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。     

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。     

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。     

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。     

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。     

基于决策者偏好投影寻踪模型的多属性决策法

针对现有主观赋权法和客观赋权法的不足,提出了一种新的综合赋权方法——基于决策者偏好及投影寻踪聚类模型的综合赋权法。该方法运用投影寻踪聚类模型,把多属性决策问题中的高维数据转化到低维子空间,同时用自适应粒子群优化算法来优化投影指标函数和模型参数,获得了决策属性体系最佳投影方向和投影值,揭示了高维数据的结构特征。同时,也考虑了决策者对不同属性的偏好,使对属性的赋权达到主观与客观的统一。最后通过一个仿真实例说明了该方法的可行性与有效性。     

一种多属性多方案大群体决策方法研究

多属性多方案大群体决策问题广泛存在于网络环境中,将单方案大群体决策方法推广到基于多属性的多方案大群体决策中,由此获得大群体偏好矩阵.利用熵权法获得各个属性权重向量.将各个属性权重向量和大群体偏好矩阵进行合成,获得各个方案的综合评价值向量,由该向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.最后通过一个算例说明了方法的有效性.     

基于保护少数人意见的群体一致性分析

在群体研讨过程中,少数人意见是十分重要的.提出了一种可以保护少数意见的决策共识达成模型及研讨反馈机制.该方法先根据专家意见对专家群体进行聚类分析,得到专家子群体簇,如果某一子群体所含专家人数较少,则该子群体的意见称为少数人意见,特别地,如果在聚类中出现奇异点,则该奇异点的专家意见称为个别人意见,然后主持人根据少数人成员的特性将少数人意见单独提出,使专家群体参考少数人意见重新研讨并给出新的偏好矢量,重复这一过程直到群体接受或摈弃少数人意见,使专家意见得到统一.最后用一个实例说明了该方法的可行性.     

基于蒙特卡罗模拟的直觉正态云多准则群决策方法

定义了直觉正态云模型,提出了基于直觉正态云的多准则群决策方法.该方法将不同决策者给出的不确定决策信息看作是直 觉正态云中部分云滴的集合,以此对云的参数加以估计.同时,为了比较决策者对不同方案的偏好,设计了直觉正态云发生算法,并 利用该算法通过蒙特卡罗模拟生成各方案综合表现云的云滴样本并进行统计,按统计结果来对各方案综合评价云进行排序.最后实 例说明了该方法的可行性和有效性.     

基于案例比较信息的多准则群决策分类方法

提出了一个基于案例比较信息的多准则群决策分类方法.该方法使用级别高于关系作为决策者的偏好模型.它要求决策者根据自己的偏好预先给出部分方案之间的比较信息.基于这些比较信息和决策者的重要度确定了具有最大可信度的群体一致案例比较信息集,并利用该信息集构建一个混合整数规划模型来计算方案的分类区间,从而引导决策者给出部分方案的精确分类信息.在此基础上,确定一个代表函数来获得其余方案的精确分类.最后通过一个实例说明了方法的可行性和合理性.     

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。     

群决策中两类偏好信息——AHP判断矩阵和模糊偏好关系矩阵的一致化方法

在有限方案的群决策问题中，如何统一具有不同形式的偏好信息是一个新的研究课题。本文针对群决策中决策者给出着于方案的两类偏好信息－AHP判断矩阵和模糊偏好关系矩阵，通过构造转换函数，给出关于这两类偏好信息的一致化方法，这为研究群决策中不同形式偏好信息的集成方法和方案排序打下了坚实的基础，最后给出一个算例。     

基于辩论的群体研讨建模与决策方法

研讨是支持群体共同求解复杂决策问题的有效工具, 其本质上是一种多人间的逻辑思辨与推理的过程. 本文借鉴人工智能领域中的辩论理论, 提出了一种基于辩论的群体研讨模型与决策方法. 首先对比分析了一般研讨流程与辩论过程, 揭示了群体研讨决策和辩论过程在机制和目的上的相似性; 然后引入Dung的抽象辩论框架, 建立了基于辩论的群体研讨系统框架, 并探讨了论据状态的推理机制和论据强度的概念, 并给出了几种典型的决策规则. 最后结合一个软启动产品设计方案优选案例对本文研究进行了验证, 结果表明, 采用基于辩论的群体研讨和决策方法有助于从认知角度来分析决策者的行为动机, 可用于解释决策者偏好形成或直接用于决策, 从而提高决策的科学性与有效性.     

面向决策局部环境的群决策方法

对具体群决策问题,决策者之间和属性之间的某种联系分别由具体问题形成,由偏好关系表示的关系结构为决策局部环境：由变量分析矩阵、任意属性间的偏好相似性和任一组决策者对某一属性的偏好一致性构成的属性邻接矩阵和决策者邻接矩阵构成。对属性信息集结进行三次修正,由决策者局部重要性对属性一致性进行修正,以属性局部偏好一致性强度对属性权重进行调节,由决策者局部重要性权重修正最终评价结论。提出的方法可以在决策进程中聚焦影响一致性的相关属性,发掘可能冲突的属性及影响具体方案排序的主要属性,更有效提供解决群决策问题的建议和方案。     

不完全信息条件下的多指标群体决策方法

研究在不完全信息、多指标条件下,利用个体决策结果形成群体一致偏好的方法.在大多数情况下,群体决策成员只可能给出决策的不完全信息,从个体的偏好结果形成群体一致排序需要求解一组线性规划.群体成员对方案成对辨优的结果,提供了一个方案优于其它方案的偏好强度信息.偏好集结过程考虑了决策成员的偏好净强度和决策成员权重信息不完全的情况.最后,给出一个投资决策的案例说明群体决策方法的实际应用.该集结方法能够平衡决策时间、决策质量和决策者负担三方面要求.