本發(fā)明提供一種基于信度結構的多不確定偏好獲取方法、裝置和電子設備。包括，建立戰(zhàn)略沖突圖模型；為所述戰(zhàn)略沖突圖模型設計信度偏好結構根據所述信度偏好結構構建信度偏好規(guī)則庫；根據所述信度偏好規(guī)則庫和證據推理算法，計算任意兩狀態(tài)的信度偏好等級；根據所述任意兩狀態(tài)的信度等級預測和復盤決策者的決策趨勢。通過利用統(tǒng)一的偏好結構表示多種不確定偏好，并基于該偏好結構設計多不確定偏好獲取方法獲取信度偏好等級，從而提升不確定下的偏好處理能力，快速獲取決策者的不確定偏好，提高預測和復盤決策者的決策趨勢的能力。

技術領域

本發(fā)明涉及決策者偏好獲取技術領域，尤其涉及一種基于信度結構的多不確定偏好獲取方法、裝置和電子設備。

背景技術

戰(zhàn)略沖突是人類活動中常見和普遍存在的交互決策場景，涉及兩個或兩個以上獨立的決策者，這些決策者在做決策選擇時往往有著不同的、甚至是相互沖突的偏好和目標，兩者共同決定著沖突的狀態(tài)或場景的演化。沖突的成本和代價小到個人之間利益得失，達到國家之間的領土、貿易爭端，因此亟需有效的方法輔助決策者進行決策分析以有效解決沖突爭端。作為一個綜合性的沖突建模和分析方法論，沖突分析圖模型(Graph Model forConflict Resolution，GMCR)能夠以最小的信息需求和相對偏好處理各種現(xiàn)實沖突中的復雜和具有挑戰(zhàn)性的戰(zhàn)略決策問題,例如復雜的體系結構設計、城市規(guī)劃問題、環(huán)境管理爭端、軍控沖突以及其他領域。

過去，GMCR模型通常假設每個沖突中的決策者都有著清晰明確的偏好信息，無法滿足復雜不確定下的沖突決策需求。

發(fā)明內容

有鑒于此，本發(fā)明的目的在于提出一種基于信度結構的多不確定偏好獲取方法、裝置和電子設備。

基于上述目的，本發(fā)明提供了一種基于信度結構的多不確定偏好獲取方法，包括：

建立戰(zhàn)略沖突圖模型：

其中，表示戰(zhàn)略沖突圖模型，表示決策者的有限集合，表示決策者所控制的策略集合，表示第個決策者所控制的第個策略，表示第個決策者所擁有的的策略數量，且，表示每一個決策者任意狀態(tài)所做的選擇所構成的可行組合，表示包含第個決策者任意兩狀態(tài)轉移的集合，表示決策者的相對偏好；

為所述戰(zhàn)略沖突圖模型設計信度偏好結構；

根據所述信度偏好結構構建信度偏好規(guī)則庫；

根據所述信度偏好規(guī)則庫和證據推理算法，計算任意兩狀態(tài)的信度偏好等級；

根據所述任意兩狀態(tài)的信度等級預測和復盤決策者的決策趨勢。

基于同一發(fā)明構思，本發(fā)明還提供了一種基于信度結構的多不確定偏好獲取裝置，包括：

構建模塊一，用于建立戰(zhàn)略沖突圖模型：

其中，表示戰(zhàn)略沖突圖模型，表示決策者的有限集合，表示決策者所控制的策略集合，表示第個決策者所控制的第個策略，表示第個決策者所擁有的的策略數量，且，表示每一個決策者任意狀態(tài)所做的選擇所構成的可行組合，表示包含第個決策者任意兩狀態(tài)轉移的集合，表示決策者的相對偏好；

構建模塊二，用于為所述戰(zhàn)略沖突圖模型設計信度偏好結構；

庫構建模塊，用于根據所述信度偏好結構構建信度偏好規(guī)則庫；

計算模塊，用于根據所述信度偏好規(guī)則庫和證據推理算法，計算任意兩狀態(tài)的信度偏好等級；

決策模塊，用于根據所述任意兩狀態(tài)的信度等級預測和復盤決策者的決策趨勢。

基于同一發(fā)明構思，本發(fā)明還提供了一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上任意一項所述的方法。