论文研究-基于优先集成算子的直觉乘法偏好关系共识模型.pdf

所需积分/C币:11 2019-07-22 23:37:32 1005KB .PDF
收藏 收藏
举报

针对专家之间具有优先关系时直觉乘法偏好关系下群体共识决策问题,提出一种基于优先集成算子的直觉乘法偏好关系共识方法。为了有效集结专家偏好信息,提出直觉乘法优先加权平均(IMPWA)算子和直觉乘法优先加权几何(IMPWG)算子,并研究其相关性质;定义直觉乘法偏好关系的共识度和接近度概念,据此完成非共识偏好信息的识别和修正,构建一种迭代共识算法。案例表明该方法的可行性和有效性。
第12期 王睿,等:基于优先集成算予的直觉乘法偏好关系共识模型 3677 1+2 PI 1+2 1/E=17 T3/y! 17 +a1)12y=1-a11x=1(2+a,) 2a112=1 2=1-a,n12=1 (2+σ1) a1/x=1(2+a2)22 1+2p1)2=12(1+2p2) 1x}=1ia,n22=7 =1 了 n11=1a27=15 可得当n=2时,式(6)成立 c)假设当n=k时,式(6)成立,即 ∏L(I+2p;) 1 2Ⅱ,a27E4-1 PWA( lL 则当n=k+1时,由定义2中直觉乘法数运算规则可得 IMPWA(a1,2,…,k+1)= LMPWA(a1,a2…,c)①/-1= + Tk+127 2Ⅱ4ay21Tak+12 2+a)7x17(2+0k-1)+Ek=1 Ⅱ+(1+2p:)72+17 21 即式(6)在n=k+1时也成立。综上步骤,式(6)当n取任意算子具有的幂等性、单调性和有界性等性质。 值时都成立,定理得证。 根据定理1和定义2中直觉乘法数运算规则容易证明3基于优先集成算子的直觉乘法偏好关系共识模型 IMPWA算子具有以下性质: a)幂等性。设a1=(p,1)(i=1,2,…,n)为一组直觉乘3.1问题描述 法数,若所有a1(i=1,2,…,n)均相等,即a1=a=(p,O),则 本文考察的是专家之间具有优先关系时直觉乘法偏好关 MPWA(a1,c2,…,an)= IMPWA(a,a,…,a)=a 系下的群休决策共识问题。假设存在专家集E={e1,,, b)单调性。设a=(p,a:、2)和m=(,)(m>2),且专家间存在可表示为n1>2>…>n的线性有 (i=1,2,…,n)为两组直觉乘法数,若对于任意i存在a;≤a; 序优先关系,即c优先等级高于ek(j<h),备选方案集X 则 x1,x2,…,xn}(n>2),专家e;结合直觉乘法数对方案集X进 IMPWA(a1,a2,…,an)≤ IMPWA(a1,a2 行偏好评价,得到直觉乘法偏好关系P1=()nx(i=1,2, c)有界性。设a-(p,G)(-1,2,…,)为一组直觉乘m)。其中,p=(p,o“),p表示专家e1认为方案x优于方 法数,若a=( min S.},max1a,}),a+=(mx1p1,min案x的程度,表示专家e认为方案x优于x的程度,且满 G4}),则 足条件109≤p,a≤9,p0“≤1,p=a,1=p,p= r≤ IMPWA(t1,2,…,xn)≤r 定义8设a1=(p1,O1)(i=1,2,…,n)为一组直觉乘法 基于上述假设,从成对方案、单一方案和偏好关系三个方 数,设 IMPWG:M"→M,若 面提出直觉乘法偏好关系下群决策的共识度和接近度指标,前 者用于度量所有专家偏好信息之间的一致性程度,后者用于度 IMPWG(a1,α2,…'mn)=a1%ja2x/⑧…⑧anx}1;(7)量专家偏好信息与 IMPWG算子集结后群体偏好信息之间的 其中:M为直觉乘法集,T=∏κs(αxk)(i=2,3,…,n),T1=1,相似程度;根据决策事件本身重要程度预先设定共识度阈值 s(a4)为式(2)定义的直觉乘法数a的距离函数值,则称IⅦPy,在偏好关系全局共识度未达共识度阈值时通过改进策略准 WG为直觉乘法优先加杈几何算子。结合定义2中直觉乘法确确定需要修正的偏好信息并反馈修正意见,直至全局共识度 数运算规则,可得到定理2。 达到可接受条件 定理2设m:=(p;,)(=1,2,…,n)为一组直觉乘法3.2共识度的计算 数,则通过 IMPWG算子的集结结果仍为个直觉乘法数,且 定义9对于任意对专家(e,e:)(i=1,2,…,m-1;= IMPWO(a1,a2,…,an) l1:(1+2a;)”2=1-1 i+1,…,m),其偏好关系分别为P=(P)nxn和P=(p“)nxn, 211 则称 1'j-II 1-l(p,“)1=1, (8 其中:T=∏=(a4)(i=2,3,…,n),T1=1,s(a)为式(2)定 为专家e和e对于成对方案(x,x2)给出的偏好信息之间 义的直觉乘法数a的距离函数值。 