申请/专利权人：南京信息工程大学

申请日：2024-02-01

公开（公告）日：2024-05-17

公开（公告）号：CN117709681B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/26;G06F18/2337;G06F18/22;G06F17/16

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了考虑不完全异质性偏好和个体行为的大群体突发灾害应急决策方法，包括以下步骤：（1）获取多个应急决策专家的决策偏好矩阵；（2）根据所述不完全偏好关系,补全偏好矩阵中的残缺值,通过优化模型获取群体意见,并采用改进的K均值聚类算法将所有决策者聚类成若干子群,获取各个集群的偏好矩阵；（3）根据所得集群偏好矩阵和群体意见,基于构建的反馈迭代共识调整机制更新集群共识水平和群体共识水平；（4）利用更新后的偏好矩阵和权重值进行迭代,获取最终选择的大群体应急案；本发明更高效地提高群体共识程度,进而促进共识的形成。

主权项：1.考虑不完全异质性偏好和个体行为的大群体突发灾害应急决策支持方法，其特征在于，包括以下步骤：（1）获取多个应急决策专家的决策偏好矩阵；具体如下：包括：不完全乘性偏好关系和不完全模糊偏好关系；其中，不完全乘性偏好关系公式如下： ；其中，n表示备选方案的数量，采用Saaty的1-9标度法定义表示备选方案对于的偏好程度；若备选方案对于的偏好程度未给出，则为None；不完全模糊偏好关系公式如下： ；其中，表示备选方案对于的偏好程度，若备选方案对于的偏好程度未给出，则为None；将异质性偏好转化为统一形式：将不完全模糊偏好关系转化为不完全乘性偏好关系,具体转化过程如下： ；统一后的偏好矩阵表示形式为：即所有偏好关系都转化成乘性偏好关系；（2）根据不完全偏好关系，补全偏好矩阵中的残缺值，通过线性规划模型获取群体意见，并采用改进的K均值聚类算法将所有决策者聚类成若干子群，获取各个集群的偏好矩阵；包括以下步骤：（21）补全缺失值：对于不完全偏好表示矩阵，包括两种不同的可能情况补全偏好矩阵中的缺失值：首先，定义如下公式： ； ； ；其中，表示残缺值集合，表示完整值集合，表示偏好关系中所有元素集合；情况1为：且即针对方案i、j，方案j对方案i的偏好情况已知，方案i对方案j的偏好情况未知；根据乘性偏好关系的互反性性质可得，此时，；情况2为：且即针对方案i、j，方案j对方案i的偏好情况未知，方案i对方案j的偏好情况也未知；根据已获得的残缺型偏好关系,构建集合满足 ；则残缺偏好值估计公式为： ；其中，m表示集合中变量的个数，利用偏好矩阵的互反性质可得残缺值；（22）对偏好表示矩阵进行标准化处理，得到标准化后的乘性偏好矩阵；（23）获取群体偏好意见；具体如下：首先，设群体意见为，其中为w向量；将向量w形式转化为矩阵形式D即；并对群体偏好意见进行标准化处理,得到标准化群体偏好矩阵；然后，引入标准化处理后的修正的余弦相似度作为距离刻画方式；其中，表示个体意见之间的相似度；、分别表示个体偏好关系、中的每一列向量；（24）构建优化模型获取群体意见,模型如下： ；其中，、分别为使用乘性偏好关系和模糊偏好关系表示自身偏好的决策者的集合，表示参与此次群决策的决策者数量，表示对应决策者的权重；（25）利用改进的K均值算法聚类；包括以下步骤：（251）聚类中心初始化：首先,设置聚类中心个数K；第1轮将标准化后的群体意见作为聚类的第1个中心；第2个中心指定为与第一个聚类中心距离最远、即相似度最小的数据点；然后,在剩余所有数据点中选取与前两个聚类中心相似度均较小的数据点作为第三个聚类中心；通过确定第h+1个聚类中心；最后,重复上述过程,直到所有初始聚类中心均指定完毕；其中，第t次迭代过程中集群对应的聚类中心；（252）聚类中心迭代：运用K-均值聚