项目名称: 基于直觉非平衡语言术语分布的多属性群决策方法及应用研究

项目编号: No.71301129

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 管理科学

项目作者: 孟丹

作者单位: 西南财经大学

项目金额: 19万元

中文摘要: 针对不确定性环境下的复杂大群体决策问题,依据直觉非平衡语言值是不确定性信息常用的表现形式这一特性,建立直觉非平衡语言术语分布模型并用以表示决策者所给出的待选方案的属性的决策信息。首先研究基于直觉非平衡语言术语分布决策信息的表示模型、运算及其相应性质;其次,分别展开基于直觉非平衡语言术语分布的不确定性环境下多重不确定性并存的多属性决策方法研究和不确定性环境下复杂大群体决策中的群决策信息集结算子、决策方法研究;然后,研究不确定性环境下复杂大群体多属性群决策方法研究。最后,展开基于直觉非平衡语言术语分布的多属性群决策方法的智能群决策支持系统的关键技术研究并设计相应的系统原型。相关研究成果既可以丰富人工智能中不确定性信息语言处理的语言表示模型,又可以助力解决管理实践中的多种不确定性并存的复杂大群体决策问题。

中文关键词: 多属性决策;群决策;非平衡语言术语;直觉模糊集;集结算子

英文摘要: We will focus on Complex-Large Group decision in uncertainty enviorment full of diversity of uncertainty, which maybe fuzzy, random, indetermine, indistinguishable, incomplete, incredible, incomparable. We try to use intuitionistic unbalanced linguistic term distribution to modify decision attibute for each alternative. Firstly, we will study the representation model of intuitionistic unbalanced linguistic term distribution and its corresponding operations. Then, we will try to solve the multi-attribute decision problem and group decision making based on the forementioned representation model. After that, we will focus on the multi-attribute group decision making based on intuitionistic unbalanced linguistic term distribution reperesentation matrix. Finally, we will dedicate to research on key technology of intelligent group decision support systems (IGDSS) based on intuitionistic unbalanced linguistic term distribution matrix. In addtion, we try to design the prototype of the forementioned IGDSS. The expected research result will enrich the linguistic representation model in uncertainty information process in artificial intelligence. Moreover, the research will provide a possible solotion for Complex-Large Group decision in uncertainty enviorment full of diversity of uncertainties.

英文关键词: multi-attribute decision;group decision making;unbalanced linguistic term set;intuitionistic fuzzy sets;aggregation operator

成为VIP会员查看完整内容
0

相关内容

【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
CIKM2021 | 用于链接预测的主题感知异质图神经网络
专知会员服务
24+阅读 · 2021年11月3日
港中文等最新《多模态元学习》综述论文
专知会员服务
123+阅读 · 2021年10月8日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
136+阅读 · 2021年1月13日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
34+阅读 · 2020年11月26日
多智能体深度强化学习的若干关键科学问题
专知会员服务
184+阅读 · 2020年5月24日
「图分类研究」最新2022综述
专知
5+阅读 · 2022年2月13日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
Arxiv
27+阅读 · 2020年6月19日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
【NeurIPS 2021】基于次模优化的规则学习算法框架
专知会员服务
33+阅读 · 2021年11月30日
CIKM2021 | 用于链接预测的主题感知异质图神经网络
专知会员服务
24+阅读 · 2021年11月3日
港中文等最新《多模态元学习》综述论文
专知会员服务
123+阅读 · 2021年10月8日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
136+阅读 · 2021年1月13日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
34+阅读 · 2020年11月26日
多智能体深度强化学习的若干关键科学问题
专知会员服务
184+阅读 · 2020年5月24日
相关资讯
「图分类研究」最新2022综述
专知
5+阅读 · 2022年2月13日
图数据表示学习综述论文
专知
52+阅读 · 2019年6月10日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员