题目：一种基于多参照面的多准则排序方法在群决策中的偏好建模问题的研究

我们主要研究一种基于多参照面的多准则排序模型，即RMP模型的偏好提取算法。在多准则决策辅助领域，RMP模型是一类用于解决多准则排序问题的定性分析模型。我们集中研究一种简化的RMP模型，即S-RMP模型。该模型对准则集间的重要性关系做加法分解，是一种基于级别高于关系的多准则排序方法。在多准则决策辅助问题中，只有考虑到决策者的个体偏好，最终的推荐决策才具有真正的实际意义。因此，在解决问题时，我们需要恰当地选择利用偏好聚合模型（如S-RMP模型），从而获得尽可能贴近决策者偏好的推荐结果。于是，我们需要事先提取决策者的偏好模型。通常，我们可以利用决策者提供的作为依据的成对比较信息，通过构造并求解混合整数规划问题，来确定模型的参数值。然而，当作为依据的参考信息本身包含前后不一致的成对比较结果时，目前现有的针对S-RMP模型的偏好提取算法在大多数时候就不能发挥应有的作用了。本文中，我们依据现有的算法，设计了新的与上述问题相适应的针对S-RMP模型的偏好提取算法，它根据谨慎原则对参考信息的前后不一致性进行处理。同时，我们重新定义了偏好提取过程中涉及的混合整数规划问题。为了测试新算法的性能，我们又设计了一系列的虚拟循环实验，并从实践的角度对新算法进行了评估。最后，给出了数值试验的统计结果和经验结果，并且讨论了新算法的局限性和可能的后续改进思路。研究中，我们利用Java编程语言，借助CPLEX优化器，实现了一些不同的S-RMP模型偏好提取算法，并进行了一些实验和比较。程序的输入和输出数据流均采用了由XML架构定义的XMCDA标准。此外，我们对程序进行了模块化的设计，这些模块按功能划分。这就意味着，模块之间可以重新组合，以满足后续工作中的不同研究目的和实际需求。