模糊多属性群决策问题怎么成模糊多属性问题?

好的，我们来聊聊模糊多属性群决策问题如何演变成模糊多属性问题，并尽量用一种更自然、更具人情味的方式来解读。

想象一下，我们不是在写一篇科技论文，而是在跟朋友们一起想办法解决一个复杂的问题。比如，咱们公司要选一个新的办公地点，需要考虑很多因素，而且每个人对这些因素的重视程度又不一样。

最初的场景：一个典型的“群决策”问题

咱们有一个团队，大家要一起决定哪个办公地点最合适。大家会集思广益，提出很多要求和标准：

地理位置： 交通是否便利？离员工家远不远？周边配套设施好不好？
成本： 租金、装修费用、物业费等等，是不是在预算之内？
空间与布局： 办公面积够不够？隔间、会议室、休息区的设计是否合理？
环境： 采光、通风、绿化、噪音水平等等，是不是舒适？
未来发展潜力： 这个区域有没有发展前景？是否方便吸引新人才？

这还只是初步的几个维度。每个维度下面还有更细化的标准。比如，交通便利，还可以细分到离地铁站的距离、公交线路的数量等等。

问题来了：人的判断总是“模糊”的

在评估这些标准的时候，你会发现，很少有人能给出一个非常“精确”的答案。

“交通便利”：对于一个人来说，离地铁站步行5分钟就叫“很方便”；但对另一个人来说，可能需要步行3分钟才算“方便”。这个“方便”程度本身就是模糊的。
“成本合适”：这个月租金比预算高出10%，是“合适”还是“不合适”？很难一刀切。它更像是一个“比较合适”或者“不太合适”的区间。
“空间足够”：是“非常足够”，还是“勉强够用”？这取决于你对工作效率和舒适度的感受，也是一个模糊的概念。

更别说，每个人对这些“模糊”程度的理解和表达方式都可能不一样。有的人说话含糊其辞，有的人喜欢用程度副词，这都增加了沟通的难度。

群决策的“群”字，让事情更复杂：大家的意见不一致

更关键的是，这是“群决策”。这意味着有多个决策者，而每个决策者都有自己独立的判断和偏好。

权重不同： 比如，有的同事非常看重交通便利，可能会给“地理位置”更高的权重；而有的同事更关心租金成本，可能会给“成本”更高的权重。
评价标准的主观性： 即使是对同一个选项，不同的人也会给出不同的评价。比如，对于某个办公地点，张三觉得“采光很好”，而李四可能觉得“光线有点刺眼”，这都是基于个人体验的主观判断。

所以，我们面对的是一群人，每个人都带着自己模糊的判断和不同程度的偏好，来评估一系列具有模糊特征的选项。这就是模糊多属性群决策问题的雏形。

那么，怎么“成”了模糊多属性问题呢？

其实，不是说模糊多属性群决策问题“变成”了模糊多属性问题，而是说，在解决模糊多属性群决策问题的过程中，我们不得不运用和关注“模糊多属性”这个概念本身。 我们可以这样理解：

1. “模糊”是核心特征： 无论是单个人还是多个人，我们对现实世界的许多评估都是模糊的。我们不会说一个选项的“满意度”是0.7894，而是说它“比较满意”或“不太满意”。这种模糊性是问题的固有属性。所以，无论有多少人参与，我们首先要面对和处理的就是这种“模糊性”。
2. “多属性”是决策的维度： 我们不是只关注一个方面来做决定，而是需要同时考虑很多不同的因素（属性），比如前面提到的地理位置、成本、空间等等。这些都是决策的维度。
3. “群决策”是附加的复杂性： “群决策”只是给这个本来就存在的“模糊多属性”问题，增加了一个“多人参与、意见整合”的维度。它要求我们不仅要处理模糊性和多属性，还要解决如何协调和综合不同个体的意见。