的相似度,进而得到相似度矩阼SM=(sm)nxn。其中, 定理2同样可由数学归纳法证明,具休步骤类似定理1的d(p,P)为直觉乘法数P与之间的标准 Manhattan距离。 证明,此处省略。北外,容易证明 IMPWG算子也具有 IMPWA 通过集结相似度矩阵,得到共识矩阵cM=(cm“)n,即 3678· 计算机应用研究 第34卷 m4=d(sm%,=1,2,…,mn-1=i+1,…,m)(10)息之间的相似度sm,通过算术平均算子得到共识矩阵CM= 其中:l=1,2,…,n;k=1,2,…,n;l≠h;为算术平均算子。根(cm)nn,进而分别求得群体关于成对方案、单方案和偏好 据式(10),进一步从成对方案、单一方案和偏好关系三个方面关系的共认度cp、a和cr。若全局共认度cr≥y或R>R 定义共识度指标。 则算法终止,转入步驟f);否则进入步骤c) 定义10群体关于成对方案(x,x4)的共识度为 c)结合专家优先关系,通过 IMPWG算子集结专家偏好信 cm,k=l ∧l≠k (11)息得到群体直觉乘法偏好关系P=(p)n计算不同专家 由式(11)可得群体关于单一方案x;的共认度为 偏好信息与群体偏好信息之间的接近度pm4,得到接近度矩阵 ∑ (12)PM=(pm)进而分别求得专家关于成对方案、单一方案 进而由式(12)确定群休关于偏好关系的全局共识度为 和偏好关系的接近度p、p2和pr d)首先,通过对比专家c关于偏好关系的接近度p与共 cr= (13)识阈值y确定非共识偏好的专家集,即 EXPCH=ipr<y}; 3.3接近度的计算 其次,通过对比专家e关于单一方案x1的共识度c与共识阈 值y确定非共识偏好的方案集,即ALT={x∈Xca<y};最 当专家之间的优先关系确定后,可通过 IMPWG算子对专 后,通过对比专家e关于成对方案(x1,x4)的接近度mp与共 家偏好关系进行集结,得钊群体直觉乘法偏好关系鬥= (n)nx,即 识阈倌γ确定最终非共识偏好集,即 p=MPwG(p1,p2,…,p)= PALT,-((x:, xk)Ix,c Ae, c EXPCH APp/<YI (19) e)针对识别准则确定最终非共识偏好集中的偏好信息 2I r:x-1 Ⅱ1(2+p)7E”1:-四/21 71(1-20y71-1)p,即(x1,∈PALT,依据其与对应群体偏好信息的距离函 数值进一步确定反馈给专家需要如何修正共偏好信息的修正 ,n∧l≠h (14)建议 定义11对丁专家偏好关系P=(n)x和群体偏好关 a)若s(n)>(m),专家e应适当降低其针对成对方案 系P=(4)nxa,称 (x1,x)给出的偏好评价值 1-d(p",p)l=1,2,…,n;k=1,2,…,n;l≠k(15) (b)若5(m)<s(p“),专家e1应适当提高其针对成对方 为不同专家偏好信息与群体偏好信息之间的接近度,进而得到案(x1,x)给出的偏好评价值。 接近度矩阵PM1=(m)xn。其中,d(p“,p)为直觉乘法数 (c)若专家e:对成对方案(x1,x)的偏好值进行修正,则对 与P4之间的标准 Manhattan i距离。 应成对方案(x,x)的偏好值也要进行调整,保证p=a 根据式(15)可以进一步从成对方案、单一方案和偏好关σ=p。设置R=R+1,转人步骤b) 系三个方面定义接近度指标。 f)输出迭代次数R以及修正后专家偏好关系 定义12专家e关于成对方案(x1,xA)的接近度为 3.5计算复杂度分析 p=pm4¥1,k=1,2,…,nAl≠k (16) 山式(16)可得专家e关于单一方案x的接近度为 本文提出的共识算法的计算复杂度主要体现在相似度矩 阵、共识度、 IMPWG算子和接近度的计算过程中。 (17) )相似度矩阵的计算复杂度。根据专家直觉乘法偏好关 进而,由式(17确定专家关丁偏好关系P=()的系P=(p)x(1=1,2,…,m)中含二参数的直觉乘法数n 接近度为 计算两两专家之间的相似度矩阵SM,=(sm)。n,根据定义9 可得相似度矩阵的计算复杂度为m( (18) b)共识度的计算复杂度。利用算术半均算子集结相似度 3.4共识算法 矩阵SM1=(m)x,得到群体关于成对方案的共认度q“ 在全局共识度cr未达到可接受条件的情况下,即cr<y, 其计算复杂度为m(m-1)n2/2;根据定义10可得样体关丁单 此时需要根据成对方案、单一方案和偏好关系三个方面的共识 方案的共识度ca与全局共识度cr的计算复杂度均为n。 度和接近度指标值,为专家提供修正其偏好值的相关建议,尽 c) IMPWG算子的计算复杂度。通过 IMPWG算子对专家 可能使全局共识度mr快速准确地达到阙值。