多元多维偏好组合集结的群体决策与多目标优化方法

It is a problem need to be solved urgently for decision analysis research and parctice that different methods may yield different results for same multi-attribute decision-making. Integrating properly these results from these methods is a effective methodology for this problem. However, these existing methods do not take multiple preferences into account, can not give consideration to both cardinal evaluation and ordinal preference, and their effectiveness evaluation methodology is not universal. Thus, the project will research the results inconsistency problem by distance measurement, social selection, multiobjective optimization and computer simulation. The research content includes defining similarity and difference of multiple preferences, presenting the methods to build combined decision method set and determine the weights of different decision methods, developing the multiobjective optimization model for combined integration of multiple decision results and its resolution method, presenting and proving the effectiveness evaluation criteria from social selection aspect, comparing the results obtained by our methodology and some existing ones by simulation and finally developing a networked hybrid combined multiattribute decision support system prototype. This research achievement can build a methodology of combined integration and its effectiveness evaluation of results from different methods for same multi-attribute decision making with multiple preferences, and provide new ideas for the results inconsistency problem of different methods for same multi-attribute decision-making. In addition, our reseaches can provide effective methods and tools for all kinds of practical multiattribute decision problems and thus make the decisions more scientific and convincing.

同一多属性决策问题不同方法求解结果不一致是决策分析研究和实践中经常面临的一大难题，将不同方法得出的结果进行适当组合是一种有效办法。但已有研究未考虑多元偏好，不能兼顾评价值差异和序关系，有效性评价方法不具一般性。本项目拟采用距离测度、社会选择、多目标优化及计算机仿真方法，提出描述多元偏好相似性和差异性的距离测度函数；建立组合方法集构造和决策结果权重计算方法；构建多元结果组合的多目标优化模型及求解算法；从社会选择角度提出其有效性评价原则及测度指标并进行理论论证，通过仿真将结果与已有方法进行比较；最后开发网络化混合型组合多属性决策支持系统原型。通过研究，可望在理论上建立多元偏好共存时同一多属性决策问题不同方法的结果组合集结（多元多维偏好组合集结）及其有效性评价方法，为解决不同方法求解结果非一致性难题提供新的思路；在应用上为求解各类多属性决策问题提供有效的方法和工具支持，提高决策的科学性和可信度。

多元多维偏好组合集结在社会、经济、管理、工程等领域具有广泛的实际背景与深刻的理论内涵，是系统工程的一个新的研究方向。本项目采用多属性决策、社会选择、运筹优化、计算机仿真等方法，对多元多维偏好集结问题进行了较深入的研究。主要成果如下：（1）多属性决策的距离测度方法，包括混合偏好下的群体理想解法、犹豫模糊集距离及相似性度量方法、改进型K-均值聚类算法、区间型多属性大群体决策方法等。这些方法提出了群体理想解概念，给出了一种新的排序向量距离定义，调整了犹豫模糊距离与相似性度量的公理化定义，得到了一系列相似性度量的新方法；通过优选初始聚类中心显著提高了K-均值聚类算法聚类结果的稳定性和正确率与收敛速度；提出了区间型数据相似性度量标准，建立了大群体决策中最佳聚类类别数以及各类权重的确定方法。（2）多元偏好组合多属性决策方法，包括考虑偏斜度的序数均值组合群决策方法、基于OWA算子的三角模糊数多属性组合决策方法。这些方法能处理均值组合法无法区分方案优劣的组合决策问题，能区分序值均值方差相等而偏斜度不同的方案排序。（3）复杂模糊环境下多维偏好集结方法，包括犹豫模糊集、图片模糊集和三角模糊中智集运算及聚集算子，考虑密度偏好的三角模糊数、直觉模糊数聚集算子，及其多属性决策方法。这些方法建立了几种新的模糊数聚集算子，能有效处理各决策信息之间和各属性之间存在内在联系或有数据分布疏密偏好的多属性决策问题。.研究成果形成论文12篇，其中8篇已在《Mathematical Problems in Engineering》、《Journal of Computational Analysis and Applications》、《INFOR》、《控制与决策》、《统计与决策》等期刊发表，SCI收录3篇，EI收录2篇，CSSCI收录3篇；以此为部分支撑，项目负责人入选岳阳市巴陵青年英才，培养硕士研究生2名，协助培养博士研究生1名。