计算机应用研究

作者：杜秀丽,程伟龙,高星,潘成胜,吕亚娜,

单位：1.大连大学a.通信与网络重点实验室;b.信息工程学院,辽宁大连116622；2.南京邮电大学通信与网络技术国家工程研究中心,南京210023；

关键词：群体决策,Q-learning,多层共识反馈,动态权重调整,

基金：辽宁省教育厅资助项目(JYTMS20230377)；；

针对动态复杂多属性决策环境下大规模异构专家群体共识达成效率低、权重分配不精准的问题，提出一种基于Q-learning的权重优化与多级共识反馈方法，旨在提升共识水平与决策质量。该方法通过将专家权重动态调整建模为马尔可夫决策过程，利用Q-learning实现权重自适应优化，并设计涵盖属性、方案、专家与群体四个层级的多级共识反馈机制，从而精准识别并协调不同来源的分歧。实验结果表明，该方法能够显著降低共识达成所需迭代次数，提升权重分配与专家专业度的匹配精度，并获得更可靠的方案排序结果，验证了其在大规模异构专家群体中的鲁棒性与计算效率。研究表明，所提方法为复杂多属性群体决策问题提供了有效的共识建模与决策支持工具。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期