一种基于深度神经网络的学习软共识单位成本和权重的新方法

《Knowledge-Based Systems》:A novel method to learn unit cost and weight for soft consensus based on deep neural network

【字体: 大 中 小 】 时间:2026年01月18日 来源:Knowledge-Based Systems 7.6

编辑推荐:

  群体决策中的共识成本建模与专家权重分配问题传统上依赖主观判断易引入偏差。本文提出基于深度学习的双参数协同优化框架,通过自主学习单位共识成本参数与专家权重分布消除人工干预,构建软共识达成机制。仿真实验表明该模型在4人专家群体场景下较传统方法降低37.6%的决策成本,并通过多维度敏感性分析验证了参数设置的鲁棒性。研究首次实现深度学习在最小成本共识模型中的全流程应用,为群体决策优化提供新范式。

  
近年来,群体决策建模领域面临两大核心挑战:如何科学量化单位共识成本,以及如何客观分配专家权重。传统研究过度依赖主持人主观判断,导致决策结果存在系统性偏差。针对这一困境,由张欢欢、郭东杰、马义峰等学者提出了一种基于深度学习的共识成本建模框架,实现了从参数设定到决策优化的全流程革新。

在方法论层面,该研究创新性地构建了双轨学习机制。第一轨通过深度特征提取网络,从海量决策数据中自动识别专家意见的语义特征和共识成本关联模式。第二轨采用动态权重分配算法,结合专家历史表现数据实时调整权重系数。这种双轨并行机制有效解决了传统模型中参数刚性过强的问题,使系统能够自适应不同决策场景的需求。

数据驱动特性是该框架的核心突破。研究团队开发了多维度仿真实验平台,通过模拟生成近万组4人专家团队的决策案例。这些案例覆盖了从技术参数优化到商业战略制定的多样化场景,确保模型训练的基础数据具有广泛的适用性。特别值得关注的是,仿真实验不仅验证了模型的理论可行性,还通过压力测试证明了其在极端条件下的鲁棒性,包括专家意见冲突度超过75%的情况。

在技术实现路径上,研究团队重点攻克了两大难题。其一,针对单位共识成本的量化难题,提出了基于注意力机制的成本感知网络。该网络通过捕捉不同决策阶段的关键信息,能够精准识别意见分歧的强度和分布特征。其二,在专家权重分配方面,创新性地引入动态博弈模型,将专家的历史决策表现、意见一致性指数以及实时参与度等12个维度参数纳入权重计算体系。

应用验证部分展现了显著的技术优势。在供应链优化案例中,传统模型需要5-7轮迭代才能达成共识,而新框架通过强化学习机制,将平均决策周期压缩至1.8轮。在成本效益分析案例中,系统将单位共识成本预测误差从传统方法的23.7%降至6.2%,特别是在处理跨学科专家团队的复杂决策时,展现出更强的适应性。这些成果通过第三方验证平台(ITCS)的交叉检验得到确认。

研究还建立了系统的评估体系,包含三个维度:首先,通过对比分析20种经典共识模型,验证了深度学习框架在收敛速度和精度上的优势;其次,采用蒙特卡洛模拟方法,在10000次重复实验中证明了模型参数的稳定性;最后,通过专家盲测发现,使用本框架的决策结果在语义一致性、逻辑自洽性等关键指标上,较传统方法提升41.7%。

在工程实现方面,研究团队开发了专用软件平台DLCM 2.0。该平台具备三大核心功能:①决策数据自动清洗与特征工程模块;②动态权重分配与共识成本计算引擎;③可视化决策轨迹追踪系统。实测数据显示,在平均每轮决策耗时18.7秒(硬件环境:CPU i7-12700H,GPU RTX 3060)的情况下,能够处理包含200名以上专家的群体决策问题。

该研究在学术贡献方面具有双重突破:理论层面构建了"数据-特征-参数"的闭环优化模型,将传统决策模型中的静态参数转化为动态可学习的变量;实践层面开发了首个支持实时决策的群体决策操作系统,已在3家金融机构和2个工业园区实现部署。特别是在某跨国并购项目中,系统成功将决策周期从原来的6个月缩短至23天,共识达成率从68%提升至93%。

未来研究将重点拓展至三个方向:①构建分布式决策网络,解决大规模专家协同中的通信瓶颈;②开发情感计算模块,捕捉专家决策中的非理性因素;③探索区块链技术的融合应用,确保决策过程的可追溯性和不可篡改性。研究团队已获得国家自然基金(72201213)等5项专项资金支持,计划在三年内完成技术标准化和行业认证工作。

该研究标志着群体决策建模进入智能化新阶段,其核心价值在于将深度学习的技术优势深度融入传统决策理论框架。通过建立"数据特征提取-动态参数优化-智能决策执行"的完整技术链条,不仅解决了长期困扰学界和业界的参数主观性问题,更开创了群体决策从经验驱动向数据驱动的范式转变。这种技术突破对于提升组织决策质量、降低决策成本、增强决策透明度具有重要实践意义,相关成果已在IEEE Transactions on Knowledge and Data Engineering等顶级期刊发表,并获中国人工智能学会科技进步一等奖。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号