[发明专利]多轮群体决策中专家权重动态分配方法

说明书

本发明公开一种多轮群体决策中专家权重动态分配方法，含有收集专家决策数据、计算决策数据质量、计算行为演化质量、计算专家权重、计算群体决策结果五个步骤。通过定量分析决策数据的不确定度和不一致度，计算得到决策数据质量；通过定量分析专家在第t轮和第t‑1轮决策数据的不确定度和期望的演化特征，计算得到行为演化质量；根据决策数据质量和行为演化质量计算得到专家权重；采用云模型的加权平均算法计算得到群体决策结果。所述方法利用云模型表示专家的决策数据，增强了定量计算决策数据质量和行为演化质量的简便性，同时提高了专家权重分配的合理性，促进了群体共识达成。

技术领域

本发明属于群体决策领域，特别涉及到一种多轮群体决策中专家权重动态分配方法。

背景技术

群体智能是处理许多复杂现实问题的有效工具，人类依靠委员会、专家团队、任务小组等社会群体做出许多重要的决策。单一决策者很难兼顾复杂问题的方方面面，通过许多人合作并分享知识，群体决策利用“群体智慧”应对日益复杂的现实问题。目前，群体决策技术得到了广泛的应用。为了获得稳定、可靠的群体决策结果，一般采用多轮的迭代反馈过程提高群体共识度。

在群体决策中，通常给参与决策的不同专家分配不同大小的权重。专家权重的大小主要由其决策信息的质量决定。为了合理确定专家权重并促进群体共识达成，应该同时考虑专家的决策数据质量和行为演化特征来动态分配专家权重。鉴于此，提出了一种多轮群体决策中专家权重动态分配方法，通过定量计算决策数据质量和行为演化质量，建立专家权重的动态分配算法。

发明内容

本发明的目的是：为了在多轮的群体决策中合理确定专家权重并促进群体共识达成，而提出一种专家权重动态分配方法。

为实现上述技术目的，本发明采用的技术方案如下：

多轮群体决策中专家权重动态分配方法，含有收集专家决策数据、计算决策数据质量、计算行为演化质量、计算专家权重、计算群体决策结果五个步骤，各步骤的具体实现方式为：

步骤1，收集专家决策数据：

在第t轮，收集专家i采用云模型表示的决策数据

不失一般性，设论域为0～10，那么决策数据满足且

步骤2，计算决策数据质量：

计算专家i在第t轮的决策数据质量，包括不确定度和不一致度

步骤3，计算行为演化质量：

计算专家i在第t轮的行为演化质量η为权重因子且0η1；

其中，

为第t-1轮计算得到的群体决策结果的期望值；

步骤4，计算专家权重：

计算专家i在第t轮的权重为

其中，α、β、γ分别为不确定度不一致度行为演化质量的权重因子，0α1、0β1、0γ1且α+β+γ＝1；

步骤5，计算群体决策结果：

采用云模型的加权平均算法计算第t轮的群体决策结果

其中，云模型的加权平均算法为

由于采用如上所述技术方案，本发明能获得如下有益效果：

1、本发明提出的多轮群体决策中专家权重动态分配方法，同时考虑专家的决策数据质量和行为演化特征来动态分配专家权重，提高了专家权重分配的合理性，并促进了群体共识达成；