群体决策中操纵性和非合作性行为的管理：一种两阶段三目标共识优化方法

《Electronics》：Managing Manipulative and Non-Cooperative Behaviors in Group Decision-Making: A Two-Stage Tri-Objective Consensus Optimization Approach

　　

非合作行为和操纵行为是专家出于不同原因（如刚性偏好保留或利用网络结构的自利行为）而采取的策略性行动。为应对这些挑战，该论文提出了带有衰减信任传播的多路径信任聚合以及结合多目标优化的动态识别与自适应惩罚机制，以促进社会网络群体决策（SNGDM）中的共识达成过程。首先，研究人员提出了一种带有衰减信任传播的多路径信任聚合算子，该算子整合了一个多维路径分析框架，评估路径可靠性和结构多样性，从而为共识反馈构建一个稳定的信任网络。其次，建立了一个三目标共识优化模型，通过权衡总调整成本、共识度和成本公平性来提供最优调整建议。第三，定义了三种异常行为类型，包括短期非合作、持续非合作和操纵。基于这些区分，引入了差异化管理机制。具体而言，对非合作行为采用比例信任衰减策略，而对操纵行为设计了影响加速衰减机制。此外，历史信用指数与单位成本系数动态关联，以迫使非合作和操纵性专家修改其意见。最后，实验证明了所提出方法的有效性。

**研究背景与问题**
在群体决策（GDM）中，单一决策者往往缺乏足够知识独立做出客观选择，而聚合多个专家意见可降低个体认知负担并缓解个人偏见。然而，将个体偏好聚合成一致的群体偏好面临根本性挑战，Arrow的不可能性定理揭示了完美偏好聚合的固有局限。随着社交媒体和在线平台的发展，决策环境日益互联，经典GDM框架假设专家相对独立已不足以刻画现实行为。社会网络群体决策（SNGDM）通过显式建模社会影响和信任关系来弥补这一不足。现有研究在信任传播、共识优化和非合作行为管理方面仍存在三大理论和方法局限：第一，当前信任聚合模型缺乏对多路径传播中可靠性和拓扑独立性的完整度量，忽略长传播路径中的最弱连接限制，且未处理多信任路径中的重叠结构和重复信息；第二，现有多目标优化模型在有界理性与成本公平性之间明显失衡，传统模型假设专家无条件妥协，忽视决策者倾向于信任对象调整意见的现实，且极少同时考虑调整成本最小化、共识最大化及基于基尼系数的成本公平性；第三，当前行为管理方法缺乏对隐藏操纵的动态识别和完整惩罚规则，静态方法无法区分短期非合作与隐藏操纵，且惩罚策略通常与最终共识优化过程分离，缺乏将专家历史信用、信任流调整和单位调整成本联动的灵活控制方法。因此，本研究旨在提出一种动态行为识别与两阶段三目标共识优化框架（DBI-TOCM），以支持q-梯级正交对模糊集（q-ROFS）环境下的SNGDM共识达成。

**研究内容与结论**
研究人员提出了一种动态共识优化方法，首先设计多路径衰减信任聚合算子以度量路径可靠性和结构多样性，防止信任失真；其次构建三目标优化模型，通过平衡总调整成本、共识度和成本公平性，寻找最优调整策略；最后开发非合作与操纵行为的动态识别与自适应管理机制，将专家历史信用指数与单位成本系数关联，形成闭环系统。实验证明，该框架能有效识别短期非合作、持续非合作和操纵行为，在控制成本的同时提高共识度和公平性，并通过模拟和敏感性分析验证了其适应性和稳定性。

**主要关键技术方法**
（1）多路径衰减信任聚合算子：基于最短路径集，引入衰减权重模拟信任随路径长度衰减，并联合路径可靠性（最弱连接原则）和结构多样性（Jaccard相异度）计算归一化权重，聚合得到间接信任值。（2）两阶段三目标共识优化模型（TOCM）：第一阶段通过非对称边界松弛确保可行域存在，第二阶段采用非支配排序遗传算法II（NSGA-II）优化三个目标函数（最小化总调整成本、最大化后调整共识度、最大化基于基尼系数的成本公平性），并基于等权归一化理想点距离规则选择最终Pareto解。（3）动态行为识别与自适应管理机制：通过投影跟随度（PFD）、历史信用指数、意见突变、单替代方案支持度和信任中心性区分短期非合作、持续非合作和操纵三种行为，并对操纵行为执行加速信任衰减和最大信用扣减，同时将历史信用指数与单位成本系数动态关联，使模型优先调整非合作和操纵专家的意见。样本队列为模拟构建的智慧城市采购场景，包含6位专家和4个候选方案。

