[发明专利]包含偏好辅助决策因子优选的交互式多准则决策方法、装置及计算机设备

权利要求书

1.包含偏好辅助决策因子优选的交互式多准则决策方法，其特征是，包括以下步骤：

基于进化多目标优化算法运行设置交互迭代次数，获得投资组合双问题的种群初始解；

基于偏好辅助决策因子的交互式偏好反馈模式算法与决策者交互，获取决策者偏好反馈；

所述基于偏好辅助决策因子的交互式偏好反馈模式算法与决策者交互，获取决策者偏好反馈，具体包括：

确定候选的偏好辅助决策因子，所述候选的偏好辅助决策因子包括若干个投资组合优化问题中与主要影响因子相关且影响决策的因子；

选取种群初始解中的st个作为待与决策者交互的最优解；

计算每个候选的偏好辅助决策因子与目标函数的相关度，获得排序后的候选的偏好辅助决策因子；

获得与决策者进行交互后的部分所述候选的偏好辅助决策因子的具体数值；

两两比较分析所述待与决策者交互的最优解，获取决策者对两两比较中的偏好判断，获取决策者对候选解的偏好排序order_DM；

所述两两比较分析所述待与决策者交互的最优解，获取决策者对两两比较中的偏好判断，获取决策者对候选解的偏好排序order_DM，具体包括：

对所述待与决策者交互的最优解进行两两比较分析，根据欧氏距离计算一对解的区分度；

根据相关度和区分度选择剔除冗余因子后的偏好辅助决策因子；

展示偏好辅助决策因子，获取决策者对一对解的偏好判断；

判断每个所述待与决策者交互的最优解是否与其他每个解进行了两两比较分析，重复上述步骤直至完成，获取决策者对候选解的偏好排序order_DM；

基于分类规则的决策树建立偏好模型，利用偏好模型获取模型偏好反馈；

利用决策者偏好反馈与模型偏好反馈计算评价偏好模型；

训练更新偏好模型，直至满足训练终止条件。

2.如权利要求1所述的包含偏好辅助决策因子优选的交互式多准则决策方法，其特征是，所述基于分类规则的决策树建立偏好模型，利用偏好模型获取模型偏好反馈，具体包括：

求解种群初始解的帕累托最优解Pp，并得到所述帕累托最优解的种群大小数sp、在目标空间的值Zp及决策空间的值Xp；

从目标空间的值Zp、决策空间的值Xp中创建目标空间样本ZZp、决策空间样本XXp，基于CART算法使用所述目标空间样本ZZp、决策空间样本XXp训练建立偏好模型；

运行偏好模型，获得偏好模型对候选解的偏好排序order_PM。

3.如权利要求2所述的包含偏好辅助决策因子优选的交互式多准则决策方法，其特征是，所述利用决策者偏好反馈与模型偏好反馈计算评价偏好模型，具体包括：

基于所述决策者对候选解的偏好排序order_DM与所述偏好模型对候选解的偏好排序order_PM计算偏好模型错误率，使用偏好模型错误率评价偏好模型。

4.如权利要求3所述的包含偏好辅助决策因子优选的交互式多准则决策方法，其特征是，所述训练更新偏好模型，直至满足训练终止条件，具体包括：

判断本次偏好模型错误率是否达到设置的错误率阈值，如果是，结束训练；如果否，将本次偏好模型对候选解的偏好排序order_PM加入训练样本中对偏好模型进行训练，比较本次偏好模型错误率与上一次偏好模型错误率的数值大小，如果本次偏好模型错误率大于上一次偏好模型错误率，减小下一次交互迭代次数数值；如果本次偏好模型错误率不大于上一次偏好模型错误率，增加下一次交互迭代次数数值；运行更新后的交互迭代次数的进化多目标优化算法。