所以，与其说“模糊多属性群决策问题怎么成模糊多属性问题”，不如说：

“模糊多属性群决策问题”，就是把“模糊多属性问题”的应用场景，限定在了“多人共同决策”这一特定情境下。

在研究和解决这类问题时，我们关注的重点自然就落在了如何有效地识别、量化和处理这些模糊的属性信息，并且在多个决策者之间找到一个共识或最优解。这背后必然涉及到模糊集合理论、模糊逻辑等工具来描述和处理这些不确定和模糊的信息。

打个比方：

你参加一个摄影比赛，需要提交一张“美丽”的风景照。

“美丽”： 这是个模糊的概念，不同人对“美”的定义和感受不同。
“风景照”： 这是作品的类型，可能包含山川、河流、天空等多个元素（属性）。

这是个“模糊多属性问题”。

现在，这个比赛是团体赛，你们团队要合作选出一张“最美丽”的风景照提交。

团队里的每个人都对“美”有不同的理解，每个人喜欢的照片也不同。
你们需要就照片的构图、色彩、光影、主题等等（属性）进行讨论和评估，并且要达成一致。

这就是“模糊多属性群决策问题”。这里的“群决策”强调的是“团队合作选一张”这个过程，而其核心仍然是如何界定和评价“美丽”这个模糊的属性，以及如何综合多位评委（团队成员）对各个属性的模糊评价。

因此，模糊多属性群决策问题的解决，离不开对“模糊”和“多属性”这两个核心概念的深入分析和建模。而“群决策”则是在此基础上，增加了人际互动和信息整合的挑战。

网友意见

这两个问题其实是一回事。现实中也是一回事。

上面一本书讲得有点拗口，主要是翻译的问题，把一些挺简单的问题整上一些很难写的符号。当然也有一个好处可以提升一下逼格。

1、牢记两个考试（选拔）的场景

多属性决策， 多属性群决策，相差一个字，即群决策。

多属性即有很多列（属性，维度，指标）。

最简单的决策是，高考（通常）意义的考试。

怎么做决策呢？

看总分。总分高的牛逼，达到分数线的能上大学。

什么叫模糊多属性的问题呢？

比如打分的时候，是百分制，五分制，这些都可以归结为模糊的范畴。

上面的评述就是模糊型的，其实百分制也是模糊型的。

群决策是什么场景呢？就是多人打分场景。

比如选秀节目，考试面试场景，研究生论文外审。

最常见的是平均分模式，比如美术，由5个人评价，求平均分，就是群决策。

去掉一个最高分，去掉一个最低分，再求平均分也是一种一种群决策方式。

记得前不久看过一个晚会。

选最佳女配角，然后是通过网络投票的方式。

最后来个去掉一个最高分，去掉一个最低分，然后给出三个获奖者。

2、SAISM法，以拓扑图形的方式指示牛逼程度的问题

上面是一个比较进阶的方法。

行（评价对象，方案，样本）。

列（属性，性质，指标，维度）。

对于有多个评价对象的，可以用夹逼对抗解释结构模型。

上面是流程图。

它分为纵横两个方面。

其中横向是最重要的部分。

上面是扯上了点相对论。

Neumann和Morgenstern在1944年提出的经典理性决策模型—期望效用理论，假设经济活动的主体决策总是遵循利益最大化或者成本最小化的完全理性原则。然而事实上，学术界用大量的实证研究表明人们在实际的决策中大多数情况下都表现出非理性的特点，决策主体存在一定的决策心理偏好。主体决策中的心理偏好一般是指在制定决策的过程中对决策所产生的利益和风险持有独特的看法和反应。学术界研究中经典的决策偏好模型包括有损失厌恶、心理账户、公平性等决策偏好。