类算法进行迭代,数据点之间的距离通过偏好相似度来衡量，即聚类中心点通过计算该集群中所有决策者标准化后偏好矩阵的均值进行更新；（253）聚类停止规则：当达到预设的最大聚类迭代次数或者各个集群聚类中心稳定不变时聚类过程停止；（3）根据所得集群偏好矩阵和群体意见，基于构建的反馈迭代共识调整机制更新集群共识水平和群体共识水平；包括以下步骤：（31）计算集群共识水平和群体共识水平：首先,通过计算集群最终聚类中心与该轮群体意见之间的相似度作为该集群的共识水平公式如下： ；其中，表示集群聚类中心的每一列向量；群体共识表示为集群共识的线性加权和： ；集群的初始权重向量通过多数原则确定；其中，表示集群中的数据点个数；然后,设置群体共识水平阈值和机制最大迭代次数，其中与当前决策的紧迫程度呈负相关；当时,机制停止迭代，当前迭代轮中的群体意见即为最终群体意见；时,判断当前决策者个体行为对群体共识的影响；（32）识别少数意见：针对群体共识较低的情况,识别群体中是否存在少数意见并对少数意见群体的权重进行调整；包括以下步骤：（321）定义并识别少数意见：设当前迭代次数中存在一集群，当且仅当满足以下条件才能够将集群视为少数意见集群： ；其中，表示集群中决策者的个数，为取整函数，表示不超过内的最大整数；（322）判断该集群提供的意见是否有意义：其他所有决策者针对上述少数意见进行讨论并判断该意见是否合理,给出整个集群对该少数意见的支持不支持态度；（323）对少数意见集群的权重进行更新：首先,统计步骤（322）中支持少数意见的集群个数，根据半数定理计算支持少数意见的集群个数与所有剩余集群数量一半的差值： ；当且仅当才能认为该少数意见合理并需要对该集群权重进行更新；其中，集群的权重向量为对该权重向量进行升序排序可得： ；其中，表示第s大的权重值,则少数意见集群对应的权重可更新为： ；其中，表示考虑少数意见重要程度下集群权重的更新值，表示第t轮迭代过程中集群的最大权重；然后将调整后的集群权重归一化处理后,得到新的集群权重： ；最后,将集群权重表示个体权重,代入优化模型中计算群体意见；（33）管理非合作行为：若在群体中不存在少数意见的情况下,群体共识水平仍较低,则识别群体中是否存在非合作行为并进行管理,修改非合作决策者的意见并调整其权重；包括以下步骤：（331）定义并识别非合作行为,包括两种非合作行为：类型1：集群偏好与群体偏好之间存在显著差异,即两者相似度较小；类型2：集群内的决策者拒绝根据所提供的建议改变自身偏好或改变量较小；针对非合作行为类型1,定义不合作程度系数和阈值；当，则认为集群在第t轮迭代过程中满足非合作行为类型1的特征；针对非合作行为类型2,定义第g个决策者在第t轮的调整量： ；其中，表示第t-1轮群体偏好意见，表示第t-1轮决策者g的偏好意见；定义在第t轮迭代过程中集群内所有决策者的偏好总调整量： ；调整前集群内所有决策者与群体意见之间的偏差： ；定义不合作程度系数和阈值；当则认为集群在第t轮迭代过程中满足非合作行为类型2的特征；（332）针对存在非合作行为的集群调整内部决策者的个体偏好：识别非合作行为后,对存在非合作行为的决策者偏好意见进行改进,即进行偏好意见调整,具体调整步骤为： ；（333）对存在非合作行为的集群进行权重惩罚：采用部分权重惩罚法,公式如下： ；其中，为集群进行部分惩罚后的权重值，取不合作程度系数和，为惩罚参数；对所得的权重进行归一化处理后,得到t+1轮每个集群的权重；将集群权重表示个体权重,更新每个决策者的权重,得到t+1轮的群体意见；（4）利用更新后的偏好矩阵和权重值进行迭代，获取最终选择的大群体应急方案。

全文数据：

权利要求：

百度查询： 南京信息工程大学 考虑不完全异质性偏好和个体行为的大群体突发灾害应急决策方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD