快速动态化多目标分类研究及其在应急管理中的应用

分类决策是人类社会活动的重要组成部分。随着人类社会面临的问题日益复杂，许多分类问题需考虑多种目标，以获得更优的决策。多目标决策理论是对多个相互矛盾的目标进行综合分析来指导决策的理论和方法，多目标分类是多目标决策理论的最新拓展。近年来，我国突发事件频发，影响范围广泛，受灾程度严重，需要建立更完善的现代应急管理体系。对相关对象进行分类管理是应对突发事件的一种有效方法。本课题将快速动态化多目标分类决策理论研究和具有强烈应用背景的应急管理有机结合，分析了筛选分类、有偏好分类和名义分类在应急管理中的应用；设计了多种基于案例学习的快速化多目标分类问题的解决途径，并对不同方法在应急管理中的应用进行比较研究；构建了应用多种不确定性分析工具对动态化多目标分类问题进行建模求解的研究框架；在此基础上，设计了三类亟待运用多目标分类理论加以解决的应急管理问题的实证研究，实现理论创新与实际应用的有效结合。

本课题将快速动态化多目标分类决策理论研究和具有强烈应用背景的应急管理有机结合，在理论研究方面侧重多目标决策理论，特别是多目标分类问题以及快速动态化的多目标决策问题进行了系统的理论研究，取得了一些阶段性成果；在实际应用方面，针对应急管理的应用主题，设计了具体的应用案例，并且侧重和应急管理信息相结合，构建了相应的应急决策支持系统，并通过参与实际的政府应急管理系统开发工作，提供了理论指导和建议，做到了理论与实践的有效对接。主要成果归纳如下：. 1、理论研究成果总结：. （1）针对动态多目标决策问题进行了系统的研究，搭建了研究框架，进行了数学范式的构建，针对基于时间序列的多目标决策问题，就不同时间节点的数据提出了多种信息集聚的算法，如对不同时间趋势的采信程度的表达和信息的集聚以及考虑将来数据的预测精度等；. （2）针对快速化多目标决策问题，从多个角度进行理论探索：. 1）提出了一种基于案例学习和距离测度的多目标排序方法，并设计了方案和其他的案例学习方法进行了比较研究，结果表明这种案例学习和距离测度的方法具有良好的稳定性，并且可以很好地拟合其他方法方法的结果；. 2）提出了一种基于数据包络分析（DEA）和TOPSIS方法相结合的多目标决策模型。模型通过应用DEA中最优化模型来确定TOPSIS的多目标决策过程中的权重，从而补充了经典TOPSIS中的权重确定中的不足；. 3）提出了一种基于Demspter-Shafer和粗糙集(Rough Set)相结合的多目标分类群决策模型。模型通过粗糙集对案例进行训练学习，设计了粗糙集训练的几种不同精度测度算法，然后应用Demspter-Shafer算法将不同决策者或专家的训练结果进行集成，从而获得更有效、更全面的结果。. 2、实际应用成果总结：. （1）设计了一种基于地理信息系统（GIS）的多目标分类方法。通过集成的几种多目标分类决策模型和对应的地理信息数据，将分类分析的结果进行有效的图形化展示；. （2）通过参与南京市建邺区突发公共事件应急指挥平台建设项目，将多目标分类理论应用于应急资源的规划设计中，实现了理论与实践的有效对接。