面向偏好不确定下多主体多准则共识与妥协的PRO-MAMCA概率化决策支持框架

《Decision Analytics Journal》:A probabilistic PROMETHEE-based multi-actor multi-criteria framework for consensus and compromise under preference uncertainty

【字体: 大 中 小 】 时间:2026年10月23日 来源:Decision Analytics Journal CS10.9

编辑推荐:

  研究人员针对多主体决策中偏好信息不完整与不确定问题,提出一种基于概率化PROMETHEE(Preference Ranking Organization METHod for Enrichment Evaluations,PROMETHEE)的多主体多准则分析

  
研究人员针对多主体决策中偏好信息不完整与不确定问题,提出一种基于概率化PROMETHEE(Preference Ranking Organization METHod for Enrichment Evaluations,PROMETHEE)的多主体多准则分析(Multi-Actor Multi-Criteria Analysis,MAMCA)扩展框架。该框架将决策主体按角色划分为若干行动者群体(actor groups),群体内含多名决策者(Decision Makers,DMs),并在嵌套结构中区分群体内共识与群体间妥协两类任务。研究人员通过Simos-Roy-Figueira(SRF)流程获取准则权重兼容集,将权重、绩效值与PROMETHEE偏好函数类型及阈值参数同时建模为不确定输入,借助蒙特卡洛(Monte Carlo,MC)模拟传播不确定性,输出个体净流(net flow)Φrh(s)(a)、秩分布与排序可接受性指数(Rank Acceptability Index,RAI)brh?(a)。在群体内层,PRO-GDM模块以决策者权重λrh聚合个体流,并融合征询精度πrh、排序一致性γrh与代表性?rh诊断共识可靠性;进一步结合逆优化(inverse optimization)求解使候选方案进入目标序位所需最小权重修正量与可行性。在群体间层,PRO-MAMCA以平均支持、最弱群体支持、反对风险、平衡性、共识修正可接受性与最大群体遗憾(regret)测度识别可辩护妥协方案。该框架避免以单一聚合排序掩盖异质利益,为交通、能源与城市物流等参与式决策提供可追溯、可审议的计算支撑。
研究背景与问题提出:公共与组织决策常涉及多个具有不同职责、合法性与价值诉求的行动者群体,如交通规划、能源基础设施与城市物流。经典多准则决策辅助(Multiple Criteria Decision Aiding,MCDA)多以单一决策者为对象,传统群决策(Group Decision Making,GDM)又将参与者视为同一决策体并追求集体聚合,难以处理角色嵌套与利益冲突。多主体多准则分析(MAMCA)虽能保留各群体独立准则权重与偏好结构,却未将“群体内共识”与“群体间妥协”拆分为独立计算任务,且既有概率化PROMETHEE与随机多准则可接受性分析(Stochastic Multicriteria Acceptability Analysis,SMAA)未衔接嵌套行动者结构。研究人员因此开展一项方法学整合研究,发表于《Decision Analytics Journal》。
主要关键技术方法:研究人员采用SRF程序获取每位决策者的准则权重兼容集,将权重、定性绩效与PROMETHEE偏好函数类型及参数统一置于概率模型中,以蒙特卡洛模拟生成个体净流与排序分布;构建PRO-GDM群体内共识诊断模块,结合逆优化混合整数规划求解最小权重调整努力;在群体间层设计支持、反对、平衡与遗憾测度,并以社会选择规则作对照。
研究结果
  1. 3.
    The PRO-MAMCA framework:研究人员建立三层嵌套结构,即个体概率化PROMETHEE评估层、群体内PRO-GDM共识诊断层、群体间PRO-MAMCA妥协评估层,明确保留共同备选集与准则池但允许各群体激活不同准则子集。
3.1. Overview and notation:通过形式化记号定义行动者群体、决策者、准则集合与模拟运行索引,区分中心权重向量与兼容权重空间,为后续不确定性传播提供统一框架。
3.2. Probabilistic PROMETHEE evaluation model:研究人员将SRF权重空间、绩效类别分布与偏好函数类型概率分布联合采样,计算单准则流?rhj(s)(a)与全局净流Φrh(s)(a),并输出排序可接受性,结论是不确定性可被系统化传播而不丢失个体与群体层级信息。
3.3. PRO-GDM: consensus diagnosis within an actor group:该层以数据驱动的决策者权重聚合群体净流,并用排序一致性、征询精度与代表性诊断群体立场可靠性;逆优化用于判断弱支持方案是否可通过合理论证调整达成组内共识。
3.4. Inter-group compromise layer:研究人员以平均支持、最弱群体支持、反对风险、平衡性、共识修正指数与最大遗憾识别妥协方案,结论是平均排序最优并不等价于可实施妥协,需兼顾最弱群体损失。
讨论与结论翻译:讨论部分指出,PRO-MAMCA并非替代MAMCA可视化与审议,而是补入可计算诊断,使“为何某方案可接受”显式化;其局限在于依赖征询质量与模拟设定,且参与者权重仍为建模选择。研究结论如下:第一,嵌套结构下共识与妥协应分离建模;第二,概率化PROMETHEE可同时保留序数可接受性与基数边界信息;第三,逆优化输出应作为审议证据而非强制修正;第四,妥协诊断应纳入最弱群体支持与 regret,以避免隐性剥夺少数行动者利益。该框架为参与式多准则决策提供了兼具稳健性与可解释性的分析路径。
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