区间数不确定偏好信息的群决策集结方法

"群决策中两类不确定偏好信息的集结方法研究" 本文主要探讨了在群决策过程中如何处理两类不确定偏好信息的集结问题，即区间数互反判断矩阵和区间数互补判断矩阵的处理方法。作者朱建军通过使用UOWA（不确定有序加权平均）算子，将决策者的偏好信息转化为这两种矩阵形式，以便更好地集成和分析。 首先，区间数互反判断矩阵用于表示决策者对不同选项之间的相对优劣关系，而区间数互补判断矩阵则反映了选项之间的好坏程度的相互补充性。在群决策中，多个决策者的偏好信息可能会存在差异，因此，通过UOWA算子可以将这些个体偏好集结成一个统一的判断矩阵，这有助于减少不确定性并提升决策的准确性。 接着，为了量化群体满意度，文中定义了一种群满意度隶属函数，该函数考虑了决策者所允许的偏差。这个函数的目标是最大化群体的偏好一致程度，从而确定最合适的权重模型。通过建立这个模型，可以评估决策群体对各个选项的一致偏好程度。 然而，该模型可能存在多组最优解，这意味着可能存在多种权重分配方式都能达到相同的满意度水平。为了解决这个问题，文章在第二阶段提出了群偏好权重分布范围估计模型。该模型旨在研究和分析这些最优解的性质，以确定更合理的权重分布范围。 最后，通过区间数比较的可能度方法，可以对所有方案进行最终的优劣排序。可能度方法是一种在模糊环境下比较和评估不确定数据的有效工具，它可以帮助决策者在不确定性中找出最佳的决策路径。 本文提出的集结方法为处理群决策中的不确定偏好信息提供了一种系统化和结构化的框架，对于提高复杂决策过程的效率和质量具有重要的理论价值和实践意义。该研究适用于涉及多个决策者且偏好信息存在不确定性的各种应用场景，如企业管理、项目选择、风险评估等领域。