时间序列动态大群体应急决策：区间直觉模糊熵与聚类分析

"这篇研究论文提出了一种考虑时间序列的动态大群体应急决策方法，用于解决专家权重、属性权重和阶段权重不确定的问题。该方法综合运用了区间直觉模糊数、模糊聚类、熵理论以及相对熵模型，旨在提供更准确的决策支持。 在应急决策的背景下，专家的意见和偏好往往在事件的发展过程中发生变化，因此，处理这些动态数据至关重要。论文首先引入了一个新的距离公式，用于计算区间直觉模糊数的犹豫度，这有助于衡量专家偏好的接近程度。接着，通过模糊聚类方法，对这些偏好信息进行分类，以便更好地理解专家群体的观点。 考虑到现有区间直觉模糊熵公式的局限性，作者提出了一个新的熵公式，这个公式能够反映出专家知识水平的差异以及不同阶段偏好信息的非遗传性。利用这个新公式，可以计算出每个专家在各个属性上的权重，以及属性在各个阶段的权重。 进一步地，考虑到时间序列对决策过程中的阶段权重有影响，研究构建了一个相对熵模型，用于动态调整阶段权重，以反映时间推移带来的变化。然后，通过加权平均算子将这些权重应用于所有决策方案，以获得整个决策过程的综合偏好。 最后，采用区间直觉模糊数的得分函数和精确函数，对所有方案进行排序，从而确定最优解决方案。这种方法的有效性和优越性通过与其他文献中的方法对比分析得到了验证。 文章还提到了几篇相关研究，包括基于前景理论和模糊理论的在线多属性采购拍卖供应商选择决策，乡村旅游开发的适宜性等级评价，社会网络视角下的群决策权力分布，以及双层多态加权$k/n$系统的可用性建模和冗余设计优化，这些都反映了决策科学在不同领域的应用和扩展。" 该方法不仅适用于应急决策，其理论框架和计算工具在面对复杂、动态的决策问题时，如供应链管理、项目评估、风险管理等场景，都有潜在的应用价值。通过改进的熵计算和聚类方法，能够更好地处理不确定性和时间因素，提高决策质量。