[发明专利]一种基于模糊集的大规模群体决策方法

权利要求书

1.一种基于模糊集的大规模群体决策方法，其特征在于，包括以下步骤：

S1、执行LGDM系统输入，输入选择集合、专家集合、偏好集合、最大迭代次数、共识容忍度和聚类数目K，迭代计数参数初始化为0；

S2、进行基于K-means的聚类，将K个聚类中心作为初始化值；偏好集合中的每一个元素均为一个n*n的矩阵，分别将矩阵的2范数作为该元素到这K个聚类中心的距离，选择距离最小的聚类作为该专家将进入的聚类；将每个聚类看作一个参与决策的整体，该整体的偏好矩阵按照下式给出：

表示第k个聚类中选择i相对于选择j的偏好值；n_k表示第k个聚类中所含专家的个数；k＝1,...,K；K表示总的聚类个数；

S3、进行基于模糊集的共识度计算；

S4、迭代计数参数值加1，判断迭代计数参数的值是否小于最大迭代次数，若是则执行步骤S5，否则执行步骤S7；

S5、判断迭代计数参数是否大于共识容忍度，若是则执行步骤S7，否则执行步骤S6；

S6、执行自动局部调整，然后返回步骤S3；

S7、执行最终选择，选择原则为：

select x_i,st.max(ca_i)

其中，x_i表示第i个可选择方案，ca_i表示第i个可选择方案的共识度。

2.根据权利要求1所述的一种基于模糊集的大规模群体决策方法，其特征在于，所述LGDM系统输入数据包括：

选择集合X＝{x₁,x₂,…,x_n}，n≥2，x_i表示第i个可选择方案，i＝1,...,n；

专家集合E＝{e₁,e₂,…,e_m}，m≥3，e_k表示第k个参与决策的专家，k＝1,...,m；

偏好集合B＝{B₁,B₂,…,B_m}，其中，B_k是一个n*n的矩阵，表示第k个参与决策的专家给出的关于选择X的成对偏好，如公式(1)所示；

其中，b^k_ij表示第k个专家给出的对于选择x_i和选择x_j的偏好：如果b^k_ij＞0.5，表明第k个专家在选择x_i和x_j中偏向选择x_i；如果b^k_ij＜0.5，表明第k个专家在选择x_i和x_j中偏向选择x_j；如果b^k_ij＝0.5，即表明第k个专家选择x_i和x_j的可能性相同；

B_k中的元素满足以下条件：

最大迭代次数RoundMax，是一个由人为定义的值，表明当迭代次数超过该值时，不管共识度是否满足要求，都将进入LGDM系统的选择过程，完成最终方案选择；

共识容忍度LG0，是一个由人为定义的值，表明在没有达到最大迭代次数的情况下，当LGDM问题的共识度不超过该值时，则进行调整；在没有达到最大迭代次数的情况下，当LGDM问题的共识度超过该值时，则表明可以进行最终选择；在达到最大迭代次数的情况下，不管共识度不超过该值，都将进入LGDM系统的选择过程，完成最终方案选择；

聚类数目K，聚类数目也是一个由人为定义的值，表示将参与决策的专家根据它们的偏好度分成K类。