前言

信息集结及共识达成是多准则决策中的重要组成部分，是指对具备多个准则的有限方案依据某个决策法则进行选择、排序、评估、反馈等的决策分析方法。传统的信息集结及共识达成具有一定的局限性，例如，其研究的内容是在确定型决策的范围内进行考虑和运算的，但现实是，不确定性以及模糊性普遍存在于决策过程当中。在现代的决策分析中，每一个决策者的偏好结构和知识构成是不同的，加之有些评估属性不能具体描述，甚至比较抽象，以及决策的信息有限、决策的背景也比较复杂，这就导致决策者往往不愿意给出精确的数值，而是用不确定信息、模糊信息或者异构信息来表示。同时，由于现代决策环境的复杂性和不确定性，决策过程不再是一个时期或者一个人的事情，而是需要集结多阶段或者多个专家或决策者的评估信息，通过分析专家或决策者间是否存在观点冲突，构建新的信息集结和共识达成方法。

因此，如何运用模糊集理论、算子集结理论、优化理论、多准则决策方法以及群决策方法等，通过对模糊信息进行综合分析和评估，合理、准确、有效地获取最终的决策结果是现代决策理论中需要解决的关键问题。为此，本书引入模糊集理论，考虑精确信息、区间型信息、三角模糊数信息、梯形模糊数信息以及泛化的模糊信息等，结合决策理论与方法，建立了能够有效表述模糊偏好信息的模糊决策模型，并在求解过程中有效地确定属性的权重，准确地掌握模糊信息中的规律和因素，使得最终优化的决策结果能最大限度地满足决策者的真实意图。同时，本书考虑时间因素在决策过程中的影响，给出了几种主观思想与客观思想相结合的时间权重确定方法，对多阶段下的模糊多准则决策设计问题的建模和评估方法进行了研究和探讨。另外，本书考虑了多人参与决策过程的群决策方法。在群体决策中，针对如何处理决策信息的异构性并减少信息丢失的问题，提出了一种集成异构信息的群体决策方法，同时在该过程中处理了决策者间的冲突，提出了一种新的共识达成方法。最后，本书把信息集结及共识达成方法扩展到了大群体决策中，针对传统方法将大群体划分为小群体，以缩小群体决策的规模，并将异构信息转换为统一的格式来处理异构问题。本书构建了基于模糊聚类分析的异构大规模群体决策方法来确定合适的小群体分类的多少，以提高决策质量，同时给出了减少决策信息转换过程中的信息丢失的决策方法。

本书提出的信息集结及共识决策相结合的方法，具有一定的普适性，不仅能够应用在供应商选择、公司绩效评估、最优投资等方面，更能应用在解决应急决策问题中，对应急决策参与者偏好进行分析，进而提高应急决策的效率。

本书的出版得到国家自然科学基金项目（72271043）和教育部人文社会科学研究项目青年基金项目（22YJC630054）的资助。

李光旭
2023年8月10日