基于數據驅動的魯棒最小成本共識模型

摘要： 針對權重的隨機性和模糊性影響聚合算子質量，從而導致最優決策產生巨大變動的問題，本文構造了不確定集合刻畫決策者權重的不確定性，并運用數據驅動魯棒優化方法建立了最小成本共識模型。首先，利用核密度估計(KDE)方法從歷史數據中獲取不確定權重的概率密度函數，以構造具有置信水平的不確定性區間，并控制聚合算子中不確定權重的波動范圍。其次，分別在三種形狀的集合(包括盒子集、橢球集和多面體集)... （共7頁）