《Expert Systems with Applications》:A fuzzy group decision-making method integrating cooperative game theory and quantum cognition for dynamic trust network
编辑推荐:
摘 要:在社会网络中的群决策(group decision-making)过程中,由于决策者(decision-maker, DM)的心理认知差异、信任关系波动及相互干扰效应,决策过程常表现出高度复杂性与不确定性。为解决此问题,本文提出一种融合合作博弈理论(c
摘 要:在社会网络中的群决策(group decision-making)过程中,由于决策者(decision-maker, DM)的心理认知差异、信任关系波动及相互干扰效应,决策过程常表现出高度复杂性与不确定性。为解决此问题,本文提出一种融合合作博弈理论(cooperative game theory)与量子认知(quantum cognition)的模糊群决策方法。首先,通过整合心理偏好感知(psychological preference perception)与个体边际贡献(marginal contribution),构建属性权重分配模型,以确定不同心理状态下DM对各属性的权重。其次,提出量子直觉模糊集(quantum intuitionistic fuzzy set, QIFS)来表示信任关系的动态模糊性,并通过两阶段信任修正模型刻画信任与贡献的交互演化机制。进一步,利用Kullback-Leibler散度(Kullback-Leibler divergence, KLD)测度DM间的干扰效应,计算方案的量子概率(quantum probability)以导出方案的最终排序。最后,以气象灾害应急响应为案例验证该方法的有效性。结果表明,DM的心理偏好与边际贡献在交互过程中呈现显著的动态耦合效应;心理偏好感知的变化会进一步影响群体贡献分布与信任机制的演化。该结果验证了本模型在刻画心理差异与信任动态性方面的有效性,能在复杂社会网络中实现更合理的群组排序。
研究背景与意义
在社会网络中开展的多属性群决策(multi-attribute group decision-making, MAGDM),常用于解决气象灾害应急等复杂问题。传统AHP、熵权法等静态赋权方法无法反映决策者(decision-maker, DM)心理认知状态(风险感知、信任态度)与合作贡献之间的动态耦合;现有信任模型多将信任视为固定参数或单向权重,缺乏双向动态反馈与非线性演化描述;量子概率理论虽可处理认知干扰(cognitive interference),但现有量子类贝叶斯网络(quantum-like Bayesian network, QLBN)多用余弦相似度或熵近似干扰角,难以精确量化DM间的不对称与非线性偏好干扰。为此,Yan Shuli、Xu Yizhao、Jian Liu与Francisco Javier Cabrerizo提出在统一框架下融合合作博弈Shapley值、量子直觉模糊集(quantum intuitionistic fuzzy set, QIFS)及基于Kullback-Leibler散度(Kullback-Leibler divergence, KLD)的相位映射,构建融合合作博弈与量子认知的动态信任网络模糊群决策模型,并以2024年云南昆明森林火灾应急处置为案例验证。研究表明心理偏好与边际贡献存在动态耦合,信任—贡献两阶段修正可刻画真实交互,KLD测度的量子干涉能更合理地融合群体偏好,该方法在《Expert Systems with Applications》发表,对异质群体与信任演化环境下的群决策具有理论与应用价值。
主要关键技术方法
研究人员采用以下关键方法:(1)将Sigmoid型心理偏好感知函数嵌入Shapley值框架,以DM心理感知强度调制其边际贡献,实现属性权重动态联动;(2)扩展直觉模糊集(intuitionistic fuzzy set, IFS)为量子直觉模糊集(quantum intuitionistic fuzzy set, QIFS),用概率幅表示信任(trust)、不信任(distrust)与犹豫(hesitation)的叠加与动态演化,建立两阶段信任修正模型描述信任与贡献的交互;(3)以Kullback-Leibler散度(KLD)构造偏好向量间的相位映射函数,量化DM间认知干涉角(phase/interference angle),在量子概率空间计算各备选方案量子测度并排序;(4)以2024年云南昆明森林火灾应急响应的气象、应急、消防、生态及地方政府多部门评估数据为案例,进行敏感性分析与对比分析验证模型。
