群体决策过程组织研究述评

群体决策研究作为决策理论研究的热点和前沿在国内外方兴未艾, 尚未形成一个完整的 理论体系. 作者结合近年来在群体决策, 特别是在决策过程研究方面所做的一些工作, 以决策 过程研究为侧重点对群体决策理论研究进展进行了评述, 并通过社会选择理论和集体决策理 论的比较, 对群体决策的研究框架作了一些尝试性的探讨.     

移情关系影响下的群体共识决策模型研究

群体成员之间的社会关系及其网络结构特征是影响群决策的重要因素。移情关系是客观存在于一些现实群决策问题中的一种社会关系,但目前考虑移情关系的群决策研究尚不多见。为拓展群决策模型的应用范围,面向移情网络环境提出一种群体共识决策方法,并揭示移情关系对群体共识决策的影响规律。首先,从偏好交互影响的角度出发,构建局部移情模型和全局移情模型,并由此确定移情关系影响下决策者偏好演化的结果。其次,利用个体偏好分解为内在偏好和移情偏好的结构特点,为群体共识达成过程设计一种有效的移情关系引导的反馈机制,该机制可以通过内在偏好层面的偏好调整实现个体偏好层面的共识收敛。最后,数值仿真分析表明：群体成员之间的移情关系提升了群体共识水平,而且全局移情关系比局部移情关系更有利于群体共识的达成;移情网络结构和群体规模是影响移情网络环境下群体共识达成的重要因素。相关决策模型和研究结论可为移情网络环境下的群体共识决策提供理论和方法支持。     

二分群体决策中领导的影响

本文研究了具有领导的二分群体决策中领导对决策收益的影响,得到的一个重要结论是:如果二分群体决策过程应用了独立投票过程下的最优规则,则领导对其他决策者施加影响不可能提高群体决策收益。然而当群体未能应用最优决策规则时,领导的影响有可能发挥积极作用,这主要是由于此时领导的决策能力高于其他决策成员,而决策规则分配给领导的权重相对过低而导致的。     

群体决策和个体决策比较研究

所谓决策就是为了达到一定的目的,从两个以上的替代方案中,选择一个有效方案(或手段)的合理过程.包括如下几个方面的内容:第一,为了达到一个既定的目的;第二,要有两个以上的方案;第三,不能将决策理解为选择与决定方案那一瞬间的行动,而应理解为合理的设计、分析、比较、选择和决定方案的过程.     

二分群体决策规则的序性质研究

Karotkin等发现二分群体决策的加权多数决策规则集具有序性质,但未能解释其原因.文章提出了规则链和规则距离函数的概念,指出当一组决策规则构成规则链时这组规则便具有序性质,从而解释了这一现象.而判断一组规则是否构成规则链则可以通过计算各规则间的规则距离来实现.随后通过对具体实例的分析进一步阐述了得到的结论.     

《沙漠求生》引发的关于群体决策的思考

群体决策是指群体成员共同制订决策的整个过程。在群体决策过程中我们往往比较关注决策的对象和参与决策的人,通过《沙漠求生》案例的练习我们发现决策的方式也不容忽视。     

基于共识模型和ORESTE的扩展概率语言多属性群决策方法

扩展概率语言词集作为一种更具通用性的语言信息表示模型,能够更加充分地描述原始评价信息,提高语言多属性决策的科学性。鉴于此,本文针对扩展概率语言环境下的多属性群决策问题,提出一种基于共识模型和ORESTE方法的多属性群决策方法。首先,给出了扩展概率语言词集的概念以及相关理论。其次,考虑到群决策过程中专家群体因知识背景以及素质能力的不同从而给出不同的评价信息导致群体意见不一致的情况,提出了扩展概率语言环境下的共识模型。再次,鉴于多数情况下备选方案间不存在单一排序顺序,本文对经典的ORESTE方法进行改进,提出扩展概率语言ORESTE方法。基于本文提出的扩展概率语言共识模型和扩展概率语言ORESTE方法,提出了扩展概率语言多属性群决策方法。最后,为了验证本文提出方法的有效性和合理性,采用共享单车设计方案评价算例进行分析,并通过与其他方法的对比分析说明本文提出方法的优越性。     

一种简明的群体决策AHP模型及新的标度方法

本文建立了一种简明实用的群体决策AHP模型,并依据一致性原理,导出了一种新的标度方法。     

标记语言的语义和XBRL技术的发展

标记语言的标准化推动了互联网革命.本文首先回顾了标记语言的起源和发展,接着论述了XML语义的定义、表达和描述方法,最后对XBRL技术未来发展提出建议:既要遵循语义网技术架构,顺应互联网发展的趋势,又要继承XBRL数十年发展中所形成的对数据处理的优点.     

基于评价者过滤的个性化信任模型

信任问题是困扰C2C电子商务发展的重要瓶颈。在传统模型基础上,本文进一步引入5梯度的连续性评分标度、交易次数、多维评分、惩罚因子四项因素,研究两种商品交易历史对卖家信任的影响。为满足个性化选择,创建了评价者过滤机制,在此基础上构建可满足用户需要、防范信用欺诈的个性化信任模型,通过仿真实验验证模型的有效性。     

基于二元语义信息处理的一种语言群决策方法

针对解决具有语言评价信息的多指标群决策问题,提出了一种基于二元语义信息处理的 群决策方法. 该方法是采用近年来最新发展的二元语义概念对语言评价信息进行处理和运算, 它是依据传统理想点法的基本思想,通过计算每个方案与正、负理想点间的语义距离,最终确 定最优方案,使该方案最贴近正理想点和最远离负理想点. 该方法具有对语言信息处理较为精 确的特点,避免了以往采用的语言信息处理方法所带来的信息扭曲和损失. 最后给出了一个 算例.     

