的改进的聚类算法(minimum fuggy C-means,MF-CM)。用改进的聚类算法MFCM辅助复杂大群体决策(complex huge group-decision,CHGDS),定义了群体偏好矢量和群体一致性指标,提供了一种新的解决CHGDS中群体决策的理论和方法,并通过实验证明了该方法的有效性和稳定性。还提供了基于属性加权进化的群体一致性决策机制新思路。     

改进的蚁群聚类算法及在多属性大群体决策中的应用

多属性复杂大群体决策中,对决策人员的决策结果进行有效地聚类,是分析以及完成群体决策的基础。针对蚁群聚类算法参数选取复杂、自适应性差以及随机性等缺点,提出了一种改进的蚁群聚类算法,该算法将决策群体成员对决策问题的若干个评价准则值转化成偏好矢量,以偏好矢量相聚度作为邻域相似度的计算公式,形成一个启发式聚类算法。通过一个算例计算说明该算法具有聚类质量高、自组织和鲁棒性的特点,适用于解决多属性复杂大群体聚类与决策问题。     

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。     

基于互反判断矩阵的专家群体判断一致性分析

针对群决策中基于互反判断矩阵形式偏好信息的专家群体判断一致性问题,提出了一种分析方法。首先,给出了有关互反判断矩阵及其相容性和一致性的若干定义;然后,通过定义各个方案的一致性指标及专家群体判断一致性指标,给出了基于互反判断矩阵的专家群体判断一致性的判别方法及专家群体判断不一致的调整方法。最后,通过算例说明了所提的分析方法。     

模糊偏好下基于属性二元关系的群体聚类方法

在多属性复杂大群体决策中,对决策成员的决策结果进行有效的聚类,是分析以及完成群体决策的基础。考虑属性间二元关系,用直觉梯形模糊数表示决策者的偏好信息,给出一种大群体聚类方法。该方法通过计算直觉梯形模糊偏好矢量的期望值得到群体成员期望偏好矢量。基于属性间二元关系形成期望矢量的属性关系矩阵,并以此为基础构造了两期望矢量的相聚度模型,同时提出了大群体聚类方法。最后通过算例以及算例结果与其他聚类方法比较,证明该方法的有效性和实用性。     

极端偏好影响的大群体应急决策风险演化模型

针对极端偏好成员在应急决策中存在较大影响力的问题,构建了个体极端偏好影响力模型,结合风险偏好矢量的方向性和距离性提出了一种新的决策成员风险偏好相似度模型,并根据此模型将极端偏好群体划分为极端偏好同质群体集和极端偏好异质群体集,在此基础上引入非极端偏好决策成员主观接受程度来说明非极端偏好决策成员对个体极端偏好同质群体集和异质群体集影响力的接受程度,进而构建多阶段大群体应急决策风险偏好演化模型.最后通过案例及数据仿真结果的对比分析,验证了该模型的合理性和有效性.     

基于语言评价矩阵的评判专家水平研究

针对语言评价矩阵的评判专家水平问题,给出了一种分析方法。首先,给出有关语言评价矩阵及两个语言之间的一致性定义,然后通过定义有关专家对各个方案的一致性指标及专家对各个指标的一致性指标,给出了基于语言评价矩阵形式偏好信息的专家评判水平的判别方法及专家群体判断共识性的分析方法。最后,通过一个算例说明了所提出分析方法的有效性。     

基于语言评价矩阵的评判专家水平的研究

针对语言评价矩阵的评判专家水平问题，本文给出了一种分析方法。首先，给出了有关语言评价矩阵及两个语言之间的一致性定义；然后．通过定义有关专家对各个方案的一致性指标及专家对各个指标的一致性指标，给出了基于语言评价矩阵形式偏好信息的专家评判水平的判别方法及专家群体判断共识性的分析方法。最后。通过一个算例说明了本文提出的分析方法。     

