基于区间数据与云模型的不确定性下多准则群决策
人工智能
2020-12-04 v1
摘要
在本研究中,我们提出了一种数据以区间形式收集的不确定性下多准则群决策(MCGDM)算法。所提出的 MCGDM 算法聚合数据、确定准则的最优权重并对备选方案进行排序,无需进一步输入。区间赋予了专家在依据准则评估备选方案时的灵活性,并提供了获取最大信息的机会。我们还提出了一种利用云模型聚合专家判断的新方法。我们引入了一种实验方法来检验该聚合方法的有效性。之后,我们将该聚合方法用于一个 MCGDM 问题。在此,我们通过提出一个双层优化模型来求出各准则的最优权重。接着,我们将基于理想解相似度顺序偏好技术(TOPSIS)推广至基于云模型的数据以对备选方案排序。因此,该算法能够从具有不同不确定性水平的决策者处获取信息,并在无需决策者更多信息的情况下考察备选方案。所提出的 MCGDM 算法在一个网络安全问题的案例研究中得以实施,以说明其可行性与有效性。结果通过敏感性分析以及与现有其他算法的比较,验证了所提 MCGDM 的鲁棒性与有效性。
引用
@article{arxiv.2012.01569,
title = {Multicriteria Group Decision-Making Under Uncertainty Using Interval Data and Cloud Models},
author = {Hadi A. Khorshidi and Uwe Aickelin},
journal= {arXiv preprint arXiv:2012.01569},
year = {2020}
}
备注
Journal of the Operational Research Society, 2020