【题目】基于增量偏好引出的多准则分类非单调偏好学习方法

【时间】2025年12月15日（星期一）下午14：30

【地点】大学城校园文2栋301会议室

【主讲人】张震教授

【主持人】韩卫彬副教授

【内容摘要】

在多准则决策分析中，通常存在需要将多个方案分配到预先定义的有序类别的多准则分类问题。在这类问题中，决策者通常难以直接给出准则的效用函数和分类阈值等偏好信息，因此，基于偏好分解范式的多准则分类偏好学习问题受到了广泛的关注。偏好学习问题需要决策者提供关于参考方案的案例指派信息，通过构建模型推断出决策者的偏好。相比一次性提供所有的案例指派信息，增量偏好引出过程可以有效降低决策者的认知负担，以提高决策的效率。本报告将介绍一种基于增量偏好引出的多准则分类非单调偏好学习方法。该方法通过构建最大边界优化模型，对增量偏好引出过程中决策者提供的不一致间接偏好信息进行建模。在此基础上，设计基于主动学习的参考方案选择策略，并使用最大边界优化模型和复杂度控制模型确定代表性多准则分类模型，推断决策者的偏好。

【个人简介】

张震，大连理工大学系统工程研究所教授、博士生导师，入选“兴辽英才计划”文化名家暨“四个一批”青年英才。主要研究方向为决策分析、机器学习和粒计算，主持国家自然科学基金项目3项、辽宁省自然科学基金面上项目、中国博士后科学基金面上项目和大连市支持高层次人才创新创业项目各1项。在Springer Nature出版专著1部，在EJOR、Omega、IEEE-TSMC、IEEE-TCYB、IEEE-TCSS等国内外重要学术期刊和会议发表论文80余篇，其中ESI高被引论文22篇，在谷歌学术被引用4300余次。担任Artificial Intelligence and Decision Making (Springer Nature)丛书编委，Group Decision and Negotiation、Information Fusion、IEEE-TEM、International Journal of Computational Intelligence Systems和Kybernetes等期刊的副主编或编委，广西高校数字赋能经济发展重点实验室学术委员会委员、中国系统工程学会数据科学与知识系统工程专业委员会副秘书长，以及双法研究会智能决策与博弈分会等学会二级分会的常务理事和理事。