基于复杂网络理论的群体决策专家影响力传播模型构建及其在绿色材料选择中的应用

本文提出了一种基于复杂网络理论的大规模群体决策(LSGDM)新框架。通过改进Louvain算法实现专家社区高效聚类，创新性地构建了社交网络中专家影响力传播模型(communicability-driven)，结合ELICIT信息表达和BWM-SEM混合权重法，在绿色材料选择案例中验证了该方法可降低9.89%意见修正成本并加速共识达成。

　　

Highlight
本研究亮点：

1. 采用基于复杂网络分析的增强版Louvain算法，实现大规模专家群体的精准社区分类，提升决策效率；
2. 创新设计社交网络中的专家传播影响力模型，通过量化专家交互作用动态反映真实信息流动；
3. 将最佳-最差法(BWM)和香农熵法(SEM)扩展至模糊信息领域，主客观权重平衡使决策更具解释性。

Conclusion
研究结论表明：

1. 改进的Louvain算法使专家网络维度降低，决策准确率提升；
2. 新提出的传播影响力模型能有效捕捉专家交互动态，实验显示可减少9.89%意见修正成本；
3. BWM-SEM混合权重法在ELICIT信息环境下展现出优越的权衡能力。该框架为复杂网络科学在决策科学中的跨学科应用提供了新范式。