当前位置:主页 > 管理论文 > 领导决策论文 >

双重信息下大规模群体的聚类及集结模型研究

发布时间:2017-03-28 10:06

  本文关键词:双重信息下大规模群体的聚类及集结模型研究,由笔耕文化传播整理发布。


【摘要】:随着管理决策任务的愈加困难和人们的信息交流愈加便利,越来越多的决策倾向于集思广益的方式,大规模群体决策逐渐成为决策问题中的焦点。在决策过程中,人们多侧重于如何有效集结决策者的意见偏好以达成最可能的一致,而没有考虑决策依据信息在决策者偏好信息集结过程中的作用,群决策的可靠性难以得到保证,因此本文提出一种基于双重信息的大规模群决策方法。 针对众多决策者给出的大规模双重决策信息,提出基于方案决策向量、属性决策向量和方案偏好向量的决策者三维关联度求解方法,并基于此给出了将所有决策者分成不同聚集的算法。然后,考虑到双重信息含有较复杂的不一致性,建立了兼顾类内关联程度和类间关联程度的类内核心决策者即类中心求解模型,为分类后进行类内和类间双重信息的一致性协调和集结提供基础。 经过对大规模的双重决策信息进行聚类后,每一子类内的偏好信息并不一定满足类内群体一致性的要求。而且,在决策过程中由于受各方面因素的影响,决策者给出的偏好信息本身可能也存在一定的逻辑不一致问题,即判断矩阵不满足个体一致性要求,因此为了保证决策信息和决策结果的可靠性,将针对类内决策者给出的两种结构形式的判断偏好信息,定义个体一致性和群体一致性指标,对其个体一致性和群体一致性进行测度,,并建立兼顾群体一致性和个体一致性的判断矩阵修正模型,确保了类内双重信息的有效性和可靠性。 然后,针对修正后的类内偏好信息和类内各决策者给出的初始多属性决策依据信息,研究类内双重信息联动群决策方法,建立双重信息联动推证的属性定权和决策者定权方法。考虑决策个体和群体一致性,提出了基于三维一致性向量的决策者赋权方法;以双重信息之间差异最小化为出发点,建立了属性权重求解模型,并基于此对每个子类的双重信息进行了有效集结,得到了各类的方案区间评价值向量。 最后,将冲突性较大的各子类方案评价值向量作为区间值证据,建立类间冲突估算模型,并兼顾类间冲突的大小和类内决策者个数,以定义类间折扣因子的方法,来修正类间冲突证据,继而对修正后的区间值证据进行合成,最终求得类间方案综合评价信息,得到各方案间的优劣排序。
【关键词】:群决策 双重信息 聚类中心 一致性 赋权模型 冲突
【学位授予单位】:南京航空航天大学
【学位级别】:硕士
【学位授予年份】:2012
【分类号】:C934
【目录】:
  • 摘要4-5
  • ABSTRACT5-10
  • 第一章 绪论10-19
  • 1.1 研究背景及研究意义10-12
  • 1.1.1 研究背景10-11
  • 1.1.2 研究目的和意义11-12
  • 1.2 群决策理论与方法的国内外研究现状综述12-16
  • 1.2.1 群偏好集结模型与方法研究现状综述12-14
  • 1.2.2 群体信息的满意度与一致性方法研究综述14
  • 1.2.3 群决策过程中的权重确定方法研究综述14-15
  • 1.2.4 大规模群体聚类方法研究综述15
  • 1.2.5 现有研究不足之处15-16
  • 1.3 研究内容16
  • 1.4 研究特色及创新点16-17
  • 1.5 研究思路与框架17-19
  • 第二章 双重信息下基于灰关联的大规模群体聚类模型研究19-31
  • 2.1 问题描述19-20
  • 2.2 双重信息下大规模群体的灰关联聚类方法20-24
  • 2.2.1 双重信息下的决策者关联度测度方法20-23
  • 2.2.2 基于灰关联的大规模群体聚类算法23-24
  • 2.3 双重信息下大规模群体的聚类中心确定方法24-27
  • 2.3.1 基于类内和类间决策者关联度的类中心确定方法24-25
  • 2.3.2 模型转换及算法25-27
  • 2.4 算例分析27-30
  • 2.5 本章小结30-31
  • 第三章 双重信息下决策群体类内偏好信息一致性测度及修正31-44
  • 3.1 问题描述32
  • 3.2 双重信息下决策群体类内偏好信息的一致性测度方法32-36
  • 3.2.1 类内偏好信息的个体一致性指标定义及测度方法32-33
  • 3.2.2 基于灰关联的类内偏好信息群体一致性测度方法33-36
  • 3.3 双重信息下决策群体类内偏好信息的一致性修正方法36-39
  • 3.3.1 类内偏好信息的一致性修正模型36-37
  • 3.3.2 考虑个体和群体一致性的偏好信息集结方法37-39
  • 3.4 算例分析39-43
  • 3.5 本章小结43-44
  • 第四章 双重信息下决策群体类内信息集结决策模型44-55
  • 4.1 问题描述45
  • 4.2 双重信息下类内决策者赋权方法45-49
  • 4.2.1 类内双重信息的广义一致性测度方法46-48
  • 4.2.2 类内决策者赋权方法48-49
  • 4.3 双重信息下属性权重确定及类内信息集结决策方法49-52
  • 4.3.1 双重信息下属性权重确定49-51
  • 4.3.2 类内信息集结决策方法51-52
  • 4.4 算例分析52-54
  • 4.4.1 决策者的个体一致性53
  • 4.4.2 决策者的群体一致性及权重的确定53
  • 4.4.3 五项信用指标权重的确定53-54
  • 4.5 本章小结54-55
  • 第五章 基于冲突协调的类间双重信息群集结方法55-66
  • 5.1 问题描述55-56
  • 5.2 基于证据理论的决策群体子类赋权方法56-59
  • 5.2.1 类间区间值证据的构造56-57
  • 5.2.2 类间冲突程度的估算模型57-58
  • 5.2.3 基于类间冲突程度的子类赋权模型58-59
  • 5.3 双重信息下基于类间冲突证据的修正及集结决策59-63
  • 5.3.1 基于折扣因子的类间冲突证据修正59-62
  • 5.3.2 类间冲突证据的集结方法62-63
  • 5.4 算例分析63-65
  • 5.4.1 类间冲突程度的估算64
  • 5.4.2 基于折扣因子的类间冲突证据修正64
  • 5.4.3 类间冲突证据的最优化合成64-65
  • 5.5 本章小结65-66
  • 第六章 结论与展望66-68
  • 6.1 研究总结66-67
  • 6.2 研究展望67-68
  • 参考文献68-73
  • 致谢73-74
  • 在学期间的研究成果及发表的学术论文74