木文构建了一种直觉乘法偏好关系P,=(n)(=1,2,…,m)中含二参数的 迭代反馈过程,提供包含识别准则和修正准则的改进策略,其直觉乘法数n进行集结得到群体直觉乘法偏好关系P= 中,识别准则可准确确定每一次迭代过程中需要进行修正的 (p.)n,a,其计算复杂度为2mn2 共识偏好集;修正准则通过对比非共识偏好集中偏好信息与对 d)接近度的计算复杂度。根据专家与群体直觉乘法偏好 应集结后群体偏好信息的距离函数值以确定为专家提俱的修关系中含二参数的直觉乘法数p与p,计算接近度矩阵 正建议。为了防止全局共识度难以收敛至共识度阈值的情况PM=(pm),则专家关于成对方案的接近度P的计算复 出现通过设定最大迭代次数Rm,得到直觉乘法偏好关系共杂度为2mn(n-1);根据定义12可得专家关于单一方案的接 识算法。 近度pul与偏好关系的接近度p1的计算复杂度均为n a)根据决策事件的重妻程度设置共识度阈值γ=0.5 1),迭代次数记为R=0 4算例分析 b)计算专家e;和e;对于成对方案(x1,x)给出的偏好信 某机械制造企业拟开发一种新型P系列破碎机,用于砂 第12期 王睿,等:基于优先集成算予的直觉乘法偏好关系共识模型 3679 石厂、矿山和水泥厂等行业。个业现制订有四个新产品开发方 (1.00,1.00)(2.40,0.27)(4.30,0.16)(0.49,1.34) 案X=x1,x2,x3,x},四位知识结构和领域经验不同的专家 (0.27,2.40)(1.00,1.00)(0.79,1,15)(2.55,0.21) E=∈1,e2,e3,e4},从破碎产量、产品适应性、产品精确性、设备 (0.16,4.30)(1.15,0.79)(1.00,1,00)(2.98,0.14 灵活性、运营成本和设备噪声六个方面利用直觉乘法数对备选 1.34,0.49)(0.21,2.55)(0.14,2.98)(1.00,1.00) 方案进行综合评估,四位专家之间具有优先关系 通过式(15)分别计算不同专家与群体偏好信息之间的接 ea,所得专家直觉乘法偏好关系具体如下 近度pm“,得到接近度矩阵PM2=(pm“)nn如下 -0.930.960.91 0.850.920.93 (1,1)(3,1/5)(4,1/7)(1/3,2) 0.920.93 n=(15,3)(1,1)(3/5,5/3)(2,1/5) 0.960.92 84/1=/0.85 0.970.95 (1/,4)(5/3,3/5)(1,1)(6,1/8) 0.8 0.920.97 0.9 0.910.930.84 (2,1/3)(15,2)(18,6)(1,1) 0.550.920.68 (1,1)(4,1/7)(6,1/7)(3/5,1) 0.55 0.790.90 0.76 0.850.89 n2=017.4)(1,1)(4/5,1)(3,16) PM 0.91 0.85 0.98 (1/7,6)(1,4/5)(1,1)(2,1/7) 0.680.900.91 0.91.890.98 3/5)(16,3)(1/7,2)(1,1) (1,1)(13,2)(3,1/5)(2,1/3) 由此可得,专家关于成对方案的接近度p即为接近度矩阵中 (2,1/3)(1,1)(2,1/2)(4,1/5) 对应元素,根据式(17)求得专家关于单一方案的接近度,如表 (1/5,3)(1/2,2)(1,1)(2,1/6) 1所示。最终由式(18)确定专家关于偏好关系的接近度分别 (13,2)(154)(1/6,2)(1,1) 为mr1=0.91,p2=0.92,p3=0.79,p4=0.89。 (1,1)(7.1/8)(5,1/6)(1/3,2) 表1专家关于单一方案接近度 /(18,7)(1,1)(1,3/5)(2,13) (1/6,5)(3/5,1)(1,1)(3,18) m-0.93px3-0.900-0.89 0.93 (1,1) 应用本文提出的基于优先集成算子的直觉乘法偏好关系 4=0.93 共识模型具体步骤如下: d)首先,通过对比专家关于偏好关系的接近度rr1与共识 a)新产品开发成功与否涉及企业的长远发展,意义重大。阈值y确定需要非共识偏好的专家集,即KXPI=ip;< 因此,对于专家偏好信息共识度提出较高要求,设置共识度阈0.85}={e3};其次,通过对比专家关于单一方案的接近度c与 值y=0.85,迭代最大次数Rm=5c 共识阈值y确定非共识偏好的方案集,即AT={x∈X|< b)根据式(9)计算不同专家偏好信息之间的相似度Mmn,0.85}={x1,x2,x};最后,根据式(19)确定最终非共识偏好集 得到对应相似度矩阵SM=(m)xn如下: 为PAIT3=|(x1,x2),(x1,x4),(x2,x1),(x2,x3),(x4,x1) 0.920.910.84 0.40.920.59)因此,需要进行修正的偏好信息分别为P3v24m3y3和P 0.92 0.880.91 0.730.84 SM12= sM=0.920.73 e)出于s(p34)>s(p)、S(p3)>s(p。)