任务多标准优先级排序方法综述

任务的多标准优先级排序(multi-criteria priority ranking)涉及在可能存在冲突的多个标准下为大量任务计算优先级,以便决策者能够高效地分配资源,优先处理更为关键的任务,进而提高整体工作效率。经过近二十年的持续修改与扩展,目前优先级排序领域已展现众多成熟的经典方法;且随着大数据时代的到来,采用新兴技术的排序方法也开始涌现。为了帮助决策者根据不同情境下的优先级排序需求来评估和选择最适合特定应用场景的多标准优先级排序方法,文章阐释了不同多标准优先级排序方法在标准间的可替代性、优缺点、数据输入/输出要求、适用场景等方面的差异,将当前多标准任务优先级排序方法分为:全聚合法、劣势排序法、参考水平法以及基于数据处理技术的优先级排序方法4大类,详细讨论了各类别下代表性方法的基本原理、最新研究结果和优缺点;并总结了当前优先级排序方法研究的热点,包括层次分析法、模糊理论及人工智能辅助排序技术,提出其未来研究方向,涵盖了AI辅助的大数据排序优化、增强排序稳定性以及智能偏好识别。

灰色随机多准则决策的优劣势排序法

针对准则值具有灰色性和随机性两种信息不确定的多准则决策问题,提出一种灰色随机多准则决策方法.通过对灰数与白数比较的定义,将随机支配规则推广到对灰色随机变量型准则值的处理中,得出方案之间的随机支配关系;利用一般性准则对该随机支配关系进行转换,构建出优势矩阵和劣势矩阵,得出每一方案的优势流和劣势流,进而确定出方案的排序.最后通过算例说明了所提出方法的可行性和有效性.