基于粒计算的多属性群分级决策模型与算法研究

In the information age, the increasing integration of Big Data with our social and economical life leads to more and more complex multi-attribute group sorting problems arising in the daily life of groups and organizations. The main characteristics of the complex multi-attribute group sorting are shown with large-sale of alternatives, many experts and uncertain inter-relative decision information. The traditional function models and relation models work not very well, when faced to this kind of sorting problems. And based on the multi-granularity, multi-perspective and multi-level solving principles of granular computing, the specific contents for solving the complex multi-attribute group sorting problems are as follows: (1) selection and attribution of the evaluation cases; (2) knowledge acquisition models and fusion methods; (3) evaluation mechanism of sorting performance; (4) applications of the new models and method in practice. The results of this subject will form a whole solution process of the multi-attribute group sorting, have important scientific significance for perfection of the models and methods, and further provide a reliable decision support for the real life sorting problems.

当今信息时代，大数据与社会经济生活融合不断深化，社会团体和组织面临越来越多的复杂多属性群分级决策问题，具体表现为：评价对象规模大、涉及群决策专家众多以及包含有不确定、相互关联的决策信息。面对这类多属性群分级决策问题，传统的基于函数及关系的机理模型无法对其进行有效求解。本课题借鉴粒计算的多粒度、多视角及多层次求解机理，针对此类多属性群分级决策问题，构建“数据驱动”的粒计算求解新模型，围绕以下几个关键科学与技术问题展开系统深入的研究：(1) 多属性群分级决策中评估案例的选取与分配技术；(2) 多属性群分级决策知识获取和知识融合模型；(3) 多属性群分级决策性能评估机制研究；(4) 多属性群分级粒计算模型的实际应用。本课题的研究成果将形成较为完整的多属性群分级决策问题的粒计算求解方案，对于多属性群分级决策模型与方法的完善具有重要的科学意义，进一步为现实决策提供可靠有效的决策技术支持。

在当前信息时代，各级各类社会团体和不同组织面临越来越多复杂多属性群分级决策问题，这些问题具有以下特征：评价对象规模大、涉及群决策专家众多以及包含有不确定、相互关联的决策信息。粒计算是一种基于粒及粒间关系的数据分析及问题求解范式，能够为复杂问题求解提供多视角、多层次的描述及求解策略。本课题从粒计算的多粒度、多视角及多层次求解出发，针对不确定性表达的大规模多属性群决策问题，构建了“数据驱动”的粒计算求解新模型，取得了以下成果：（1）搭建了不确定犹豫表达下优势比较的本质意义及优势粒结构建设基础；(2) 提出了大规模多属性群决策的多粒度求解及最小冲突求解模型，设计了动态增量多属性决策系统中属性关系的分析及知识获取高效算法；（3）丰富了决策性能评估的度量，增加评估新方法；(4)开发了多粒度求解多属性群决策模型在实际工作中的应用及原型系统。这些成果较为有效解决了不确定犹豫表达的多属性群分级决策优势比较问题，促进了大规模多属性群决策问题的有效求解，对于各类多属性群分级决策模型与方法的完善具有重要的理论意义与实际价值。