、(p3)>(p2) 0.910.88 0.75 0.75 s(n2)<s(p2)以及s(p3)<s(p),所以专家e3需要降低前 0.840.910.75 0.590.840.75 三个偏好评估信息,提高后两个偏好评估信息,并调整p3,得 0.8」 SM 0.910.77 084/S2=0 0.790.89 到修正后专家e3给出的直觉乘法偏好关系如下 0.840.79 0.96 (1,1)(2,1/3)(3,1/5)(4/5,5/4) 1.000.880.84 0.730.890.96 =(13,2)(1,1)(1,45)(4,1/5 0.870.960.84 0.310.880.59 (1/5,3)(4/5,1)(1.1)(2,1/6) 0.840.84 (5/4.4/5)(1/5,4)(1/6,2)(1,1) 0.880. SM24= SM,/0. 0.960.88 0.91 0.88.84 0.91 设置R=1,转入步骤f)。 0.840.840.91 0.590. 0.9l f)根据式(9)重新计算不同专家偏好信息之间的相似度 结合算术平均算子利用式(10)集结相似度矩阵得到识Sm,得到对应相似度矩阵SM=(sm)nx如下 度矩阵如下: 0.920.910.84) 0.880.920.80 0.630.900. 0.880.91 0.75 0.63 0.820.87 CM 0.900.8 0.840.910.75 0.800.840.75 0.85 0.810.911.00 0.800.840.88 0.770.870.85 0.81 由此可得,群体关于成对方案的具识度e“即为共识度矩阵中s=090.7 0.770.88 0.80 0.950.89 SMog 0.840.950.96 对应元素,根据式(12)求得群体关于单一方案共识度分别为 0.880.84 0.880.890.96 ca=0.77,c3=0.77,ea=0.86,ca4-0.83,最终由式(13)确 0.870.960.84 0.710.880.80 定仝局共识度cr=0.81,显然cr<y,转入步骤c)。 0.87 0.880.84 0.930.84 c)已知四位专家之间具有优先关系e1>e2>e3>e4,结合 SM24= 0.960.88 09/351 0.880.93 0.91 式(8)利用 IMPWG算子对专家偏好关系进行集结,得到群体 0.840.840.91 0.800.840.91 偏好关系如下: 结合算术平均算子利用式(10)再次集结相似度矩阵得到 3680· 计算机应用研究 第34卷 共识度矩阵如下 17(1):4-13 0.830.900. [2 Herrera V E, Martinez L, Mata F, et al. A consensus support system CM/0 0.880.87 model for group decision-making problems with multigranular linguis 0.900.88 0.85 tie preference relations [J]. IEEE Trans on Fuzzy Systems, 2005 0.860.870.85 13(5):644-658 根据式(12)求得群体关于单一方案共识度分别为c [3 Cabrerizo F J, Heradio R, Perez I J, et al. A selection process based on 0.86,c2=0.86,c3=0.88,4=0.86,最终由式(13)确定此时 lditive consistency to deal with incomplete fuzzy linguistic informa lion [ J] Journal of Universal Camputer Science, 2010, 16(1) 全局共识度Cr=0.87,显然≥y,专家达成共识,偏好关系P1 P2、P3和P4可用丁后续决簧,共识算法终止,迭代次数为1。 「4张世涛,朱建军,刘小弟.基于重要度引导偏好识别修正的多粒度 本文方法相较于文献16]提出的基于兼容测度的直觉乘 语言共识模型J」.