基于鲁棒排序回归的多专家应急决策情感网络学习
最优化与控制
2025-05-28 v2
摘要
诸如缺乏应急决策信息、时间压力以及决策者（DM）知识有限等挑战，可能导致对 DM 偏好关系的间接信息生成差劲或不一致。同时，情感关系在实际应急决策情境中代表着一种具体的社会联系，情感网络的结构是影响决策过程结果的重要因素。为从不完整且不一致的偏好信息中推断出支撑 DM 决策行为的情感网络，我们引入一种基于情感排序回归通过偏好分解的情感网络学习方法。首先，我们通过每位 DM 独立完成包含以某些参考替代方案为基准的整体偏好信息的模糊判断矩阵，并计算 DM 的内在效用。其次，基于情感偏好信息以及某些参考节点之间的关系，建立情感网络学习模型的约束条件。最后，计算任意两个 DM 之间必然的和可能的情感关系。针对不同应急情境的具体需求，我们设计了六个目标网络并构建模型以推导最具代表性的情感网络。
引用
@article{arxiv.2505.18009,
title = {Empathic network learning for multi-expert emergency decision-making under incomplete and inconsistent information},
author = {Simin Shen and Zaiwu Gong and Bin Zhou and Roman Słowiński},
journal= {arXiv preprint arXiv:2505.18009},
year = {2025}
}