基于云模型的多重标准分组排序方法，考虑动态不确定性认知以及异构分配偏好

《Expert Systems with Applications》：Multiple criteria group sorting considering dynamic uncertainty cognition based on cloud model under heterogeneous assignment preferences

　　

Jicun Jiang|Xiaodi Liu|Muhammet Deveci|Shitao Zhang

摘要

多标准分组排序（MCGS）问题在现实生活中非常常见，近年来取得了显著进展。然而，现有研究很少关注决策者动态不确定性认知对MCGS决策的影响。此外，许多研究通常假设决策者能够提供确定的分配信息，这忽略了认知的不确定性和不完整性。因此，本文提出了一种基于云模型、考虑动态不确定性认知的MCGS方法，该方法允许决策者提供不完整或不确定的分配信息，并通过异构分配的一致性来描述动态不确定性对MCGS的影响，从而有效解决复杂度较高的MCGS问题。其次，由于决策者之间的认知差异，他们的异构分配信息往往存在冲突和矛盾。为此，构建了一种基于最小偏好调整的学习方法来获得分组排序模型。最后，通过提出的方法进行了一个实际案例研究。我们通过比较分析和数据驱动的仿真实验证明了该方法的有效性和优越性。