基于多粒度计算的犹豫模糊语言稳健型群决策方法研究.pdfVIP

摘要

随着新一轮科技革命和产业变革的浪潮席卷全球，以大数据和人工智能为基石

的智能化决策新时代已悄然来临，而这类智能化决策问题通常蕴含着丰富的多粒度

特征。多粒度群决策是基于多粒度特征，从多层次、多角度对群决策问题进行高效建

模与分析的过程。目前，多数多粒度群决策方法仅能提供单一的决策结果。然而，使

用不同决策方法得到的决策结果难以趋于一致，因此有必要研究基于多粒度计算模

型的多决策优化方法。MULTIMOORA(Multi-ObjectiveOptimizationbyRatioAnalysis

PlustheFullMulti-plicativeForm)方法可从比率系统、参考点理论、全乘模型三个角

度为决策问题提供建模与分析，有效提升决策结果的稳健性。本文为深入探索基于多

粒度计算的犹豫模糊语言稳健型群决策方法，在犹豫模糊语言信息系统下，依据

MULTIMOORA方法、多粒度粗糙集、概率粗糙集等工具，提出有效的犹豫模糊语言

多粒度概率粗糙集模型。首先，结合TPOP(TechniqueofPreciseOrderPreference)方

法建立一种基于多粒度计算的犹豫模糊语言多粒度群决策方法。其次，考虑到决策过

程中存在信息不完备的情况，结合前景理论，建立不完备犹豫模糊语言信息系统下的

多粒度群决策方法。然后，结合图卷积神经网络和后悔理论建立一种面向多粒度群决

策的新型犹豫模糊语言多粒度计算方法。最后，依据所建立模型与方法，开发基于多

粒度计算的医疗药物选择演示系统。本文的主要工作总结如下：

(1)在犹豫模糊语言信息系统下建立面向犹豫模糊语言信息系统的多粒度群决

策方法。首先，依据MULTIMOORA方法的思想，即比率系统、参考点理论和全乘

模型，分别构建三种犹豫模糊语言多粒度概率粗糙集模型，用于决策过程的信息表示

与融合。其次，鉴于MULTIMOORA方法可提供三种决策结果，引入TPOP方法对

三种决策结果进行精确排序，以得到稳定且精确的决策结果。同时，考虑到在实际决

策中，信息往往存在缺失或丢失的情况，建立不完备场景下的犹豫模糊语言信息系

统，并根据犹豫模糊语言相似度原理提出相应的数据补齐方法，用于不完备信息系统

的完备化。然后，依据前景理论建立有限理性下的多粒度群决策方法，以得到符合真

实场景的决策结果。最后，通过医疗药物选择实例对所提出的模型与方法进行可行性

和有效性验证。

(2)在犹豫模糊语言信息系统下建立基于图卷积神经网络和后悔理论的稳健性

群决策方法。首先，根据MULTIMOORA方法与多粒度粗糙集，建立三种犹豫模糊

语言多粒度粗糙集模型，从而对决策信息的多粒度特征进行表示和融合。其次，考虑

到传统的多数多粒度群决策权重计算方法仅适用于处理数据特征相对简单的情形，

在处理复杂、多模态和多维度的特征数据时较为困难。因此，引入图卷积神经网络，

用于处理复杂的多模态数据，从而得到权重数据。然后，为得到符合真实场景的决策

结果，引入后悔理论，并依据经典的遗憾-欣喜函数探索非理性因素对于决策结果的

影响。最后，利用已获取的多模态数据，选择部分数据演示实验过程，并通过实例分

析与对比分析验证所提出方法的可行性和有效性。

(3)在犹豫模糊语言信息系统下开发基于多粒度计算的医疗药物选择演示系统。

该系统将依据拟建立的犹豫模糊语言多粒度概率粗糙集、数据补齐方法、犹豫模糊语

言多粒度群决策方法，实现医疗药物选择系统。首先，系统具有常规的注册和登录功

能，用于用户信息验证和登录系统。其次，系统分别实现基于MULTIMOORA方法

和TPOP方法的多粒度群决策、基于MULTIMOORA方法和前景理论的多粒度群决

策、基于MULTIMOORA方法和后悔理论的多粒度群决策等方法演示，即按照这三

种多粒度群决策方法构建系统的功能模块。最后，系统依据用户输入数据，输出排序

结果、决策结果、最优方案等。

综上所述，本文在犹豫模糊语言背景下，依据MULTIMOORA方法、多粒度粗

糙集、概率粗糙集等工具，提出犹豫模糊语言多粒度概率粗糙集模型，用于提升决策

结果的稳健性。同时，本文分别结合TPOP方法、前景理论、后悔理论和图卷积神经

网络，建立三种基于多粒度计算的犹豫模糊语言多粒度群决策方法，丰富并完善了稳

健型多粒度群决策方法，拓宽了犹豫模糊语言的应用范围。最后，本文将所提出的模

型与方法用于实现基于多粒度计算的医疗药物选择演示系统，有助于有效提升医疗

药物