**研究结果**
**案例研究（Case Study）**：基于智慧医疗资源动态调度平台采购场景，通过7轮共识达成过程（CRP）迭代，最终选择替代方案A₂（本地网络产品）为最优供应商。实验表明，动态识别模块成功将短期非合作（标签1）、持续非合作（标签2）和操纵（标签3）行为区分开，并通过自适应惩罚机制逐步降低非合作专家的信用指数和权重，最终达到共识阈值0.85。

**模拟分析与敏感性分析（Simulation Analysis and Sensitivity Analysis）**：模拟实验显示，在不同专家数量（K=5,10,15,20,25）和替代方案数量（m=3,5,7）下，最终共识度均严格满足阈值，计算时间随规模增长但仍在可接受范围内。对容忍阈值β的敏感性分析表明，β在[0.24,0.33]区间内系统达到最优平衡，假阳性与假阴性均为零，总调整成本最低（约14.80）。对有界理性参数λ₀和共识阈值δ的联合分析表明，高共识需求与高保留边界相互作用会显著增加成本并降低公平性。

**比较分析（Comparative Analysis）**：与现有信任传播方法（Yuan et al., Zhao et al., Gai et al.）相比，提出的多路径衰减信任聚合方法在专家权重分配上更合理，总调整成本更低，共识度和公平性更高。与现有优化模型（单目标、双目标）相比，提出的三目标模型在略高于单目标最小成本的情况下，实现了最高的共识度（0.894）和公平度（0.856）。与现有行为识别和管理机制相比，本研究通过历史信用指数和投影跟随度实现了对短期/持续非合作和操纵行为的精准区分，并采用分级惩罚和动态成本系数联动，形成闭环系统。

**消融分析（Ablation Analysis）**：动态单位调整成本机制的消融实验表明，去除该机制后，共识达成轮次从7轮增至9轮，总成本从14.89增至18.80，且非合作专家难以被有效调整。多路径信任聚合算子的消融实验显示，完整模型在传播保真度、拓扑独立性、信任鲁棒性和非对称性保留比四个指标上均优于缺少衰减、可靠性或多样性模块的变体。TOCM的消融实验表明，自适应边界松弛机制使模型在大多数冲突场景下保持接近1.0的解可行率，而严格约束版本在高压下易失败；三目标框架相比移除任一目标的双目标版本，能更全面地平衡成本、共识和公平性。

**假设检验实验（Hypothesis Testing Experiment）**：基于50次随机场景的配对t检验表明，在信任传播、三目标优化和动态行为管理三个维度上，提出方法相比基线方法均具有统计显著性（调整后p<0.05，Cohen's d绝对值在0.341-0.648之间）。

**讨论与结论**
论文总结部分指出，传统共识机制通常依赖静态惩罚规则，并将行为管理与实际优化过程分离。相比之下，所提出的方法创建了一个自适应闭环系统，将每个专家的历史信用指数与单位成本系数关联。当专家表现非合作或操纵行为时，系统自动降低其信任权重和单位成本系数，迫使违规者调整意见，有效防止其利用网络结构。分析结果揭示了两个关键发现：第一，敏感性分析显示容忍阈值与总调整成本呈U型关系，识别最优阈值范围可平衡行为识别准确性与总调整成本；第二，消融研究证实了动态单位成本系数机制的必要性，通过动态降低被识别操纵者的成本系数，优化算法优先修改其意见，防止CRP停滞，并保护合作专家免于承担不合理的调整负担。该研究通过智慧城市医疗资源调度平台采购案例验证了框架的有效性，并指出未来可扩展至公共采购、应急管理、环境治理和企业决策等领域。当前框架的局限性包括：假设专家提供完整意见矩阵，未处理缺失数据；动态识别模块仅关注个体行为，对群体合谋存在盲区。未来研究应开发处理不完整评估信息的方法，并将行为识别框架从个体层面扩展至子群层面。