融合心理特征与主观能动性的不确定概率语言偏好关系动态多阶段群决策方法研究

为解决多阶段群决策(GDM)中专家心理特征与研究对象主观能动性被忽视的问题，研究人员提出融合后悔理论(RT)与概率语言术语集(PLTS)的动态决策框架。通过构建多阶段概率语言Choquet幂平均(MPLCPA)算子和PL-RT-GRA方法，实现了考虑专家话语权与后悔心理的供应链韧性评估。该研究为复杂不确定环境下的长期决策提供了创新工具，发表于《Expert Systems with Applications》。

　　

在现实决策场景中，专家往往面临信息模糊、时间跨度长且需兼顾心理活动的复杂挑战。传统群决策(GDM)方法多聚焦静态单阶段评估，既忽视研究对象面对评价结果可能采取的主动调整行为，也鲜少量化专家因偏离最优选择产生的后悔心理。这种局限性在供应链韧性评估等长期决策中尤为突出——企业会根据阶段性评价改进策略，而专家的风险偏好会显著影响决策结果。

针对上述问题，中国研究人员创新性地将主观能动性概念引入多阶段GDM框架，结合概率语言术语集(PLTS)和后悔理论(RT)，开发出动态决策方法。研究首先构建长期视角的多阶段评估体系，专家使用PLTS（能同时表达语言术语及其概率分布的模糊集）描述不确定偏好；随后设计多阶段概率语言Choquet幂平均(MPLCPA)算子，在聚合信息时同步捕捉专家话语权与后悔态度；进而建立综合主客观信息的阶段权重优化模型；最终提出PL-RT-GRA方法，通过灰色关联分析(GRA)量化备选方案关联度，同时融入后悔-欣喜值来反映心理波动。该方法应用于供应链韧性评估案例显示，其既能跟踪企业动态改进过程，又能降低因专家非理性导致的评估偏差。

关键技术包括：(1)基于PLTS的模糊信息表达；(2)融合λ模糊测度的MPLCPA算子构建；(3)结合阶段内差异性与专家主观偏好的权重优化模型；(4)嵌入RT的PL-RT-GRA动态排序算法。研究数据来源于专家对供应链企业多阶段表现的评估矩阵。

研究结果
• 多阶段GDM框架设计：通过时间维度划分决策阶段，建立包含4个企业、5个评估指标的三年期动态评估体系，突破传统静态决策局限。
• MPLCPA算子开发：引入Choquet积分处理PLTS元素交互作用，功率平均算子降低异常值干扰，实证显示该算子能有效平衡专家话语权差异。
• 阶段权重确定：优化模型求解得阶段权重向量(0.35,0.40,0.25)，敏感分析证实参数ρ（风险规避系数）在0.3-0.7区间时结果稳健。
• PL-RT-GRA方法应用：当后悔规避系数α=0.5时，企业排序为A₃
?A₁
?A₄
?A₂
，与TOPSIS等方法对比显示该方法能更好捕捉企业韧性动态变化。

结论与讨论
该研究通过三重创新推动GDM理论发展：方法论上，首次将主观能动性作为内生变量纳入决策流程；技术上，MPLCPA算子解决了PLTS在交互环境下的聚合难题；应用上，PL-RT-GRA框架为疫苗分配、医疗资源调度等需兼顾长期效果与心理因素的决策提供范式。局限在于未考虑专家动态更替场景，未来可结合大语言模型优化PLTS生成效率。论文由Weimin Ma团队完成，成果发表于《Expert Systems with Applications》，其阶段权重优化策略已被引申应用于碳中和发展潜力评估领域。