现实生活中广泛存在与上述两类问题共性特征相类似的有限资源分配决策问题,各个主体之间并非总是相互平等而往往具有显著的层次结构,且不同层级的目标和职责均不相同[1]。从复杂大群体协调角度出发,就是研究:在有限服务资源分配决策中,基于大规模服务对象对各类服务形式所需能力和利益诉求差异显著的特征以及兼顾社会效益的需要, 服务提供者如何设计与大规模服务对象之间的协调决策机制,从而提升其管理控制效率和大规模服务对象的执行效率。
从协调角度出发,群体偏好收敛是核心问题。但在能力约束下,由于不同服务形式之间彼此冲突,且不同服务对象群体对不同服务形式的偏好相差较大,难以实现群体一致性,只能达到各种利益群体的动态平衡。这类复杂问题的解决不是一个大型的选择过程就能完成,可能需要通过多次动态交互式协调才能实现平衡。针对上述问题,本文设计一种基于聚类的复杂大群体的决策模型,利用聚类的思想将复杂大群体中群体偏好有效地收敛。决策模型利用利用蚁群聚类算法与FCM聚类算法相结合,优化了单一聚类算法的聚类结果,更好的解决了群体偏好收敛的现实问题,具有一定的研究价值。
1.2文献回顾
1.3技术路线
本文的逻辑结构如下,全文共分为五章。
第一章为绪论,文章首先定义了复杂大群体的概念,重点介绍了复杂大群体聚类的现实问题,明确指出了本文的研究背景和意义。接着对本文的相关文献进行文献回顾,并确定了文章的研究范围、写作安排、以及创新点。来.自/751论|文-网www.751com.cn/
第二章为聚类算法概述。文章将第二章分为三个部分,第一部分简单概述了聚类的定义,第二部分介绍了聚类算法的分类,第三部分简单介绍了本文引用的FCM聚类算法。
第三章为初始聚类中心点的确定。针对FCM聚类算法必须预先给出聚类中心和聚类的个数,而聚类中心和个数又影响了聚类结果的有效性,且该算法还容易陷入局部最优等缺点,基于精简数据的基本思想寻找要带入FCM聚类算法的初始聚类中心和个数,并给出了算法的实现过程。
第四章为大群体决策模型的设计。文章运用第二章叙述的FCM聚类算法,通过 FCM聚类算法的目标函数、隶属度公式、误差计算函数得出最后的聚类结果,并给出了算法的实现过程。最后通过实验证明分析。
第五章为研究总结与展望。本章对全文进行了总结,通过分析本文研究特点及其取得的主要研究成果,指出了存在的问题和今后的研究方向。