中国正处于发展的转型期和战略机遇期，经济新常态和供给侧改革决定了企业、政府、国家在新环境下会面临更多复杂多变的决策问题，但由于决策者对新问题缺乏足够的认知和经验，并且新的决策环境带来了未来状态的难以预期性，因此人们在新形势下所面对的决策问题蕴含了极大的不确定性和风险性。如何在不确定的信息环境下做出客观有效的决策，成了学术界和实践界关注的热点问题。
0
随着新兴信息技术的飞速发展，社会信息化程度迅速提高，全球已经进入大数据时代。基于大数据的挖掘、分析与决策，关系到国家政策制定、经济运行、社会管理、企业发展等诸多方面。因此，决策作为人们在政治、经济、技术和日常生活当中普遍的一种行为，被赋予了新的使命和意义。决策成功的关键是决策过程的科学性与客观性。科技和经济的快速发展使得现代社会的复杂性不断增加，组织的规模不断扩大，经营越来越多元化，其所面临的决策问题越来越错综复杂，信息量越来越大，决策者仅依靠经验来完成决策已不再可能。人工智能的高速发展，为大数据背景下的决策制定提供了新的工具，将“数据—预测—决策”模式变得更加精准和迅速。
大数据技术的发展使得信息类型愈加复杂多样，社会信息、文化信息、生物信息、神经信息、语义信息等不同类型的信息层出不穷，传统的决策模型已经无法处理具有模糊、不确定、不完整等特征的信息。同时，由于决策主体知识结构、个体偏好、工作背景等主观因素的差异，以及决策问题本身的复杂性、不确定性、不精确性的影响，决策者决策过程中往往难以获取定量信息和数据，需要掺杂决策者的主观评判，这无形之中降低了决策的可靠性。如何表示和处理不确定性数据、如何在不确定性环境下制定出客观有效的决策，近年来引起了国内外学者的广泛关注和极大兴趣。许多研究利用模糊集理论模型、粗糙集理论模型对信息的不确定性、不精确性、不完整性进行处理，建立复杂问题的决策方法，并基于相关方法与模型，深入探究不确定性人工智能决策辅助系统的研发。表示、处理和模拟不确定性信息，寻找并形式化地表示不确定性信息中的规律性，让机器模拟人类认知客观世界和人类自身的认知过程，使机器具有不确定性智能，制定更为准确的、人性化的决策，已经成为目前人工智能研究领域的重要任务。
本书旨在基于模糊集理论和粗糙集理论，利用多属性决策和群体决策模型，以大数据环境中的不确定性问题和实时分析处理为研究目的，建立高效实用的数据表示、处理、分析方法，以及不确定性决策模型与算法，为人工智能决策辅助系统的建立和开发提供理论依据。本书的相关研究工作不仅拓展了模糊集和粗糙集等相关不确定性理论及其应用的研究范畴，为大数据环境下的数据分析、知识发现与决策制定提供了新的处理技巧和研究视角，而且可以加深多属性决策与群体决策在不确定环境中的研究深度，拓宽相关决策模型在政策、社会、经济、生活等领域中的应用广度，对于发展不确定性理论、提高决策的准确性，具有重要的理论意义和实际应用价值。
本书共7章，第1章综述不确定性理论、多属性决策、群体决策和行为决策的研究现状；第2章讲述本书的预备知识，包括模糊集理论、粗糙集理论及其比较，以及多属性群体决策的相关理论；第3章讲述数据的不确定性表达、集结方法，并探究属性权重的计算方法；第4章对经典的多属性决策模型进行拓展，利用数据的模糊形式和粗糙形式，分别建立群体决策问题的方案排序方法；第5章将行为决策和风险决策引入决策模型，论述考虑决策者心理行为的、具有风险偏好的方案排序方法；第6章建立一个经销商选择问题，论述本书建立的若干决策模型与方法的应用过程；第7章对本书的研究内容进行总结，并展望未来研究方向。各章之间的内容具有逻辑关系，围绕不确定信息环境下的多属性群体决策模型与方法展开论述。
本书是笔者多年研究成果的汇总，也是对学术探索的长期积累。编写本书时，笔者参考了国内外有关研究成果，在此对所涉及的专家和研究人员表示衷心的感谢。书中所列的参考文献可能不够全面，在此也对那些可能被遗漏文献的作者表示衷心的感谢。同时，本书得到教育部人文社会科学基金项目（19YJC630059）、山东省自然科学基金项目（ZR2019PG009）、山东财经大学管理科学与工程学院学术专著出版基金的资助，在此表示衷心的感谢。
由于笔者自身知识水平有限，书中难免存在疏漏之处，恳请读者批评指正。
贾凡
2019年10月
管理科学
随着信息技术的飞速发展，社会信息化程度迅速提高，全球已经进入大数据时代。基于大数据的挖掘、分析与决策，关系到国家政策制定、经济运行、社会管理、企业发展等诸多方面。因此，决策作为人们在政治、经济、技术和日常生活当中普遍存在的一种行为，被赋予了新的使命和意义。决策成功的关键是决策过程的科学性与客观性。人工智能的高速发展，为大数据背景下的决策制定提供了新的工具，将“数据-预测-决策”模式变得更加精准和迅速。
本书基于模糊集理论和粗糙集理论，利用多准则决策和群体决策模型，以大数据环境中的不确定性问题和实时分析处理为研究目的，建立高效实用的数据表示、处理、分析方法，以及不确定性决策模型与算法，为人工智能决策辅助系统的建立和开发提供了理论依据。
前 言
第1章 绪论 /1
