[发明专利]一种基于模糊集的大规模群体决策方法

摘要

本发明公开了一种基于模糊集的大规模群体决策方法，包括以下步骤：S1、执行LGDM系统输入，迭代计数参数初始化为0；S2、进行基于K‑means的聚类；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；S7、执行最终选择。本发明能够降低共识度计算的复杂度，同时减小决策过程的耗费时间，有利于紧急事件处理情况下的大规模群体决策问题；在共识度低于容忍度的情况下，自动合理修改部分专家的选择偏好，减少反对意见来达到高共识度。

主权项

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 xi,st.max(cai)其中，xi表示第i个可选择方案，cai表示第i个可选择方案的共识度。