【相似文献】

中国期刊全文数据库 前10条

1 胡笑旋;杨善林;张强;;支持群决策过程建模的层次影响图模型[J];系统工程理论与实践;2011年07期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

中国重要会议论文全文数据库 前8条

1 陈刚;谢科范;吴倩;;从权型决策团队的应急决策集结模型研究[A];第十三届中国管理科学学术年会论文集[C];2011年

2 巩在武;;灰色群决策问题的特征向量方法[A];第19届灰色系统全国会议论文集[C];2010年

3 张洁;朱建军;刘思峰;;基于前景理论的随机概率信息群集结模型研究[A];第十三届中国管理科学学术年会论文集[C];2011年

4 刘怡君;唐锡晋;;一种支持协作与知识创造的“场”[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年

5 李守伟;;风险决策中的群体决策方法[A];新观点新学说学术沙龙文集35:现代社会危机管理与风险决策[C];2009年

6 吴建祥;殷春武;;专家权重未知多属性群决策在物流选址中的运用[A];第十二届中国青年信息与管理学者大会论文集[C];2010年

7 王坚强;刘淘;;基于改进度和群体冲突度的不确定语言群决策方法[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

8 卫贵武;王小容;;基于群体理想方案的二元语义多属性群决策方法[A];第二十七届中国控制会议论文集[C];2008年

中国博士学位论文全文数据库 前10条

1 朱佳俊;不确定可拓群决策优化方法及应用[D];东华大学;2010年

2 陈岩;基于语言信息的群决策理论与方法研究[D];东北大学;2010年

3 李运;招商引资项目评估模型研究[D];大连理工大学;2011年

4 郭凯红;群决策环境下不确定信息集成规则与决策要素获取方法[D];大连理工大学;2011年

5 付超;基于置信信念函数的群决策过程研究[D];合肥工业大学;2009年

6 吴倩;非常规突发事件应对的集群决策机理研究[D];武汉理工大学;2012年

7 许永平;潜艇装备作战使用性能双域稳健优化方法研究[D];国防科学技术大学;2010年

8 陈可;基于不确定模糊判断矩阵及序关系的群决策方法研究[D];中南大学;2010年

9 李为相;基于区间数的不确定决策理论与方法研究[D];南京航空航天大学;2010年

10 蔡W

本文编号:272042


资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/lindaojc/272042.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户dcfe6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com