基于数据驱动的鲁棒最小成本共识模型

摘要： 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)...