　　损失厌恶反映了决策者对收益和损失持有的风险偏好不一致，当面对收益时，人们表现为风险厌恶；当面对损失时，人们却表现为风险追逐，因此常常做出与完全理性偏离的决策。心理账户是指决策者会将客观等价的支出或收益在心理上划分到不同的账户中，在制定决策时对不同的账户持有不同的权重系数，总是以不同的态度对待等值的收益或者支出，进而做出带有偏差的决策。公平性偏好(Fairness Preference)是指决策者持有的利益分配心理基准，并在此基础上产生的对收益不公平结果的一种抵制行为。

　　1979 年，美国普林斯顿大学心理学教授Daniel Kahneman和Amos Tversky将心理学与经济学研究结合，提出了关于不确定条件下的人类判断和决策的“前景理论”（prospect theory），也叫“展望理论”。该理论认为个人基于心理参考点的不同，会有不同的风险态度，参考点会影响个体对实际决策结果的心理感知，主观地衡量效用价值的“获得”和“损失”，从而导致偏离期望效用理论的非理性决策行为，在不同的风险预期条件下，人们的行为倾向是可以预测的。同一个问题经由不同的决策主体可能会有不同的决策结果。由前景理论引申出的四个基本结论：

　　第一，确定效应，即大多数人在面临获利的时候是风险规避的；第二，反射效应，即大多数人在面临损失的时候是风险喜好的；第三，参照依赖，即大多数人对得失的判断往往根据参考点决定；第四，损失效应，即大多数人对损失比对收益更敏感。

　　Kahneman他们最初的研究认为标准前景是一种简单前景；而后来Tversky和Kahneman（1992）进一步将原始前景理论拓展到包含任意多个结果的不确定前景及风险前景，形成积累前景理论。

　　针对运作管理问题领域，Schweitzer和Cachon（2000）首次通过引入心理学的实验实证检验方法检验了包括前景理论在内的众多行为因素对报童决策偏差的影响，实验结果却排除了前景理论的解释作用。Nagarajan等（2014）[ ]基于累积前景理论的价值函数和非线性权重函数构建了综合模型，研究结论也对“前景理论用于分析运作管理问题”提出了质疑。但是，一些学者的研究结果认为，Schweitzer等人的实验结果恰恰说明前景理论具有报童模型的决策偏差的解释作用（Ho，2010 ；Long，2015；Zhao，2015，褚宏睿等，2015；丁小东，2016）

　　前景理论在一定程度上解释了沉没成本效应对消费者决策的影响，而Thaler认为这种解释并不充分，Thaler（1985）提出的心理账户理论认为，沉没成本之所以会影响消费者决策，除了前景理论外，在消费者内心中还存在着一个“心理账户系统”，个体在做决策的过程中，该系统包含着一个心理估价的运算过程，会自发地对获得与损失进行计算，将不同的得失放入不同类别的心理账户中，并在选择前对此作出衡量，由于消费者对不同的经济结果存在心理上的权重，常常会导致决策违背经济学的规律，Thaler同时提出了非替代性（non-funiginility）是心理账户的一个基本特征[ ]。顾军波等人（2020）基于心理账户将前景理论拓展用于复合结果情形，证实在偏好的特定组合下，前景理论能够解释报童趋中效应，报童趋中效应可归因于基于多重心理账户建构的价值函数。

总之上面是灌水的话，主要是深刻理解心理账户区间，以及决策偏好期间，并同函数以及排序与偏序结合契合起来。

其中确定决策偏好区间，就是一个群决策的问题。

比如上面是湖南省，土地安全的问题。

获得某个决策区间的排序就是一个群决策结果的问题。

---

• 

  模糊多属性群决策问题怎么成模糊多属性问题?

