近期，我院智慧决策与优化团队关于不确定决策与优化的研究取得系列重要进展。

直觉模糊集是在传统模糊集的基础上发展而来，对不确定信息具有较强的表达能力。作为一种重要的信息测度，直觉模糊距离测度在多个领域得到了广泛的应用。虽然各种直觉模糊距离测度相继被提出，但仍然存在区分度不高、度量结果不同等情形。因此，如何选择一种合适的距离进行计算，值得深入探讨。团队在充分分析现有距离测度的基础上，基于第一类曲线积分提出一种广义的直觉模糊距离测度公式，并给出一种衡量不同距离公式精度的指标，从而为决策者选择合适的距离公式提供参考。相关研究成果发表在人工智能、计算机与管理科学领域一区TOP期刊《Expert Systems With Applications》(IF: 8.665)。我校为第一完成单位，微电子与数据科学学院刘小弟副教授为第一和通讯作者。

(不同方法的距离值)

论文链接：

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

当今社会中的决策问题（如突发事件应急决策、大型工程投资决策等）总是伴随着很大的不确定性和复杂性。因此，为了确保最终决策的有效性和准确性，参与决策过程的决策者少则十几人，多则上百人，这种涉及人数众多的决策称为大群体决策。为了有效处理大群体决策问题，团队利用区间粗糙集成云处理决策信息的不确定性、模糊性与随机性。基于云滴的分布特征提出一种新的云相似度计算方法，同时考虑云的连续型相似度与离散型相似度，并结合编网聚类方法解决不确定语言环境下的大群体决策问题。相关研究成果发表在人工智能、工程领域一区TOP期刊《Advanced Engineering Informatics》(IF: 7.862)。我校为第一完成单位，微电子与数据科学学院2021级硕士研究生姜继存为论文第一作者，刘小弟副教授为通讯作者。

(不同方法的相似度值)

(大数据环境下不同模型的CPU计算时间)

论文链接：

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

在实际群体决策中（如，绩效评估、信用评级、人员招聘、基金评审等），决策者有时更希望将备选方案集分成两个偏好序类（即二分类群决策）。团队研究了语言分布评价信息下的二分类多属性群决策问题。在充分分析现有二分类群决策建模的若干挑战的基础上，提出了一种新的基于语言分布评价的二分类多属性群决策方法。该方法从基于语言标度函数的累积期望视角构建了一种新的语言分布距离测度和得分函数。随后，以最小逆排序强度和方案误分率为综合目标函数，同时考虑类别中心和优先级的约束条件，构造了两个0-1整数规划模型，以确定方案的最优个体和群体二分类结果。相关研究成果发表在人工智能、工程领域二区TOP期刊《Engineering Applications of Artificial Intelligence》(IF: 7.802)。我校为第一完成单位，微电子与数据科学学院张世涛副教授为第一和通讯作者。

(提出的二分类群体决策方法的流程图)

论文链接：

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

上述研究工作得到了国家社会科学基金、国家自然科学基金、教育部人文社科项目、安徽省自然科学基金等项目支持。（撰稿：盛洲 审核：杨二光）