近期，我校智慧決策與優化團隊關于不確定決策與優化的研究取得系列重要進展。

直覺模糊集是在傳統模糊集的基礎上發展而來，對不確定信息具有較強的表達能力。作為一種重要的信息測度，直覺模糊距離測度在多個領域得到了廣泛的應用，但仍然存在區分度不高、度量結果不同等情形。團隊在充分分析現有距離測度的基礎上，基于第一類曲線積分提出一種廣義的直覺模糊距離測度公式，并給出一種衡量不同距離公式精度的指標，從而為決策者選擇合適的距離公式提供參考。相關研究成果發表在人工智能、計算機與管理科學領域一區TOP期刊《Expert Systems With Applications》(IF: 8.665)。我校為第一完成單位，微電子與數據科學學院劉小弟副教授為第一作者和通訊作者。

（不同方法的距離值）

當今社會中的決策問題（如突發事件應急決策、大型工程投資決策等）總是伴隨著很大的不確定性和復雜性。為了確保最終決策的有效性和準確性，參與決策過程的決策者少則十幾人，多則上百人，這種涉及人數眾多的決策稱為大群體決策。為了有效處理大群體決策問題，團隊利用區間粗糙集成云處理決策信息的不確定性、模糊性與隨機性，基于云滴的分布特征提出一種新的云相似度計算方法，同時考慮云的連續型相似度與離散型相似度，并結合編網聚類方法解決不確定語言環境下的大群體決策問題。相關研究成果發表在人工智能、工程領域一區TOP期刊《Advanced Engineering Informatics》(IF: 7.862)。我校為第一完成單位，微電子與數據科學學院2021級碩士研究生姜繼存為第一作者，劉小弟副教授為通訊作者。

(不同方法的相似度值)

(大數據環境下不同模型的CPU計算時間)

在實際群體決策中（如績效評估、信用評級、人員招聘、基金評審等），決策者希望將備選方案集分成兩個偏好序類（即二分類群決策）。團隊研究了語言分布評價信息下的二分類多屬性群決策問題，在充分分析現有二分類群決策建模的若干挑戰的基礎上，提出了一種新的基于語言分布評價的二分類多屬性群決策方法。該方法從基于語言標度函數的累積期望視角構建了一種新的語言分布距離測度和得分函數，以最小逆排序強度和方案誤分率為綜合目標函數，同時考慮類別中心和優先級的約束條件，構造了兩個0-1整數規劃模型，以確定方案的最優個體和群體二分類結果。相關研究成果發表在人工智能、工程領域二區TOP期刊《Engineering Applications of Artificial Intelligence》(IF: 7.802)。我校為第一完成單位，微電子與數據科學學院張世濤副教授為第一作者和通訊作者。

（提出的二分類群體決策方法的流程圖）

上述研究工作得到了國家社會科學基金、國家自然科學基金、教育部人文社科項目、安徽省自然科學基金等項目支持。

論文鏈接：

https://www.sciencedirect.com/science/article/abs/pii/S0957417423007236

https://www.sciencedirect.com/science/article/abs/pii/S1474034623000927

https://www.sciencedirect.com/science/article/abs/pii/S0952197623003548

（撰稿：盛洲 審核：楊二光 張苒 杜飛）