Large-Scale Group Decision-Making with Linear Uncertain Preference Relations Using Improved Density Peak Clustering and Two-Stage Feedback
本文提出了一种针对线性不确定偏好关系的规模化群体决策模型，该模型集成了动态信任更新、改进的密度峰值聚类算法以进行子群识别，以及两阶段反馈机制，旨在以最小的偏好调整实现高共识率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个充满数十人的房间，每个人都对如何解决一个复杂问题持有独特的见解。他们并非陌生人；他们在不同程度上了解并信任彼此，形成了一个随着交谈而不断变化的相互关系网络。目标并非让所有人立即达成一致，而是要找到一条让整个群体都感到可以接受的单一共同路径。这就是大规模群体决策的本质——每当组织、社区或政府必须协调许多人的观点时，这一挑战便会随之而来。难点在于，人们的观点很少是非黑即白的；它们往往存在于不确定性的灰色地带，而人与人之间的信任也不是静态的，而是随着彼此的倾听而演变。当群体规模足够大时，仅仅要求每个人都做出妥协往往会失败，因为过多的声音会产生噪音，而强行达成一致的僵化方法会忽略人类关系的微妙变化。
研究人员长期以来一直在寻求一种方法来应对这种复杂性，特别是当人们使用不确定范围而非固定数值来表达其偏好时。在最近的一项研究中，一组学者通过设计一个将决策视为动态过程的系统来解决这一问题。他们专注于一个场景：二十位决策者需要为某种特定类型的项目交付确定关键成功因素的优先级。研究人员并没有将这二十个人视为一个静态的整体，而是构建了一个能够观察他们的信任感如何随着观点变化而变化的模型。他们意识到，如果两个人开始志趣相投，他们之间的信任就会自然增长；如果两人渐行渐远，这种信任就会减弱。通过追踪这些随时间变化的波动，该模型创建了一张关于“谁信任谁”的动态地图，而不是依赖于初始阶段的快照。
他们方法的核心是将这些人根据他们彼此信任的程度以及观点的相似性，划分为更小、更易管理的集群。为此，他们使用了一种改进的聚类技术，该技术旨在寻找数据的“密度峰值”——本质上是找到那些处于一群志趣相投的人群中心的人物。其方法的一个关键创新在于，它不仅关注当前时刻，还记得信任和观点在之前轮次中是如何变化的。这种历史记忆有助于系统避免基于单一的、或许只是暂时的观点转变而做出草率的决定。一旦形成了这些小组，研究人员就会为每个人和每个小组分配权重，给予那些思维一致、拥有强大信任记录以及属于紧密联系集群的人更多的影响力。
当整个群体未能达到足够高的共识水平时，系统会启动一个两阶段的反馈过程。首先，它会识别哪些较小的群体阻碍了共识的达成。该模型并不要求处于挣扎中的小组中的每个人都改变想法，而是寻找补偿的方法。如果某些小组已经达成了强有力的共识，它们可以有效地“带动”那些仍在挣扎的小组，从而允许对共识阈值进行公平的调整。其次，对于仍需调整观点的个人，系统会计算这种改变的成本。它会考虑一个人在过去已经做出了多少妥协，以及他/她对正在倾听的对象有多少信任。其目标是找到阻力最小的路径，即只要求那些能以最小摩擦进行调整的人进行调整，并引导他们走向一个特定的、受信任的参考点，而非一个通用的平均值。
研究人员使用一个涉及二十位决策者和五个不同项目维度的真实世界数据集测试了这种方法。在第一轮讨论中，小组的整体一致性略低于目标值。随后，系统识别出需要调整观点的特定个体，并引导他们通过谈判过程。经过仅几轮这种动态聚类和针对性反馈后，该小组达到了满足预设要求的共识。研究人员还运行了数千次计算机模拟，以观察该模型在不同条件下的表现。这些测试表明，该方法在常规和中高共识要求下非常有效，但在高共识要求与超大规模群体规模相结合时，面临着显著挑战，因为在这种特定条件下，达成一致变得愈发困难。
这项工作的意义不仅在于它找到了解决方案，还在于它如何尊重人类互动的复杂性。通过允许信任演变并利用历史来平滑暂时的分歧，该模型避免了僵化、一刀切方法的陷阱。它承认，在一个大型群体中，并不需要每个人都改变想法才能达成方案；有时，只需要正确的人进行微调，其余的人就可以跟随。研究结论指出，虽然在规模巨大且标准极高的群体中达成完美一致非常困难，但这种方法提供了一种可靠的方式，能在对相关人员干扰最小的情况下实现强有力的、可行的共识。它为多样化的群体如何从一系列不确定的观点转向统一的决策提供了一种清晰、结构化的途径，证明了即使在一个信任不断变化、偏好模糊的世界里，也能找到一条共同的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。