多轮群体决策中专家权重动态分配方法

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

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

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

其中，

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

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；

2、本发明提出的多轮群体决策中专家权重动态分配方法，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。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是本发明一种多轮群体决策中专家权重动态分配方法的流程图。

具体实施方式

为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。

本实施例是将本发明提出的多轮群体决策中专家权重动态分配方法应用于某评估问题，包括如下步骤：

步骤1，收集专家决策数据：在第1轮和第2轮收集到10位专家采用云模型表示的决策数据，分别如表1和表2的第2列所示；

表1第1轮决策数据及计算结果

表2第2轮决策数据及计算结果

步骤2，计算决策数据质量：计算各位专家在第1轮和第2轮的决策数据质量，包括不确定度

第1轮的计算结果如表1的第3、4列所示，第2轮的计算结果如表2的第3、4列所示；

步骤3，计算行为演化质量：计算各位专家在第1轮和第2轮的行为演化质量

其中，

第1轮的计算结果如表1的第5列所示，第2轮的计算结果如表2的第5列所示；

步骤4，计算专家权重：计算各位专家在第1轮和第2轮的权重

本实施例中t＝2，p＝10，并取α＝0.2,β＝0.4,γ＝0.4；

第1轮的计算结果如表1的第6列所示，第2轮的计算结果如表2的第6列所示；

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1轮和第2轮的群体决策结果，分别为

至此，通过上述5个步骤完成了多轮群体决策中的专家权重动态分配，并计算得到了各轮的群体决策结果。

综上所述，本发明通过定量计算决策数据质量和行为演化质量，实现了多轮群体决策中专家权重的动态分配。该方法可以应用于不同领域中基于多轮群体决策的专家权重分配，例如基于专家群体的复杂系统评估、人才评价、项目评审等。

上述实施例仅示例性说明本发明的方法步骤及其核心思想，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。