-
题名基于数据驱动的鲁棒最小成本共识模型
- 1
-
-
作者
韩烨帆
纪颖
屈绍建
-
机构
上海大学管理学院
南京信息工程大学管理工程学院
-
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2023年第9期36-42,共7页
-
基金
国家自然科学基金资助项目(72171149,72171123)
上海市哲学社会科学基金项目(2020BGL010)。
-
文摘
针对权重的随机性和模糊性影响聚合算子质量,从而导致最优决策产生巨大变动的问题,本文构造了不确定集合刻画决策者权重的不确定性,并运用数据驱动鲁棒优化方法建立了最小成本共识模型。首先,利用核密度估计(KDE)方法从历史数据中获取不确定权重的概率密度函数,以构造具有置信水平的不确定性区间,并控制聚合算子中不确定权重的波动范围。其次,分别在三种形状的集合(包括盒子集、椭球集和多面体集)下定义柔性不确定集合I和柔性不确定集合II,建立了六个不确定环境下的数据驱动鲁棒成本共识模型。最后,从碳配额分配问题中抽象出一个群体决策问题,估计政府为各企业分配额度的概率密度函数,构造基于置信水平的区间以处理偏差造成的不确定性,证明了所提出的模型的有效性和适用性。结果表明:(1)利用数据驱动方法遍历权重的历史数据,能够有效提高聚合算子的质量;(2)政府可以根据对风险的偏好程度选择合适的不确定集合以制定决策;(3)新提出的模型能够在一定程度上降低数据分析结果的鲁棒性代价。
-
关键词
群体决策
最小成本共识模型
聚合算子
数据驱动鲁棒优化
置信水平
-
Keywords
group decision making
minimum cost consensus model
aggregation operator
data-driven robust optimization
confidence level
-
分类号
C934
[经济管理—管理学]
-