控制与决策,2015,30(9):1609-1616 汏偏好关系共识方法,其具体优势在于通过群体共识度与专家5 Wu Zhibin, Xu Jiuping. Possibility distribution-based approach for 接近度的计算可以直接确定非共识偏好信息集合,即算例中的 MAGDM with hesitant fuzzy linguistic information [J]. IEEE Trans PALT,={(x1,x),(x1,x4),(x,x1),(x,x1),(x4,x1)},且运 on Cybernetics,2016,46(3):694705 算简便」文献[16]中共识方法仅能初步识别非共识偏好专 [6 Xia Meimei, Xu Zeshui, Liao Huchang. Preference relations based on intuitionistic multiplicative information[J]. IEEE Trans on Fuzzy 家,而非共识偏好信息需要由计算该专家所有偏好信息与群体 Systems,2013,21(1):113-133. 信息间的耒容测度进一步确定,过程相对复杂,且其兼容测度[7] Yu Dejian,Meng6M,∠ hou ligang. nterval- alued multiplicative in 仍需完善,可能出现兼容测度值大于1,与其定义不符,如算例 tuitionistic fuzzy preference relations [J. International Journal of 中专家偏奷关系P1与群体偏好关系P。间的兼容测度为 Fuzzy Systems,2013,15(4):412-422. C(P1,P)=3.74 [8〗钱伟懿,牛琳琳.区间宜觉乘法偏好信息下的多属性决策方法 [J].计算机工程与应用,2015,51(5):121-125 5结束语 L9」杨艺,吕红霞,李延来,连续区间直觉乘法集结算予及其在群决策 中的应用[J].计算积应用研究,2017,34(10):2973-2977. 在多属性群决策中,专家将面临共识决策和选择决策两个「I0 I Yager R R. Prioritized aggregation operators「J. International Jour 决策过程。共识决策即通过修正个体极端评估信息使群体信 nal of Approximate Reasoning, 2008, 48(1): 263-274 息尽可能达到一定共识程度的一种决策。本文针对直觉乘法 L11 Yu Dejian, Wu Yingyu, Lu Ting. Interval-valued intuitionistic fuzzy 偏好关系背景下专家之间存在有序优先关系的共识决策问题, prioritized operators and their application in group decision making I JI. Knowledge-Based Systems, 2012, 30(6): 57-60 提出的直觉乘法优先加权平均 IMPWA)算子和直觉乘法优先[12]刘政敏,刘涪德,直觉正态模糊优先集结算子及其在群决策中的 加权几何(IⅦPWG)算」不仅满足幂等性、单调性和有界性等 应月[J].系统二程理论与实践,2016,36(2):494-504 性质,而且能够有效处理此类情形下专家信息的融合,拓隈了[13]徐泽水.AHP中两类标度法的关系研究[J].系统工程理论与实 直觉乘法优先集成算子的研究;构建的共识决策算汯能够准确 践,1999,19(7):97-101 确定非共识偏好集并反馈修正,决策过程简便且易于程序化,[14 Atanassov K T· Intuitionistic血 zzy sets[J.FuzξSets& Systems, 提高了共识汏策过程效率。最后,通过机械企业的新产品方案 1986,20(1):87-96 共识决簧案例验证该方法的可行性和有效性。未来研究方向151 Jiang Yuan, Xu zishui, Gao meng. Methods for ranking intuitionistic 可拓展夲文共识模型至区间直觉乘法偏好关系以及不确定直 multiplicative numbers by distance measures in decision making[ J] Computers Industrial Engineering, 2015, 88(C): 100-109 觉乘法偏好关系下群决策问题之中。 