  

  好的，我们来聊聊模糊多属性群决策问题如何演变成模糊多属性问题，并尽量用一种更自然、更具人情味的方式来解读。想象一下，我们不是在写一篇科技论文，而是在跟朋友们一起想办法解决一个复杂的问题。比如，咱们公司要选一个新的办公地点，需要考虑很多因素，而且每个人对这些因素的重视程度又不一样。最初的场景：一个典型.............
• 

  为什么这张画看起来怪怪的，是模糊笔刷用多了吗？

  

  这幅画给人的“怪”的感觉，并非单一因素造成，而是多种视觉元素的叠加，其中“模糊笔刷用多了”确实是其中一个可能的原因，但它只是冰山一角。要详细剖析，我们需要从几个层面来看：1. 模糊处理（或者说“过度柔化”） 笔触的消失与“油腻感”： 过于泛滥的模糊笔刷，尤其是那些默认带有柔和边缘的笔刷，会吞噬掉.............
• 

  是否人拥有权利，地位，财富，名誉这些东西越多，其道德底线就越模糊的可能性会更大？

  

  这个问题很有意思，也相当复杂，因为它触及了人性深处的一些东西。把一个人拥有的权力、地位、财富和名誉比作一把双刃剑，或许更贴切。当一个人集聚了越来越多的权力，他能够影响的范围就越大，做决定的后果也就越深远。这意味着他的一举一动都可能牵动许多人的命运。在这种情况下，如果缺乏坚定的道德约束，权力很容易滋生.............
• 

  为何中国的游戏收费模式多为「免费游玩、道具收费」，而不是买断制呢？

  

  中国游戏市场目前以“免费游玩、道具收费”（FreetoPlay, Freemium 或 PaytoWin, P2W）模式为主流，而非买断制（BuytoPlay, B2P），这背后有着多方面的原因，是历史发展、市场环境、玩家习惯以及商业策略共同作用的结果。下面我将详细阐述： 一、 历史发展与早期市场教.............
• 

  daogrs搪瓷蒸汽烤箱烹饪模式多吗？想买daogrsS1s

  

  .......
• 

  什么电烤箱好？功能模式多吗？

  

  .......
• 

  多模态训练，怎么解决不同模态之间差异的问题？

  

  融汇贯通：多模态训练中跨越差异的艺术在人工智能的广阔天地里，我们正努力让机器像人类一样，能够同时理解和处理来自不同源头的感知信息——视觉、听觉、文本、触觉等等。这个过程，我们称之为“多模态训练”。然而，就像一位初学多种语言的学者，面对不同语言的语法、词汇、甚至是文化背景差异，需要付出额外的努力去理解.............
• 

  多模态方面，有哪些牛组值得我们follow他们的工作？

  

  在多模态领域，确实有很多非常杰出的研究团队，他们的工作不仅推动着理论的边界，更在实践中创造出了令人惊叹的应用。要说“牛组”，这本身就是一个相对主观的评价，但我可以为你梳理一些在多模态研究中最具影响力、贡献最突出、并且长期以来保持高产和前瞻性的团队，并尽量详细地介绍他们的特色和值得关注的地方。在分享之.............
• 

  CV方向多模态融合有哪些好的paper？

  

  在计算机视觉（CV）领域，多模态融合的研究正如火如荼，旨在让模型能够理解和处理来自不同来源（如图像、文本、音频、深度信息等）的数据，从而获得更全面、更深入的视觉理解能力。以下是一些在CV多模态融合领域具有重要影响力和代表性的论文，我会尽可能详细地介绍它们的核心思想、创新点以及为何它们在业界受到推崇，.............
• 

  如何看待多模态transformer，是否会成为多模态领域的主流？

  

  多模态 Transformer，究竟是昙花一现的黑科技，还是能真正引领多模态AI走向下一个时代的“弄潮儿”？这是一个值得深入探讨的问题。要回答这个问题，我们得先拆解一下“多模态Transformer”究竟是个啥，它又是凭什么本事来争夺“主流”的宝座的。多模态 Transformer 到底是什么？简单.............
• 

  键盘可以模仿这么多乐器，那可以一个乐队全是键盘吗？

  

