基于直觉模糊集与强化学习驱动的多层群体共识决策方法

为了解决现有多属性群体决策权重调整机制动态适应性不足的问题，本发明提供一种基于直觉模糊集与强化学习驱动的多层群体共识决策方法，步骤包括：初始化专家权重并收集专家以直觉模糊数表达的偏好矩阵；将专家权重确定问题形式化为马尔可夫决策过程，定义强化学习要素；依据当前专家权重及偏好矩阵，计算多层专家个体共识度和群体共识度，未达阈值时根据权重动态调整机制调整权重并参数化修正低共识专家意见；专家权重调整及不合理专家意见参数化调整后，重新计算群体共识度，若达到阈值则输出最终专家权重与偏好矩阵，否则继续迭代至群体共识达标；最终融合调整后权重与偏好矩阵，采用直觉模糊算子计算方案得分排序。