不确定性下的偏好融合与Condorcet悖论

面对未知情况，一个人可能无法坚定地表达对不同备选方案的偏好，因此倾向于表达不确定的偏好。给定一个由不同个体组成的群体，他们在不确定性下对某些备选方案表达偏好，为了获得整个群体的集体代表性意见，需要进行偏好融合过程。本文旨在提出一种应对不确定性并避免Condorcet悖论的偏好融合方法。为了对不确定性下的偏好进行建模，我们提出基于信念函数理论开发一种偏好模型，该模型能够准确描述和捕捉与个体或集体偏好相关的不确定性。本文改进并扩展了先前的结果。本文改进并扩展了先前工作中提出的贡献。我们的贡献有两方面。一方面，我们提出了一种基于信念函数理论的定性和表达性偏好建模策略，该策略随源数量扩展性更好。另一方面，我们提出了一种增量式基于距离的算法（使用Jousselme距离）来构建集体偏好顺序，以避免Condorcet悖论。