社会网络环境下基于公众行为大数据属性挖掘的大群体应急决策方法及应用

针对社会网络环境下复杂大群体应急决策中决策属性信息难以获得问题,提出社会网络环境下公众行为大数据驱动的大群体应急决策方法.首先,通过挖掘社交平台上的公众行为大数据,利用TF-IDF、Word2vec技术进行关键词提取、聚类及其影响力分析,从大量行为数据中挖掘大群体决策属性信息以辅助专家决策,使决策结果具有更高的科学性和有效性;其次,构建决策者间基于信任关系和观点相似度的社会网络,采用同时考虑信任和相似度的聚类方法对决策者进行聚类,并基于社会网络分析获得决策者权重;然后,提出基于决策者间信任关系的共识调整方法进行共识调整以获得最终群体决策矩阵和方案排序,通过引入决策者客观自信度避免个别决策者过分自信行为的影响;最后,通过一个新冠疫情案例分析说明方法的可行性和有效性.     

社会网络环境下基于负面行为管理与改进的最小成本共识模型的大群体决策方法

提出基于社会网络分析的专家负面行为识别与管理,以及基于改进的最小成本共识模型的大群体决策方法.首先,定义专家正面社会形象、负面社会形象以及观点指标等概念,根据专家负面行为表现方式提出负面社会形象管理、负面评估偏好管理以及双重负面行为管理3种策略;其次,计算专家的观点相似度、正面社会形象相似度、负面社会形象相似度,基于K均值聚类方法对大群体专家聚类;然后,考虑社会形象对共识达成的影响作用,提出基于社会形象的改进最小成本共识模型,以达成群体共识并获得最终方案排序;最后,通过一个众筹平台选择算例分析说明所提出方法的有效性和可行性.     

考虑时间序列的动态大群体应急决策方法

针对专家权重和属性权重未知、阶段权重未知且与时间序列有关的动态大群体应急决策问题,提出一种考虑时间序列的动态大群体应急决策方法.首先,提出一个考虑区间直觉模糊数犹豫度的距离公式,定义区间直觉模糊数贴近度,综合考虑贴近度和相似度,用模糊聚类法对大群体专家偏好信息进行聚类;其次,基于现有区间直觉模糊熵公式的不足,提出一个新的区间直觉模糊熵公式,基于此公式考虑专家之间知识水平的差异和各个阶段偏好信息不具遗传性等特点,计算得出专家在不同属性下的权重和属性在各阶段下的权重;再次,考虑时间序列对各阶段权重的影响,构建相对熵模型,对阶段权重进行合理确定,进而利用加权平均算子得到整个决策过程中各方案的综合决策偏好;然后,利用区间直觉模糊数的得分函数和精确函数对方案进行排序,选出最优方案;最后,通过与以往文献的方法对比分析验证所提出方法的有效性和优越性.     

基于退出-委托动态冲突消解机制的应急大群体决策方法

针对应急决策时间紧迫的特点, 提出一种基于退出-委托动态冲突消解机制的应急大群体决策方法. 首先, 对决策群体进行偏好聚类, 对群体冲突进行测度并判断冲突程度的高低, 在冲突程度过高的情况下进行消解; 然后,在决策过程中建立退出机制, 使与群体偏好冲突较大的聚集退出决策过程, 利用委托机制使退出决策过程的聚集对后续决策过程仍有影响并通过反馈机制对冲突进行消解. 算例分析验证了所提出方法的合理性和可行性.

     

应急环境下双重大规模行为主体知识融合方法及在方案排序中的应用

针对突发事件的复杂性、风险性、特殊性、行为主体知识结构的差异性以及有限性,将大群体智慧引入应急决策中,提出一种应用新的融合主体知识水平的方案选择方法.首先,在公众层面基于偏好序列向量和改进的知识测量公式确定公众的知识水平,依据分歧矩阵和控制者进行公众聚类并对子群间的知识水平标准化,形成基于公众行为知识水平的方案排名矩阵;然后,在专家层面基于多粒度二元语义和灰色关联模型确定专家的知识水平和属性权重,通过聚合算子得到专家对方案的评估信息并形成专家对方案排名的支持矩阵;接着,引入参考公众共识阈值,形成融合上述双重主体的共识矩阵,并进行方案排序;最后,通过Covid-19案例和对比分析验证所提出方法的有效性和合理性.     

