基于直觉模糊集与强化学习驱动的多层群体共识决策方法技术

为了解决现有多属性群体决策权重调整机制动态适应性不足的问题，本发明专利技术提供一种基于直觉模糊集与强化学习驱动的多层群体共识决策方法，步骤包括：初始化专家权重并收集专家以直觉模糊数表达的偏好矩阵；将专家权重确定问题形式化为马尔可夫决策过程，定义强化学习要素；依据当前专家权重及偏好矩阵，计算多层专家个体共识度和群体共识度，未达阈值时根据权重动态调整机制调整权重并参数化修正低共识专家意见；专家权重调整及不合理专家意见参数化调整后，重新计算群体共识度，若达到阈值则输出最终专家权重与偏好矩阵，否则继续迭代至群体共识达标；最终融合调整后权重与偏好矩阵，采用直觉模糊算子计算方案得分排序。

【技术实现步骤摘要】

本专利技术属于群体决策，具体为一种应用于医疗资源规划的基于直觉模糊集与强化学习驱动的多层群体共识决策方法。

技术介绍

1、多属性群体决策是人工智能与决策科学的重要研究分支，作为多属性决策与群体决策的交叉研究领域，其实质是通过多位专家基于多属性准则对有限方案进行评估，进而通过信息集成实现方案排序与择优，核心价值在于构建科学化的集体智慧决策体系。该理论通过整合多源异构信息与群体认知差异，能够有效解决复杂决策情境中的难题。共识达成机制作为该理论体系的创新内核，通过设计动态反馈调节算法与偏好协调策略，不仅提升了决策方案的群体接受度，更重要的是构建了科学民主的决策生态系统—在数据驱动层面确保决策依据的客观性，在价值整合维度保障多方诉求的兼容性，最终形成兼具专业性与可执行性的优化决策方案。这种决策范式为多种复杂问题中提供有效的解决方案。目前群体共识达成方法已被应用于医疗资源规划、医疗服务选择、城市发展潜力预测等实际场景。

2、在多属性群体决策领域，直觉模糊集(intuitionistic fuzzy sets,ifs)通过隶属度、非隶属度和犹豫度的三元表达本文档来自技高网...

【技术保护点】

1.一种基于直觉模糊集与强化学习驱动的多层群体共识决策方法，其特征步骤包括：

2.根据权利要求1所述的基于直觉模糊集与强化学习驱动的多层群体共识决策方法，其特征在于，步骤S1所述专家以直觉模糊数表达的偏好矩阵，具体为：u位决策专家E＝{e1,e2,...,en}(n≥20)构成群体参与决策，eu表示第u位决策专家，1≤u≤n；群体决策专家针对决策事件给出p个可行备选方案以及m个属性集合；方案集为A＝{A1,A2,...,AP}，属性集为C＝{C1,C2,...,Cm}，Ai表示第i个方案；Cj表示第j个属性；决策专家权重为W＝{w1,w2,...,wn}，wu表示第u个决策专...

【技术特征摘要】

1.一种基于直觉模糊集与强化学习驱动的多层群体共识决策方法，其特征步骤包括：

2.根据权利要求1所述的基于直觉模糊集与强化学习驱动的多层群体共识决策方法，其特征在于，步骤s1所述专家以直觉模糊数表达的偏好矩阵，具体为：u位决策专家e＝{e1,e2,...,en}(n≥20)构成群体参与决策，eu表示第u位决策专家，1≤u≤n；群体决策专家针对决策事件给出p个可行备选方案以及m个属性集合；方案集为a＝{a1,a2,...,ap}，属性集为c＝{c1,c2,...,cm}，ai表示第i个方案；cj表示第j个属性；决策专家权重为w＝{w1,w2,...,wn}，wu表示第u个决策专家的专家权重，且满足表示专家eu的决策偏好矩阵，元素表示专家eu对方案ai中属性cj的决策偏好值。

3.根据权利要求2所述的基于直觉模糊集与强化学习驱动的多层群体共识决策方法，其特征在于，步骤s2所述定义状态向量、动作向量、即时奖励及权重分布新状态，具体为：

4.根据权利要求3所述的基于直觉模糊集与强化学习驱动的多层群体共识决策方法，其特征在于，步骤s3所述计算属性层面、方案层面、专家层面及群体层面的多层专家个体共识度和群体共识...

【专利技术属性】
技术研发人员：杜秀丽，程伟龙，高星，潘成胜，吕亚娜，
申请(专利权)人：大连大学，
类型：发明
国别省市：