时间多尺度信息下的群体决策理论及其应用研究

The rapid economic and social development has provided a rapidly changing mass of data for decision-making. The understanding of objective things evolves over times. The comparing process of alternatives and the preference information are the functions with respect to time. Different time scales may lead to different decision information, then to different decision results. ..In this project, the time scales of decision process and information are analyzed deeply. The theory of group decision making and its applications are investigated under multiple time scales. The main contents are given as follows. (1) The time series modelling of pairwise comparison of alternatives is studied. The process of giving decision information is considered to be the time series under a small scale. The new standard of acceptable judgement information will be provided. The group decision making model and algorithm will be constructed in virtue of the leading principal submatrices. (2) The particle swarm optimization (PSO) algorithm for the consensus in group decision making is investigated. The group decision making with repeatedly discusses for reaching consensus is simulated as a goal optimization under an iterative process. The group decision making models will be provided using various information particles. (3) The group decision making problems with social network information under different time scales are addressed. The methods for social network analysis will be given according to social network information under multiple time scales. The solutions for scientific decision-making and forecasting of government and business problems are provided. ..The research results will provide new ideas and new concepts for decision theory and methodology by considering the time effects.

经济社会的快速发展为决策提供了瞬息万变的海量信息，人们对客观事物的认识随着时间的递进而不断演化，备选方案的比较过程及专家的偏好信息均为时间的函数，时间尺度不同，决策信息形式不同，决策的结果可能不同。本项目深入分析决策过程和信息的时间尺度，研究时间多尺度信息下的群体决策理论及其应用，主要有（1）备选方案两两比较过程的时间多尺度模型研究，决策信息的产生过程即为精细化的时间序列，将提出判断信息的满意一致性新准则，建立基于顺序子矩阵的群体决策模型及算法。（2）群体决策共识过程的粒子群优化算法研究，反复讨论达成共识的群体决策过程模拟为不断迭代的目标优化过程，将提出基于多种决策信息粒的群体决策模型。（3）基于不同时间尺度社会网络信息的群体决策问题研究，将建立时间多尺度的社会网络信息分析方法，为政府和企业科学决策与预测提供解决方案。研究成果将从时间尺度效应上为群体决策理论与方法提供新思想。

客观实际中的决策问题往往归结为从一组备选方案中选出最优解，备选方案的比较过程具有复杂性，涉及到专家的知识、经验、能力和心理等，需要精细刻画以发展决策理论与方法。本项目创新性分析决策过程的时间序列属性，发展了群体决策理论与方法，主要研究成果如下：.（1）针对传统决策理论中决策信息给出过程研究的缺失，考虑比较过程的复杂性和序列性，建立了基于判断矩阵顺序主子式的决策分析新基础。基于比较过程的时间序列分析模型，建立了权重发展过程和不一致性程度过程，提出了识别和修正决策者非理性决策信息的反馈机制，提出了判断矩阵满意一致性的新定义。.（2）基于两两比较判断信息的精细分析，发现互反性条件只是一种数学直觉，而从比较判断过程来看，非互反性是常有的现象，而互反性的这种破缺，恰当表征了决策信息的不确定性。提出了非互反判断矩阵概念，基于互反性破缺，把不确定性融入层次分析法的公理化特征，发展了层次分析法公理化基础。.（3）针对区间数、三角模糊数和梯形模糊数等的柔度量化问题，引入置信度概念，建立了柔度量化公式。考虑存在领导者或者意见领袖存在的前提下，提出了权重确定新方法，建立了群体决策模型，丰富了群体决策理论。引入柔度概念构建粒度矩阵，建立了智能群体共识模型。.（4）针对判断矩阵的一致性、弱传递性、弱一致性和中性传递性，根据元素之间的逻辑关系，建立了量化传递性程度的指标体系。发现不同的传递性对应不同的指标建立方法，揭示了判断矩阵不同传递性条件下的结构特征。.本项目研究成果创新性发展了决策分析的理论基础，推动了智能群体决策理论的发展。在国际主流学术期刊发表论文30篇，培养毕业研究生10名，产生一定的国际影响。