基于重要度引导偏好识别修正的多粒度语言共识模型

研究多粒度语言偏好信息下的群体共识决策问题. 首先, 从个体和群体两个角度充分挖掘偏好信息下隐含的专家重要度信息, 基于个体一致度及个体与群体的相似度构建确定专家重要度的优化模型; 其次, 以专家重要度引导非共识偏好的识别和修正过程, 提出一种自适应的语言共识模型; 然后, 给出一种群决策方法, 确保在集结专家意见前群体达成一定程度的共识; 最后, 通过算例验证所提出方法的可行性和有效性.

     

基于小波聚类的网络用户行为分析

网络用户行为体现为用户使用的网络应用,且用户群体的划分与业务具有密不可分的关系。通过研究用户使用的网络应用来分析用户的行为规律,提出一种基于小波聚类的网络用户行为分析方法。改方法利用小波聚类将数据进行聚类,按照不同的网络业务偏好将用户群体分为不同的网络业务类,实现用户使用网络业务偏好的群体划分。     

大群体应急决策中考虑专家犹豫的不完全信息补值方法

针对特大突发事件应急决策中大群体专家存在偏好信息不完全的问题,提出了一种新的不完全偏好信息大群体应急决策方法.首先,利用TF-IDF（term frequency-inverse document frequency）算法对特大突发事件相关的微博大数据文本流进行关键词提取,获取事件属性及其权重;其次,根据专家给出的偏好信息计算专家的犹豫度,进而获得专家的权重;再次,根据不完全偏好信息矩阵进行属性关联测度和方案接近度测度,提出了基于属性关联和方案接近度的新的补值模型,获得完全偏好信息矩阵;然后,结合专家权重和属性权重进行信息集结和方案择优;最后,通过江西洪涝灾害事件验证所提方法的可行性和有效性.     

基于共识标准的语言标度颗粒优化模型

研究语言偏好信息下的群决策问题.定义了反映群体共识的两个测度指标,分别反映群体内所有专家的一致性水平及专家的个人观点与群体观点的分歧程度;基于共识测度指标构建一种语言标度的颗粒优化模型,提出了求解语言标度颗粒最佳分界点的改进PSO算法,并给出一种对方案排序进行择优的群决策方法. 最后,通过一个算例说明了所提出方法的可行性和有效性.     

基于灰色聚类的大规模群体语言评价信息集结研究

研究群体规模较大的情况下基于语言评价信息的决策方法,提出了基于灰色关联聚类的方法以降低大规模群体的协调困难;根据决策者所属群体类别差异,基于语言信息转化函数提出了类内评价指标权重确定方法,并测算了各群体类别的综合偏好;研究群体类间权重确定模型,建立了基于群体类别意见偏差最小的群体偏好集结模型;进而提出了决策者判断一致度定义以及决策者偏差协调方法.算例分析表明了该方法的应用步骤及可行性.     

基于密度峰值聚类理念的大群体应急模糊决策模型

针对决策者权重未知情形下重大突发事件应急决策问题,提出一种SFN-CFSFDP-Borda-MULTIMOORA模型.首先,采用球形模糊数描述决策者对应急备选方案的评价信息;其次,基于密度峰值聚类理念对大决策群体进行聚类;然后,提出可扩展的群体综合冲突优化模型,根据聚类结果进行冲突测度,求解决策者及聚集的权重并实现意见融合;再次,利用改进Borda-MULTIMOORA法决策最优方案;最后,以黑龙江东湖水库事件为例,对模型的有效性与实用性给予验证.结果表明,SFN-CFSFDP-Borda-MULTIMOORA模型能够充分考虑决策者的心理特征,强化在重大突发不确定情景下决策者的知识表达能力,同时明确聚类中心的选择方法,达到聚集内部差异小、聚集间差异大的聚类效果,通过考虑群体综合冲突及实际决策情形对决策者权重和聚集权重进行设置更符合实际,有效实现群体冲突融合,并提高决策效率,为重大突发事件大群体应急决策提供理论支持.     

