考虑复杂情形的差异性分组模型与算法研究

差异性分组具有广泛背景，实践中常面临复杂差异性需求、多形态特征信息、混合分组规则等复杂情形。在复杂情形下，差异性分组问题发生了深刻变化，已有差异性分组模型与算法尚不能有效解决。如何考虑复杂情形，提炼复杂情形下的差异性分组科学问题，建立科学合理的差异性分组模型，并提出有效的求解算法是亟待解决的新课题，具有理论与应用价值。本项目的主要研究内容包括：考虑复杂差异性需求的差异性分组模型与算法研究；考虑多形态特征信息的差异性分组模型与算法研究；考虑混合分组规则的差异性分组模型与算法研究；集成上述复杂情形的差异性分组模型与算法探索研究。本项目的研究目的在于：系统提炼科学的、具有复杂情形的差异性分组问题，提出具有理论与实际价值的考虑复杂情形的差异性分组模型与算法，取得高水平的研究成果。

差异性分组问题广泛存在于许多领域，实践中常面临复杂情形。已有相关成果多以简单情形为假设，侧重于研究数学模型和求解算法等方面，尚不能有效解决复杂情形下的差异性分组问题。本课题将简单情形上升为复杂情形，结合实际背景需求，对差异性分组问题的模型、求解算法及其应用等方面进行了研究，主要包括：.首先，构建了复杂情形下差异性分组问题的分析模型。从差异性需求、个体特征信息以及分组规则等方面，提炼复杂情形下的差异性分组问题特征，构建了差异性分组问题的分析模型。.其次，构建了复杂情形下差异性分组问题的数学模型。考虑复杂分组规则，构建了MDGP扩展模型；基于群体决策背景，构建了MDP和MDGP的整合数学模型。.进一步，提出了求解复杂情形下差异性分组问题的混合分组遗传算法。考虑到构建的差异性分组模型求解具有一定复杂性，设计了二段式染色体编码，在此基础上提出了求解模型的混合分组遗传算法。.最后，针对典型应用问题，结合应用背景特征，给出了解决方案。针对科研管理中的评审指派问题，构建了研究领域匹配模型并给出了基于运输问题的求解算法，构建了评审指派的网络流模型并给出启发式求解算法；针对综合面试中的分组问题，考虑了情境因素，提出均衡分组思想，建立了均衡分组的多目标模型，给出了求解模型的算法；针对突发事件应急决策，提炼出构建应急决策小组的差异性分组问题，提出了两阶段启发式算法。.综上，在本课题的研究工作中，通过引入复杂情形考察差异性分组问题，构建的扩展MDGP模型、整合模型等差异性分组模型更符合实际需求；提出的混合分组遗传算法不仅可以有效解决复杂情形下的差异性分组问题，还可以灵活解决其他具有分组特征的问题；此外，典型问题的应用研究对于相关实践具有一定指导意义。上述研究工作的相关研究成果部分已经发表在国际期刊《Expert Systems with Applications》(SCI二区)、《Journal of the Operational Research Society》(SCI/SSCI)以及《中国管理科学》等期刊上。课题组认为：差异性分组问题具有持续科学研究价值，未来研究重点应侧重方法的应用价值，探索实际背景变化所产生的差异性分组问题的新特征。