【论文】中心骆丹丹博士在权威期刊《European Journal of Operational Research》发表论文

近日，浙江工商大学统计数据工程技术与应用协同创新中心骆丹丹博士作为通讯作者在运筹学与管理科学类国际权威期刊（ABS4星）《European Journal of Operational Research》上发表了学术论文。论文题为“Optimal ranking model of fuzzy preference relations with self-confidence for addressing self-confidence failure”。

论文在线链接：

https://doi.org/10.1016/j.ejor.2024.11.011

论文研究背景

基于FPR-SC导出的排序向量是决策意见的依据。如果向量导出方法无法充分考虑决策信息，那么导出的排序向量会影响决策结果的可靠性。针对该问题，本文引入机会约束规划提出了FPR-SC最优排序模型，就现有FPR-SC排序方法中的自信失效问题进行探讨。因此，本文提出了一种基于机会约束的FPR-SC最优排序模型。

研究内容与研究方法

首先，根据参数估计中的“可靠性水平”含义，创新性地用概率分布来解释“偏好值+自信水平”的评价信息，以实现定性的自信与定量的偏好在量纲上的统一；考虑到语义自信的个性化性质，提出了一种基于乘性一致驱动的优化模型，该模型可以将FPR-SC转化为IVFPR，确保决策者的多重自信水平充分融入到偏好值的量化表达中。然后，根据3σ 准则，采用服从非对称双侧截尾正态分布的随机变量代替区间数，来刻画实际偏好的不均匀性和非对称性。最后，基于信息偏差最小化原则，构建了基于机会约束的FPR-SC最优排序模型，并将其拓展到群决策情形中。利用该模型导出的排序向量，不仅可以优先反映高自信水平对应的偏好值，而且还能保证权值满足非负性要求。

研究特色与亮点

①本文利用非对称双侧截尾正态分布来解释“偏好值+自信水平”表达的二维偏好信息，其中自信水平解释为一种主观概率，偏好值则解释为概率分布的众数。这种方法捕捉了人们在主观判断时的内心认知，而且非对称性的设计确保了数值值域的有效约束。

②本文提出了一种基于乘性一致性驱动方法的优化模型，用于评价语义自信集对应的个性化不确定区间长度序列。

③本文提出了一种融合机会约束规划的FPR-SC最优权重模型，该模型旨在最小化决策者的自信偏好关系与相应的权重向量之间的信息损失，并从数值分析和不确定分析两个角度验证了模型的有效性。