Найти

Результаты поиска

• АЛГОРИТМ КЛАСТЕРИЗАЦИИ БОЛЬШИХ ГРУПП ЭКСПЕРТОВ НА ОСНОВЕ МЕТОДА ИНТЕРПРЕТАЦИОННОГО СТРУКТУРНОГО МОДЕЛИРОВАНИЯ

  Е.М. Герасименко , П.С. Герасименко

  6-21

  2025-12-30

  Аннотация ▼

  Представлен алгоритм для достижения консенсуса в социальных сетях при крупномасштабном групповом принятии решений с неполной вероятностной нечёткой информацией с элементами неуверенности, который учитывает доверительные отношения экспертов. Предложен метод кластеризации экспертов на основе интерпретационного структурного моделирования для классификации экспертов, а также для повышения эффективности достижения консенсуса. Разработаны операторы распространения и агрегирования доверия для вероятностной нечёткой информации с элементами неопределенности, которые позволяют проводить косвенную оценку доверия и определять весовые коэффициенты экспертов. В результате удаётся сформировать несколько подмножеств экспертов; определить весовые коэффициенты для большого числа экспертов на основе их взаимных отношений доверия. На основе кластеризации экспертов и вычисленного косвенного отношения доверия между экспертами осуществляется принятие решений в ЧС за счет достижения консенсуса с учетом колеблющейся вероятностной нечеткой информации и определяется наилучшая эвакуационная альтернатива. Оценки, предоставляемые экспертами в виде вероятностных колеблющихся нечётких значений, позволяют эффективно моделировать сомнения, неуверенность, несогласованность экспертов в оценках в случае участия группы экспертов или различных экспертных организаций. Вместе с тем становится возможным учитывать различные значения оценок экспертов в задачах принятия многокритериальных решений, когда эксперты не могут согласовать общие степени принадлежности. Алгоритм позволяет классифицировать большую группу экспертов на несколько подмножеств на основе их отношений социального доверия. Этот метод исключает получение пересекающихся подмножеств, при этом нет необходимости заранее задавать параметры кластеризации. Метод использует исключительно отношения социального доверия между экспертами, тем самым обходя проблему субъективного вмешательства в процесс кластеризации. По сравнению с традиционными методами кластеризации метод кластеризации на основе метода интерпретационного структурного моделирования позволяет эффективно выявить иерархическую структуру взаимоотношений между экспертами и минимизировать число участников крупномасштабного группового принятия решений в социальной сети за счет снижения размерности множества экспертов. Кластеризация экспертов на основе метода интерпретационного структурного моделирования существенно повышает эффективность и реализуемость крупномасштабного группового принятия решений