多准则群决策分类方法及应用研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
71071124
项目类别：
面上项目
资助金额：
26.0万
负责人：
廖貅武
依托单位：
西安交通大学
学科分类：
G0103.决策与博弈
结题年份：
2013
批准年份：
2010
项目状态：
已结题
起止时间：
2011-01-01 至2013-12-31

项目参与者：
蔡付龄；徐伟华；秦军昌；杨娜；李新明；
关键词：
分类偏好集成多准则决策群决策

项目摘要

多准则分类(MCS)指的是在多个不能相互替代的准则下,将有限个方案分配到预先定义的一组有序类中的决策问题。虽然近年来该问题已成为决策分析领域的研究热点，但是如何在群决策环境下进行MCS决策，并针对多准则群决策分类问题（MCGS）给出有效方法的研究工作还不多见。为此，本研究通过对MCGS问题的提炼，将决策问题划分为参数信息不完全下的MCGS问题、案例信息确定情况下的MCGS问题和案例信息不确定情况下的MCGS问题。并针对第一类问题，给出了参数信息不完全下的基于效用函数和基于级别高于关系的两类MCGS方法；针对另外两类问题，分别给出了基于效用函数、基于级别优于关系和基于粗集理论的MCGS方法。这些方法都是围绕着群体一致性检验和偏好信息集成两个关键问题展开的。此外，本研究还通过实际数据对方法的稳健性进行了检验,并将方法应用于国家创新竞争力位次和服务外包承接地区位优势等实际分类问题中。

结项摘要

多准则分类（MCS）决策是指决策者根据有限个待评价的方案在多个准则下的评价值，将方案分配到预先定义的类的过程。虽然近年来该问题已成为决策分析领域的研究热点，但是关于如何在群决策背景下进行分类决策，并针对多准则群决策分类（MCGS）问题给出有效方法的研究还不多见。本研究通过对MCGS问题的提炼，提出了一系列解决MCGS问题的方法，并开展了相关应用研究。主要贡献包括：（1）案例信息确定下的MCGS问题：（a）针对决策者们给出准则的语言评价信息和确定的案例信息的情况，提出了一种基于距离的MCGS方法；（b）针对决策者给出确定的案例信息的情况，提出了一个基于简单加性函数的MCGS方法；（c）针对决策者提供的案例方案之间的比较信息，提出了一个基于案例比较信息的MCGS方法；（2）案例信息不确定下的MCGS问题：（a）针对决策者们给出不确定的案例信息的情况，提出了一种基于UTADIS分类模型的MCGS方法；（b）针对决策者们对分类问题的初始了解非常有限，只能提供非常少量的初始案例信息的情况，给出了一个渐进式的MCGS方法；（c）研究了如何在交互式决策过程中考虑决策者的决策权重，提出了一个考虑决策者权重的交互式MCGS方法；（d）针对决策者提供的参考方案之间的模糊偏好关系，提出了一个基于模糊偏好关系的MCGS方法；（3）基于提出的模型和方法，开展了针对离岸服务外包承接地选择和多属性拍卖中拍卖人偏好引出的应用研究。