多尺度信息系统下基于博弈论的多目标优化共识构建方法研究

本文创新性地提出基于多尺度信息系统(MSISs)的共识达成过程(CRP)方法MSIS-CRP，通过序列聚类构建MSISs框架，结合博弈论和多目标优化模型实现全局/局部共识反馈机制。实验显示该方法在48种方案5位决策者(DMs)场景下达成0.9662群体共识水平，调整距离50.8850，耗时仅3.7031秒，显著提升工业管理决策的鲁棒性与计算效率。

　　

Highlight

本研究在工业信息整合领域取得三大突破性进展：

1. 基于序列聚类的MSIS构建方法：利用聚类算法在工业特征提取中的强大能力，动态捕获跨尺度数据特征的满射关系，显著提升多尺度信息在工业场景中的映射精度。该方法有效消除冗余数据干扰，为共识达成过程(CRP)建立稳定基础。

2. 决策者评价驱动的尺度权重计算：通过深度量化分析各尺度信息对CRP任务的实际贡献，采用数据驱动的自适应权重调整机制，突破传统主观赋权局限，显著提升工业决策模型的泛化能力。

3. 整合尺度信息在CRP中的应用研究：将多尺度信息与工业CRP模型深度耦合，有效解决尺度敏感性和信息不完整性问题，为复杂工业环境下的协同决策提供全新解决方案。

Conclusion

本研究开发的MSIS-CRP方法为工业管理决策提供创新性框架：

1. 工业数据整合层面：通过序列聚类构建的MSISs实现跨源数据的高效融合，其动态满射关系捕捉能力使信息表征效率提升37.6%。

2. 共识机制设计层面：首创基于微积分的一致性度量方法，结合多目标博弈模型实现的反馈机制，在48种方案测试中仅需3.7秒即达成96.6%超高共识水平。

3. 工业应用价值层面：突破传统CRP依赖主观阈值的局限，通过均衡优化共识提升与调整成本，为汽车制造等复杂工业场景提供可量化的决策支持工具。