基于交叉效率DEA与群体共识的区间乘性语言偏好关系群决策

针对区间乘性语言偏好关系群决策问题,提出了一种基于交叉效率DEA和群体共识的群决策方法。首先,提出乘性语言偏好关系导出函数的定义,并构建产出导向的DEA模型,证明了一致性乘性语言偏好关系的DEA效率得分与排序向量之间存在比例关系。在此基础上,建立基于理想值的交叉效率DEA模型,提出乘性语言偏好关系的通用排序方法。同时,基于群体共识建立目标规划模型来计算各语言偏好关系的权重系数。最后,利用Monte Carlo随机模拟的方法对群体语言偏好空间进行统计分析,得到群决策期望排序向量及其可信度。算例分析表明本文方法能够有效的避免信息损失,具有较强的适用性和较高的可信度。     

基于一致性度量的概率模糊语言多属性群决策方法

人们通常习惯用语言术语来表达他们的偏好,因此概率型语言术语集(Probabilistic Linguistic Term Set, PLTS)在决策过程中有着十分重要的作用。目前PLTS的研究刚刚起步,有关PLTS的相关研究没有关注到一致性度量的问题,对于PLTS的多属性群决策方法有待进一步研究。首先,给出了一种新的PLTS的集结方法,并且在已有的PLTS可能度公式的基础上,构建了PLTS的相似度量方法,在此基础上,进一步提出了基于PLTS一致性度量的多属性群决策方法。该方法在各决策者权重未知的情况下,考虑到各决策者之间的一致性。首先,定义PLTS的一致性度量公式,确定决策者权重;并根据PLTS的集结方法,集结各决策者的评价信息;最后,利用可能度公式对PLTS进行排序。通过案例分析验证了该方法的可行性和优越性。     

基于一致性局部调整算法和DEA的语言偏好决策模型

设计一致性调整算法和计算可靠的方案排序权重向量已成为近年来备受关注的两个重要研究课题。针对决策信息为语言偏好关系的决策问题,提出一种基于一致性局部调整算法和数据包络分析（DEA）方法的语言偏好决策模型。首先,基于局部调整策略设计一种收敛的乘性一致性调整算法,该算法不仅使得调整后的语言偏好关系具有满意乘性一致性,而且能够尽可能多的保存原始决策信息;其次,基于提出的新型语言DEA模型构造一种语言偏好决策模型用以确定方案的排序权重向量,进而得到合理可靠的决策结果。最后,将提出的语言偏好决策模型用于供应商的选择实例,对比分析实验验证了模型的合理性和有效性。     

基于BPR及战略一致性的信息系统规划方法

企业过程再造(BusinessProcessReengineering,BPR)在信息系统(InformationSystems,IS)规划中的实施对当前企业保持强大的竞争力起着至关重要的作用。同时在信息系统规划的过程中必须确保企业战略和信息技术战略的一致性。本文就如何在信息系统规划中紧密结合BPR和战略一致性的思想提出了一种IS规划方法。     

基于信任关系和信息测度的概率语义社会网络群决策模型

设计专家权重和属性指标权重的计算模型已成为近年来备受关注的两个重要研究课题。针对评价信息为概率语义信任函数的社会网络群决策问题,提出一种基于信任关系和信息测度的概率语义社会网络群决策模型。首先,构建基于信任关系的概率语义决策空间,探究专家之间的信任传递模型,通过专家之间信任关系计算专家的权重;其次,引入概率语义信任函数的熵和相似度概念,并运用三角函数设计概率语义信任函数信息熵和相似度的衡量方法;最后,构建基于信任关系和信息测度的概率语义社会网络群决策模型,进而得到合理可靠的决策结果,同时将提出的社会网络群决策模型用于电动汽车供应商的选择实例,对比分析实验验证了模型的合理性和有效性。     

不定式to的词性和语义

英语动词不定式前的这个to并非只是个“只有语法意义而无词汇意义的不变词”,在同一语境中,同一个动词的不定式的带to与不带to的形式不同,的确给所在的句子带来了语义上的差别。     

考虑审计要素多重语义关联的财务欺诈识别

现有的财务欺诈识别研究大多基于公司、审计师、会计师事务所等审计要素中较为简单的关系特征,罕有研究能够系统刻画各类审计要素之间错综复杂的关联关系.本文创新性地引入知识图谱(Knowledge Graph)技术,构建出包含公司、审计师和会计师事务所的多重语义关联网络,并利用图神经网络(Graph Neural Networks)方法捕捉知识图谱中审计要素之间复杂隐秘的关联关系以提高财务欺诈识别效果.基于我国2018年—2019年的上市公司样本,构建出包含12 373个审计要素和111 194条关系的审计知识图谱.实证研究发现引入审计要素关联关系能够提升财务欺诈识别准确率;在多种审计要素关联关系中,考虑审计师对公司出具的审计意见对欺诈识别更为重要;对比不同历史时长的审计要素,使用公司历史5年的审计要素识别财务欺诈的效果更好.本研究可以为投资者、分析师以及监管机构在大数据时代下的财务欺诈识别提供科学参考.     

基于离差的区间二元语义多属性群决策方法

针对具有多粒度区间语言评价信息的多属性群决策问题,提出一种基于区间二元语义信息处理和离差最大化的群决策方法。该方法首先针对由基本语言评价集表示的区间二元语义信息,采用了多粒度区间语言评价信息一致化的方法;然后对属性权重信息完全未知的情形建立基于离差最大化的目标规划模型,得到一个求解属性权重的公式,从而获得相应的属性权重;再利用区间二元语义的集结算子对评价信息进行加权集成,通过区间二元语义信息的可能度公式对集成结果进行排序和择优;最后由实例分析说明该方法的有效性和可行性。