1.1 研究背景与问题提出 /1
1.1.1 研究背景 /1
1.1.2 问题提出 /3
1.2 研究意义 /5
1.2.1 理论意义 /5
1.2.2 现实意义 /6
1.3 国内外研究现状 /7
1.3.1 多属性群决策研究现状 /7
1.3.2 不确定性理论研究现状 /9
1.3.3 不确定性多属性群决策研究现状 /10
1.3.4 行为多属性决策研究现状 /12
1.3.5 研究现状评述 /14
1.4 研究内容 /15
1.5 技术路线与研究方法 /17
1.5.1 技术路线图 /17
1.5.2 研究方法 /17
1.6 研究创新点 /19
1.7 本章小结 /20
第2章 理论基础 /21
2.1 多属性群决策理论 /21
2.1.1 多属性决策研究概述 /21
2.1.2 群体决策理论 /22
2.1.3 行为决策理论 /24
2.2 模糊集理论 /25
2.2.1 模糊集理论发展概述 /25
2.2.2 模糊集基础知识 /26
2.2.3 模糊数 /28
2.2.4 三角模糊数运算法则 /29
2.3 粗糙集理论 /30
2.3.1 粗糙集理论发展概述 /30
2.3.2 粗糙集基础知识 /31
2.3.3 粗糙数 /33
2.3.4 粗糙数运算与排序 /36
2.4 本章小结 /38
第3章 不确定信息环境下属性权重计算方法 /39
3.1 权重计算方法 /39
3.1.1 主观权重计算方法 /40
3.1.2 客观权重计算方法 /41
3.1.3 组合权重计算方法 /41
3.2 群体集结方法 /42
3.2.1 群体集结 /42
3.2.2 三角模糊数群体集结方法 /43
3.2.3 粗糙数群体集结方法 /46
3.3 基于属性重要度直接打分的权重计算方法 /49
3.3.1 问题描述 /49
3.3.2 三角模糊数权重计算方法 /50
3.3.3 粗糙数权重计算方法 /52
3.4 基于判断矩阵的权重计算方法 /55
3.4.1 判断矩阵法 /55
3.4.2 三角模糊数互补判断矩阵法 /57
3.4.3 粗糙数判断矩阵法 /60
3.5 基于判断向量的权重计算方法 /64
3.5.1 最优最劣方法（BWM） /64
3.5.2 RSTBWM方法 /69
3.5.3 模糊最优最劣方法 /70
3.5.4 三角模糊数最优最劣方法 /72
3.5.5 粗糙最优最劣方法 /75
3.6 算例比较 /78
3.7 本章小结 /82
第4章 不确定信息多属性群决策方案排序方法研究 /83
4.1 多属性群决策排序问题描述 /83
4.2 经典的方案排序与评价方法 /84
4.2.1 TOPSIS方法 /85
4.2.2 VIKOR方法 /85
4.3 模糊多属性群决策排序方法 /87
4.3.1 区间模糊TOPSIS群决策排序方法 /87
4.3.2 三角模糊数TOPSIS群决策排序方法 /89
4.3.3 三角模糊数VIKOR群决策排序方法 /91
4.4 粗糙多属性群决策排序方法 /92
4.4.1 粗糙数TOPSIS群决策排序方法 /92
4.4.2 粗糙数VIKOR群决策排序方法 /95
4.5 算例比较 /96
4.6 本章小结 /99
第5章 考虑决策者心理行为的多属性群决策方法研究 /100
5.1 前景理论 /100
5.1.1 个人风险决策过程 /100
5.1.2 价值函数 /101
5.1.3 概率权重函数 /102
5.2 基于三角模糊数和前景理论的多属性群决策方法 /104
5.2.1 问题描述 /104
5.2.2 集结群体信息 /104
5.2.3 参照点为精确数的决策过程 /106
5.2.4 参照点为三角模糊数的决策过程 /108
5.3 基于粗糙数和前景理论的多属性群决策方法 /111
5.3.1 问题描述 /111
5.3.2 集结群体信息 /112
5.3.3 群体收益损失计算 /113
5.3.4 方案排序 /116
5.4 考虑决策者偏好的风险型多属性群决策 /118
5.4.1 问题描述 /118
5.4.2 集结群体信息 /119
5.4.3 群体收益损失计算 /120
5.4.4 概率权重函数计算 /121
5.4.5 计算前景值 /122
5.5 算例分析 /123
5.6 本章小结 /127
第6章 不确定信息多属性群决策方法在经销商选择中的应用 /128
6.1 经销商选择问题描述 /128
6.1.1 经销商选择研究现状 /128
6.1.2 基于多属性群决策的经销商选择问题描述 /130
6.2 经销商选择评价指标体系的建立 /130
6.2.1 评价指标体系的构建原则 /130
6.2.2 构建评价指标体系 /131
6.3 基于粗糙数多属性群决策的经销商选择方法 /133
6.3.1 问题描述 /133
6.3.2 经销商评价属性权重计算 /134
6.3.3 经销商排序及选择 /137
6.4 本章小结 /141
第7章 结论与展望 /142
7.1 研究结论 /142
7.2 研究展望 /144
参考文献 /146
