基于双重服务的复杂系统决策流程算法与模型研究

Several problems exist in the current decision support system, including human always as the passive recipients during the system service, results produced by the system differing much from the user's ideal decision-making scheme, and the relatively weakness of the system's reliability, etc. To address these problems, as human are the service object of the decision-making system and to improve the performance for the key elements, we propose a study for decision-making process algorithm and model in complex system based on dual service (services provided by computers and required by human). We analyze the features, descriptions, and parameter system of the proposed model involving human preferences. Task-driven decision-making decomposition strategies,decsion process, and the coordination strategy in decision group with different preferences. Followed by a description of preference constrained decision-making index reduction and decision-making object recommendation algorithm. We then extract decision-making procedures and decision-makers social networking model by employing process mining techniques. To further optimize the preference model, network inference and reasoning are used to establish a self-learning adaptive approach for it. To effectively improve human service functionality and decision-making reliability, we also study the multistage coordination complex information aggregation model based on decision makers' satisfaction degree by using the principle of conflict analysis,contributing to the use of preferred decision-making problem of optimal quality control scheme under large scale complex product development network.

针对现有决策支持系统在使用过程中人是系统服务被动的接受者，系统产生的结果与使用者理想中的决策方案大相径庭，以及系统的可靠性不强等问题，拟基于人是决策系统的服务对象及提升决策效能的关键要素的观点，提出基于双重服务（计算机提供的服务和人需求的服务）的复杂系统决策流程算法与模型研究，探讨融入人多种偏好的偏好技术模型的特点、描述方式、参数及参数体系，研究决策任务驱动的动态分解策略与求解流程及不同偏好决策群体的协调策略，解决偏好约束下的决策指标约简和决策对象推荐算法，利用过程挖掘技术提取决策流程与决策者社会关系网络，通过网络推理建立偏好模型的自学习自适应技术，进一步优化偏好模型，基于冲突分析原理研究基于群体满意度最大、整体最优的多级协调复杂信息集结模型，切实提高决策系统的人性化服务功能与决策可靠性，为大型复杂产品研制过程中最优质量管理控制方案的优选决策提供支持。

该项目针对现有决策支持系统在使用过程中人是系统服务被动的接受者，系统产生的结果与使用者理想中的决策方案大相径庭，以及系统的可靠性不强等问题，基于人是决策系统的服务对象及提升决策效能的关键要素的观点，提出基于双重服务（计算机提供的服务和人需求的服务）的复杂系统决策流程算法与模型研究。.该项目主要从下面几个方面开展研究工作：①根据人的偏好特征，探讨融入人多种偏好的决策模型的描述方式、构建技术与方法；②针对不同风险偏好类型的决策者构建相应的预期理论模型，借鉴前景理论解决期望值相同数据不同情形下不确定数据的择优与排序问题；③针对决策表中含有大量指标的决策问题，分别从主观和客观角度提出“先对决策者分类再求解的决策流程”与“边求解边对决策者分类的决策流程”及其相应的决策模型，研究决策任务驱动的动态分解策略与求解流程及不同偏好决策群体的协调策略，提出不同风险偏好类型决策者分类决策的情形，解决偏好约束下的决策指标约简与决策对象的择优排序问题，为大数据时代决策者做出快速且科学合理的决策结果提供有价值的决策方案；④通过冲突分析与博弈论研究基于风险偏好差异性决策者共存时群体满意度最大、整体最优的多级协调复杂信息集结模型，以风险偏好差异性决策者共存的情形为例，提出基于决策结果公平效用最大化的角度提出新的信息融合模型构建算法；⑤根据时间日志信息中决策活动在决策者之间相互转移的角度，基于过程挖掘技术借鉴邻接矩阵方法，构建决策活动预测模型和决策者社会关系网络，提取决策者之间的相互影响程度，以此为基础，发现并确定实际决策过程与理想化决策过程之间的不同之处，从而对实际决策过程进行检查、调整、修改或重新设计；⑥针对决策者在某些决策指标存在的心理阈值的情形，首先从中间型、成本型和效用型角度分别构建相应的决策满意度函数确定决策者其在每个属性上的局部满意度，以此为基础，研究基于决策者心理阈值的决策目标调整，提出基于决策者满意度的赋权算法与信息集结算法，得到备选方案的综合评价值并排序择优，提高决策系统的人性化服务功能与决策可靠性。 .本项目综合考虑人的多种偏好与现有的决策过程相结合，提出了多种新的决策流程算法及相应的模型，为大型复杂产品研制过程中最优质量管理控制方案的优选决策提供支持，并为大数据时代的管理与决策方法研究提供了一定的理论指导。