群决策就是从群体专家对不同方案的异质偏好信息中导出一个最优方案。在最佳方案确定之前，通常有两个过程：（1）共识达成过程；（2）选择过程。第一个过程是专家对方案达成最大的共识度，而第二个过程则是通过专家个体对方案的判断导出方案排序。
目前对专家给出的偏好形式以模糊互补判断的专家共识模型做了大量的研究。通常在初始阶段，专家之间的共识度很低，因此一般通过建议专家修改其偏好，逐步达成一致意见。但是在修改专家建议的过程中，现有的方法尽管能够提高共识度，但是往往最后修改的偏好与专家的原始偏好显著的不同，因而使得专家的原始判断失真。我们认为，群体决策应该尽可能地利用专家的原始信息来获得最优方案。如果专家的意见显著地扭曲，导出的解势必是可疑的。为了获得一个可靠的解，决策模型应该尽可能的维持专家的原始信息。为此，我们提出了一个新的决策模型。
我们提出了基于距离法的模糊互补判断共识模型，该模型根据专家的偏好导出每个专家的权重向量，然后依此集结专家偏好得到群体偏好。提出了个体到群体的共识度（ICI）和群体共识度（GCI）指标，ICI用来评估个体与群体之间的偏离程度，并且在共识达成过程中用来决定个别专家是否需要调整其判断。GCI则是群体的共识水平，用来判断群体是否需要进行下一阶段的共识提高过程。在此基础上，提出了群体共识的算法。研究结果表明，与现有的算法比较，提出的算法具有以下特点：
（1）基于距离的共识模型可以自动地决定专家的权重。并且专家的权重随着其在共识过程中偏好的调整不断变化，这样可以充分利用专家的判断信息。
（2）在共识达成过程中，如果个体共识指标ICI大于某一阈值时，我们仅仅修改专家的一对与相应的群体偏好偏差最大的判断。
（3）通过引入ICI和GCI两个指标，提出的模型可以监测群体共识度和每个专家与群体之间的偏差。而且，在共识达成过程中，通过设置ICI略大于GCI，可以使得个体的判断的平均偏差能够略大于群体的平均偏差，提高了专家的决策灵活性。
该文以“Distance-based consensus models for fuzzy and multiplicative preference relations”在线发表在国际知名期刊《Information Sciences》上，论文链接：http://www.sciencedirect.com/science/article/pii/S0020025513005896。该研究得到了国家自然科学基金（项目编号：71101043, 71272129, 71271188）等项目的资助。
（作者为管理科学与信息管理系教授、博导）/_temp/350f437f-8d2e-40d3-b0ce-4a9011aa0e24.pdf