研究结果
Problem description
研究人员形式化定义MAGDM基本要素:DM集合D={d1,d2,…,ds}(s≥3)及其权重Λ={λ1,λ2,…,λs},∑λk=1;备选方案集A={a1,a2,…,am}(m≥2);各DM对方案在多属性下的直觉模糊评价矩阵,明确问题求解目标为经动态信任与权重修正后的共识排序。
A weight allocation model for attributes considering psychological preference
研究人员构建含Sigmoid型心理偏好感知函数的Shapley值加权模型。先由合作博弈计算各DM的Shapley值表征其边际贡献,再以感知函数将心理偏好(风险感知、信任倾向)映射为调节因子与Shapley值耦合,得到反映"心理—合作"动态联动的DM综合权重,进而确定不同心理状态下各属性的客观—主观融合权重。结论:该机制能使属性权重随DM心理波动与合作效果非线性调整,克服传统静态赋权忽略交互反馈的缺陷。
Quantum intuitionistic fuzzy representation of trust and two-stage trust correction model
研究人员定义QIFS为|Q?=μ|μ?+ν|ν?+π|π?形式的概率幅叠加(μ为信任隶属度,ν为非信任/不信任隶属度,π为犹豫度),将传统IFS的三元组扩展至量子态表示。在此基础上设计两阶段信任修正:第一阶段依据DM间交互评价差异更新QIFS幅值,第二阶段依据DM在群决策中的边际贡献反馈修正信任度。结论:QIFS能有效表达信任、不信任与犹豫的共存与演化,两阶段模型可刻画信任随意见分歧、合作成效及风险预期变化的非线性动态修正。
Measurement of interference effect based on Kullback-Leibler divergence
研究人员将各DM对方案集的评价值投影为偏好概率向量,以两向量间KLD值经单调相位映射函数转换为量子干涉角θ,在QLBN中叠加各DM量子态时引入cosθ干涉项修正联合振幅,最终由量子测量得到各方案量子概率并排序。结论:相比余弦相似度(仅反映方向相似性)和熵(仅反映离散度),KLD同时捕捉偏好分布强度差异与方向性不对称,更精确量化DM间认知干扰,提高群体偏好融合的解释力与排序合理性。
Case analysis (Forest fire emergency response in Kunming, Yunnan, 2024)
研究人员选取2024年4月云南昆明严重森林火灾应急处置为背景,由气象部门、应急管理部门、消防单位、生态保护办公室及地方政府五位DM对四种应急响应方案从准确性、受灾程度、资源分布、优先级需求等多属性进行直觉模糊评价,输入所建模型。经敏感性分析(变动心理偏好参数与初始信任值)及与传统熵—AHP加权法、普通IFS信任模型、无干涉量子模型对比,所提方法排序结果更稳定,对关键方案区分度更高,且随心理偏好与信任初值变化呈现出符合实际的动态响应。结论:模型能有效融合异质DM心理差异与动态信任关系,案例验证其在复杂应急群决策中的实用性与鲁棒性。
讨论(Conclusion部分翻译/总结)
研究人员得出结论:(1)提出的含心理偏好感知的Shapley—Sigmoid赋权机制实现了DM心理状态与合作边际贡献的动态耦合,可描绘群体内权重转移效应;(2)量子直觉模糊集(QIFS)与两阶段信任修正模型成功表征了社会网络中信任关系的模糊性、双向性及随时间与非线性交互的演化特征;(3)基于Kullback-Leibler散度的相位映射能较余弦相似度与熵更准确地度量DM间认知干涉角,揭示量子概率空间中群体偏好的干涉效应并提升融合可解释性。该融合合作博弈理论与量子认知的模糊群决策方法,弥补了传统MAGDM模型在"心理—合作—信任"交织动态描述上的结构局限,可为复杂社会网络与应急环境下的科学群决策提供理论支撑与实践工具。