一种有不同形式偏好信息的群体决策方法

针对具有不同形式偏好信息并且决策者的权系数信息不完全确定的群体决策问题,提出了一种群决策方法。该方法先将不同形式的偏好信息转化为互反判断矩阵形式,然后利用决策者权系数的不完全确定信息和互反判断矩阵,构建一个非线性规划模型,利用遗传算法求解非线性规划模型,得到方案的重要性程度值和决策者的最优权系数,进而确定方案的排序。最后实例说明该方法的有效性和可行性。     

Conflict measure model for large group decision based on interval intuitionistic trapezoidal fuzzy number and its application

The problem of measuring conflict in large-group decision making is examined with every decision preference expressed by multiple interval intuitionistic trapezoidal fuzzy numbers （IITFNs）. First, a distance measurement between two IITFNs is given and a function of conflict between two members of the large group is proposed. Second, members of the large group are clustered. A measurement model of group conflict, which is applied to aggregating large-group preferences, is then proposed by employing the conflict measure of clusters. Finally, a simulation example is presented to validate the models. These models can deal with the preference analysis and coordination of a large-group decision, and are thus applicable to emergency group decision making.     

基于联盟的无人机集群编队控制方法

针对切换拓扑结构下的集群编队控制问题,设计只需个别无人机获取虚拟长机信息也能保证集群连通性的编队控制算法。当队形变换或部分通讯网络故障导致网络拓扑结构发生改变时,以距离为原则对集群进行联盟划分,各联盟内部成员以信息浓度大小为标准同其他成员进行竞争,由信息浓度最大的无人机获取虚拟长机信息,其联盟成员通过与该无人机通讯间接获取虚拟长机信息。该算法使得每架无人机在任意时刻都能直接或间接地获取虚拟长机信息。引入集群对虚拟长机的反馈机制,与传统反馈算法不同的是,本文中反馈无人机的数量和组成成员都是变化的,从而提高了系统的收敛速度和鲁棒性。在此基础上进一步讨论编队的损伤问题,设计了一种基于分层的分布式递归自修复算法,解决了网络分裂状态下的自修复及修复后队形变化过大的问题。仿真结果表明了所建模型的合理性和求解方法的有效性。     

社会网络环境下基于群体一致性的概率语言多属性大群体决策方法

针对社会网络环境下,决策者的偏好表达为概率语言信息的多属性大群体决策问题,提出一种新的、基于群体一致性的概率语言多属性大群体决策方法。首先,针对现实决策中存在决策者隶属于多个社区集群参与决策的情况,提出社区子模块隶属度的概念并对其进行预处理;其次,通过改进Louvain社区探测算法对群体决策者进行聚类分析;然后,将最大共识序列挖掘算法拓展至概率语言多属性群决策领域,提出一种基于群体一致性的共识测度方法及共识达成模型;最后,通过算例验证本文方法的有效性,并进行对比分析说明本文方法的合理性及优势。     

一种基于满意与公正的群决策方法

在群体决策问题,如何将群成员的偏好集结构群体的偏好并构造一个群体的效用函数是基于效用函数的群决策方法的核心问题,本文给出了公正和满意的概念和测度方法,提出了一种基于满意和公正的群体效用函数构造方法,并通过求解一个规划问题来获得群体效用函数。     

群决策中基于一致性强度的专家意见集结方法

针对群决策问题,提出了一种基于群体一致性强度的虚拟专家意见逐步集结规划的方法.首先将两个专家的偏好信息集结为序关系值向量,将该次集结结果作为一个"虚拟专家"给出的判断信息,然后吸收下一个专家的意见成为新的虚拟专家,依此类推,直到最后一个专家参与决策.引入虚拟专家的群体一致性强度保证群体结果趋向一致,其中一致性强度和虚拟专家的权重依赖于所包含的个体专家的人数.个体人数越多一致性强度和权重就越大,从而体现了少数服从多数的原则.该方法将多专家的复杂群决策问题转化为低复杂度的多阶段二人决策问题,并保证了群体结果的一致性.最后,通过一个算例验证了方法的有效性.