改进的聚类算法及在复杂大群体决策中的应用

针对现有FCM聚类算法中存在的局部极值和伸缩性较差等问题,提出了基于全部最小连通支配集算法(minimum connected donating set algorithm,MCDSA)的改进的聚类算法(minimum fuggy C-means,MF-CM)。用改进的聚类算法MFCM辅助复杂大群体决策(complex huge group-decision,CHGDS),定义了群体偏好矢量和群体一致性指标,提供了一种新的解决CHGDS中群体决策的理论和方法,并通过实验证明了该方法的有效性和稳定性。还提供了基于属性加权进化的群体一致性决策机制新思路。

具有残缺值且偏好信息形式不同的复杂大群体决策方法

文章研究了在大群体决策中,专家们在对方案进行比较时,给出的信息具有不同的表达形式,且含有残缺值的问题。首先把专家给出的不同表达形式的偏好信息统一转化为效用值,用专家给出的效用偏好值的平均值表示残缺值偏好信息。在此基础上,有相同偏好的专家聚为一类,确定专家权重,对所有专家给出的偏好信息进行信息集结,进而得到最优的方案,最后,用算例进行了验证分析。