  这个问题很有意思，也很实在。一个乐队全是键盘？这想法听起来够“电子”，也够“现代”的。要说键盘模仿乐器，那真是十八般武艺样样精通，从宏伟的管风琴到娇滴滴的木吉他，从饱满的铜管到尖锐的弦乐，甚至连鼓组都能模仿得有模有样。所以，理论上，一个全是键盘的乐队，那确实是“可行”的，而且潜力巨大。但“可行”和“.............
• 

  为什么NBA球星集锦那么多，模仿帝们都还能再火起来？

  

  NBA球星集锦泛滥，模仿秀却依然能火，这背后其实是个挺有趣的文化现象，一点都不奇怪。你想想，集锦虽精彩，但它毕竟是“成品”，是经过剪辑、配乐、滤镜包装出来的完美瞬间。而模仿秀，或者说“模仿帝”们，他们提供的是一种“过程”，一种“反馈”，一种“共鸣”。咱们这就掰开了揉碎了说说，为啥这些模仿者还能在大神.............
• 

  为什么Transformer适合做多模态任务？

  

  Transformer：为何是多模态任务的“万能钥匙”？在人工智能领域，我们总在不断探索如何让机器更好地理解和处理这个丰富多彩的世界。而这个世界，绝非仅仅是文字的海洋，它更是图像、声音、视频等多种信息的交织。如何让AI像我们一样，能够“看”得见，“听”得清，并且将这些感官信息融会贯通，便是多模态任务.............
• 

  28l的烤箱卖多大的蛋糕烤模和多大的烤盘

  

  .......
• 

  如何评价支付宝在IEEE成功立项“生物特征识别多模态融合”国际标准？有什么长远意义？

  

  支付宝在IEEE成功立项“生物特征识别多模态融合”国际标准，这绝对是一件值得深入探讨的大事，它不仅仅是支付宝自身技术实力的彰显，更是对整个行业发展，乃至我们未来数字生活方式的深远影响。如何评价支付宝的这项成就？首先，从 技术层面 来看，支付宝的成功立项标志着其在生物识别技术领域取得了突破性的进展，并.............
• 

  除了南京大屠殺，歷史上還發生過其他屠城嗎？如果有，規模有多大？

  

  除了南京大屠殺，歷史上確實發生過許多規模駭人的屠城事件，這些悲劇在人類文明的長河中留下了極其慘痛的印記。戰爭的殘酷性，尤其是在古代和中世紀，常常表現為對敵方城市居民的系統性滅絕。一旦城市被攻破，守軍投降或戰敗，佔領軍出於報復、威懾、掠奪或是種族清洗的目的，便會對城中的平民展開無差別的殺戮。這種行為往.............
• 

  方太烤箱上这么多火力模式，谁能介绍下各符号的意思，和适合烧烤对象？

  

  .......
• 

  40升烤箱可用多大模具

  

  .......
• 

  为什么像《黎明杀机》这样明显只有多人模式的游戏，也被归类为单机游戏？单机游戏到底是怎么定义的？

  

  你这个问题问得特别好，确实容易让人产生困惑。很多人提到“单机游戏”，脑子里立刻浮现的是一个人坐在电脑前，不受他人打扰，沉浸在自己的故事里的画面。但如果说到《黎明杀机》这类游戏，它玩起来明显是跟其他真人玩家对抗或者合作，怎么也会被归到“单机”的范畴呢？咱们得好好捋一捋“单机游戏”这个概念到底是怎么回事.............
• 

  计量经济学 并不鼓励建立解释变量过多的模型，为什么？

  

  在计量经济学中，我们确实不鼓励建立包含过多解释变量的模型。这并非因为我们不追求全面性，而是因为过度参数化会带来一系列问题，损害模型的质量、可解释性以及预测能力。这背后有着深刻的理论和实践原因。首先，让我们理解一下什么是“解释变量过多”的模型。简单来说，就是模型中纳入的自变量数量远超出了我们基于经济理.............