基于改进Min-Max权重优化模型的语意评价矩阵群决策研究.pptxVIP

content目录01研究背景与问题提出02理论基础与文献综述03模型构建与方法创新04多粒度语言信息处理机制05实证分析与案例验证06结论展望与学术贡献

研究背景与问题提出01

多准则群决策在复杂评估场景中面临语义多样性与意见整合难题01专家偏好差异专家因背景不同采用多粒度语言术语表达意见，导致语义多样化和偏好离散。02语义信息失真传统整合方法易造成语义扭曲，尤其在简单平均中损失原始判断含义。03群体共识难题如何协调个体语义特征与群体一致性，是达成共识的核心挑战。04决策科学性提升保留个体表达特性同时增强决策准确性，提高结果的可信度与公信力。05信息整合机制需构建能融合多粒度语言信息的有效机制，避免线性加权带来的偏差。06多准则协调在复杂决策环境中平衡多个准则与专家意见，优化群决策整体效能。

传统Max-Min方法在语言评价信息处理中存在精度不足与信息扭曲风险精度不足传统Max-Min方法在处理语言评价时依赖简单排序与极值截断，忽略语义层级差异。易导致相近语言短语被误判，降低评估结果的区分度与准确性。信息扭曲原始方法在集结过程中常采用线性加权或模糊近似，造成语言信息失真。尤其在多粒度环境下，语义映射偏差累积，引发决策偏好扭曲。机制局限传统模型缺乏对专家个体偏离与准则间冲突的精细化建模。难以平衡共识达成与意见多样性的关系，影响群决策的科学性与公平性。

专家偏好表达的多粒度性导致评价