IG Jiang Yuan, Xu Zeshui, Yu Xia han. Compatibility measures and conl- 参考文献 sensus models for group decision making with intuitionistic multiplica- [1 Herrera V E, Cabrerizo F. Kacprzyk J, et al. A review of soft consen ive preference relations J I. Applied Soft Computing, 2013, 13 sus models in a fuzy environment [J. Information Fusion, 2014 (4):2075-2086 (上接第3674页) [23]叶蕾,杨震.基于小波变换和压缩感知的低速率语音编码方案 [16]叶蕾,杨震,三天荆,等.行昑梯观测矩阵、对偶仿射尺度內点重构 [J].仪器仪表学报,2010,31(7):1569-1575 算法下的语音压缩感知_J].电子学报,2012,40(3):420-434. 24 Candes E, Tao T Decoding by linear programming[ J]. IEEE Trans [1冂]季云云,杨震.基于自相关观测的语音信号压编感知[J].信号处 on Information Theory, 2005, 51( 12): 4203-4215 理,2011,127(2):207-214 25 Candes E, Romberg J, Tao T Stable signal recovery from incomplete [18]郭海燕,王天荆,杨震.DCT域的语舀信号自适应压缩感知[J and inaccurate measurements[ J. Communications on Pure and 仪器仪表学报,2010,31(6):1262-1268 Applied Mathematics, 2006, 59(8): 1207-1223 [19]孙林慈,杨震,叶蕾基于自适应多尺度压缩感知的语音压縮与重[26] Tropp J, Gilbert A C. Signal recovery from random measurements via 构[J].电子学报,2011,39(1):40-45 orthogonal matching pursuit J. IEEE Trans on Information Theo ry,2007,53(12):4655-4666 [0]郭海燕,杨震.基于近似KIT城的语音信号压缩感知[冂].电子与 [ 27] Needell D, Tropp J A. CoSa MP: iterative signal recovery from incom- 信息学报,2009,31(12):2948-2952 plete and inaccurate samples, 2008-01[R][SL.]: California Insti- [21 Jian Zhihua, Wang Xiangwen. A modified voice conversion algorithm tute of Technology 2008 using compressed sensing[ J_. Chinese Journal of Acoustics, 2014 L 28 Bjorck A Numerical methods for leasl sTares problems[M//A 33(3):323-333 slied Numerical Mathemat ics. 1996 [22]唐力基于小波分解的语音自适应压缩感知[].南京邮电大学[29] Higham N J. Accuracy and stability of numerical algorithms[ M]/so 学报:自然科学版,2012,32(2):64-68 ciety for Industrial Applied Mathematics. 2002

...展开详情
试读 6P 论文研究-基于优先集成算子的直觉乘法偏好关系共识模型.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分,得勋章
最新推荐
论文研究-基于优先集成算子的直觉乘法偏好关系共识模型.pdf 11积分/C币 立即下载
1/6
论文研究-基于优先集成算子的直觉乘法偏好关系共识模型.pdf第1页
论文研究-基于优先集成算子的直觉乘法偏好关系共识模型.pdf第2页

试读结束, 可继续阅读

11积分/C币 立即下载 >