针对大规模决策问题的低成本聚类方法技术

本发明专利技术涉及针对大规模决策问题的的低成本聚类方法，包括：S1，在多个决策者中随机选择一个决策者，根据该决策者与其他决策者在方案评价信息上的相似性，确定该决策者与其他决策者之间的信任关系，将满足信任关系的所有决策者聚类成同一个子群；S2，在剩余的决策者中再随机选择一个决策者，按照S1的方法，在剩余的决策者中再聚类出一个子群；S3，按照S2的方法，确定出多个聚类子群，直到剩余的决策者数量小于预定值，最后剩余的决策者被归类为边界子群；S4，计算本次聚类算法的运算成本、鲁棒性和高效性。本发明专利技术的聚类方法在大规模决策问题中具有普适性，且计算成本较低，在不同的数据规模和随机种子选择的随机性中表现出强鲁棒性和低成本性。

【技术实现步骤摘要】

本专利技术涉及决策领域，具体涉及一种针对大规模决策问题的的低成本聚类方法。

技术介绍

1、随着大规模决策在社会中发挥重要作用，比如重大工程项目决策、公共事件应急决策、能源管理方案决策等，大规模决策问题的研究得到重点关注。在大规模决策问题中，运用聚类算法对大规模群体进行快速有效的降维分类至关重要。然而，决策者之间不断变化的动态关系要求聚类算法多次迭代，由此产生不容忽视的高昂计算成本。

2、决策者的评价信息存在多种表示方式，如直觉模糊集、犹豫模糊集、犹豫语言术语集等，针对不同的评价信息表示方式，聚类算法也需要相应的重新提出，目前缺乏针对不同表示方式的具有普遍性的大规模决策聚类算法。

技术实现思路

1、为解决上述现有技术中存在的问题，本专利技术提出一种针对大规模决策问题的的低成本聚类方法。

2、本专利技术实施例的针对大规模决策问题的的低成本聚类方法，包括：

3、s1，在多个决策者中随机选择一个决策者，根据该决策者与其他决策者在方案评价信息上的相似性，确定该决策者与其他决策者之间的本文档来自技高网...

【技术保护点】

1.一种针对大规模决策问题的的低成本聚类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的针对大规模决策问题的的低成本聚类方法，其特征在于，所述S1中：

3.根据权利要求2所述的针对大规模决策问题的的低成本聚类方法，其特征在于，所述评价信息矩阵重构算子A为：

4.根据权利要求3所述的针对大规模决策问题的的低成本聚类方法，其特征在于，所述S1中：

5.根据权利要求1所述的针对大规模决策问题的的低成本聚类方法，其特征在于，所述S3中：

【技术特征摘要】

1.一种针对大规模决策问题的的低成本聚类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的针对大规模决策问题的的低成本聚类方法，其特征在于，所述s1中：

3.根据权利要求2所述的针对大规模决策问题的的低成本聚类方法...

【专利技术属性】
技术研发人员：丁洳茜，杨冰，杨国锐，李梦楠，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：