Group decision-making in an unconventional emergency situation using agile Delphi approach

This paper presents a group decision-making approach for managing unconventional emergency situations using the internet. In unconventional emergency events, the expediency of developing a response strategy is of utmost importance in group decision-making environment. The research of this paper aims to rapidly develop and execute the response approach to the unconventional emergency events. We develop an agile Delphi decision-making platform based on ASP.NET. The platform proposed in the paper also provides the function of identifying risk preference and cognitive style of the decision-making experts, which allows experts to conduct appropriate alternative portfolio and enables researchers to find a new combination of experts to make the decision-making more efficient. This paper concludes with an empirical analysis in which the sedimentation event that occurred at Wuhan subway is illustrated using the proposed methodology.     

Managing manipulative and non-cooperative behaviors in large scale group decision making based on a WeChat-like interaction network

The main challenges in large scale group decision making (LSGDM) problem are how to tackle with the great number of participants and how to achieve a common solution accepted by most of group members. In LSGDM problems, some decision makers (DMs) will exhibit manipulative and non-cooperative behaviors owing to the different interests they might present. Dealing with such large group implies a need for mechanisms to detect DMs’ manipulative and non-cooperative behaviors, which might affect the overall efficiency of the consensus reaching process. This paper introduces a novel framework based on WeChat-like interaction network to analyze manipulative and non-cooperative behaviors in the LSGDM problems. In the developed framework, we first detect and manage the manipulative behaviors based on the interaction network. Afterwards, for the consensus model based on opinion evolution, we develop an approach to identify and manage non-cooperative behaviors under the WeChat-like interaction network context. As a result, both the DMs’ weights and trust network derived from it are dynamically updated in parallel. Detailed simulation experiments and comparison analysis under different input parameters are presented to demonstrate the efficiency of this novel approach for coping with manipulative and non-cooperative behaviors.     

信任网络下的TODIM群体决策方法

针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性的问题,提出一种信任网络下的TODIM群体决策方法。首先,根据专家讨论次数,在每一次讨论中,每个专家会根据信任接受程度参考信任者的决策矩阵,并通过信息交互和协商修改决策矩阵;其次,当达到设定的专家讨论次数时,计算最终的群体决策矩阵;最后,分别运用信任网络下的TODIM群体决策方法和TODIM群体决策方法计算各方案排序。对所得结果进行对比分析,并对专家讨论次数和信任接受程度进行灵敏度分析。案例分析结果表明,信任网络下的TODIM群体决策方法能充分结合信任网络,保证了决策过程中的多阶段信息交互和反馈过程,并在对比分析和灵敏度分析上优于对比方法。     

考虑碳限额的制造/再制造混合系统生产优化决策

针对属性权重部分未知且专家权重完全未知的多粒度语言大群体决策问题,提出一种基于云模型的决策方法.首先,构建一种基于信任关系的专家权重求解模型来计算专家权重;其次,将多粒度语言转换为云模型并进行聚类;然后,构建一致性优化模型来求解属性权重,从而得到各个方案的综合评价值并对方案进行排序.所构造的专家赋权模型可以有效解决大群体决策过程中决策人数众多、无法客观给出专家权重信息的问题,而且通过定义的直觉信任函数,还可以对专家之间的信任关系进行刻画,充分挖掘专家之间的信息;将多粒度语言转换为云模型,可以有效刻画语言信息的模糊性和随机性,从而避免信息的丢失和失真.     

基于信任关系的TODIM群体多属性决策方法

针对现有多属性群体决策方法较少考虑社会网络和决策者有限理性因素的影响,考虑到社会网络中的信任关系,提出了基于信任关系的TODIM(TOmada de decis?o interativa multicritério)群体多属性决策方法.根据决策专家之间的信任关系,计算出信任网络中的领导者、信任关系矩阵以及评价矩阵等.专...     

大群体应急决策中考虑属性关联的偏好信息融合方法

针对大群体应急决策中属性之间相互关联的问题,提出一种新的偏好信息融合方法.首先,利用最优离散拟合模型测度专家的风险偏好,提出一种考虑专家风险偏好的犹豫模糊元补充方法;其次,运用TF-IDF算法获得相互关联的事件属性集;再次,结合传统的主成分分析法与误差理论,提出基于犹豫模糊语言的主成分分析模型,获得几个互不关联的主属性及其权重,进而进行信息集结和方案择优;最后,通过广西洪涝灾害事件验证所提方法的可行性和有效性.