Исследователи из Университета Хохай и РУДН предложили алгоритм, который позволяет большой группе людей принять оптимальное решение за короткий срок. Математики продемонстрировали успешность модели на примере достижения консенсуса при закрытии рынка морепродуктов — очага вспышки COVID-19 в Ухани. Алгоритм позволил «договориться» администрации рынка и продавцам о сумме компенсации всего за три шага. Статья опубликована в Information Sciences.

Теория принятия решений — область математики, которая изучает, по каким закономерностям люди принимают решения и выбирают стратегии. В математической постановке принятие решения превращается в задачу оптимизации со множеством критериев — эксперты, мнения и возможные риски превращаются в переменные, а взаимодействие участников и поиск оптимального решения выражаются математическими операциями.

Одна из моделей теории — LSGDM — описывает ситуации, когда решение принимается более чем 20 экспертами-участниками. В LSGDM на мнение экспертов влияют внутренние межличностные отношения — например, участники поддерживают мнение тех экспертов, с которыми установлены дружеские отношения. Из-за этого возникает неопределенность — неизвестно, как «убедить» участников скорректировать свое мнение и прийти к консенсусу. Исследователи предложили способ, который позволяет избавиться от этой неопределенности.

«С развитием информационных технологий все большее число лиц участвуют в принятии решений. Поэтому LSGDM стало «горячей точкой» исследований. Участники в LCGDM представляют различные сферы интересов, поэтому консенсус занимает больше времени и требует модератора, который способен убедить экспертов приблизить свое мнение к консенсусу», — говорит один из исследователей, профессор РУДН Энрике Эррера-Вьедма.

Решение математиков основано на так называемой робастной оптимизации. Это техника, которая позволяет справиться с задачами оптимизации, чувствительными к изменению входных данных — в данном случае к межличностным связям между участниками. Математики предложили новый способ разделения экспертов на группы — или кластеры — в зависимости от степени доверия между ними и близости их отношений.

Предложенный алгоритм включает несколько шагов — сначала экспертов разделяют на кластеры, затем выбирают тот кластер, мнение членов которого сильнее всего отличается от общего, и корректируют его. Итерации повторяют до тех пор, пока не будет достигнут консенсус, который устраивал бы всех участников.

Каким именно способом добиться, чтобы люди в кластере поменяли мнение, с точки зрения математики не важно. Важна только некоторая обобщенная «цена» переговоров — количество ресурсов, которые нужно потратить на это (время, деньги или любой другой ресурс).

Авторы статьи продемонстрировали работу алгоритма на реальном примере. После вспышки коронавирусной инфекции в Ухане рынок морепродуктов вынужден был закрыться. Управляющим рынка нужно было принять оптимальное решение — компенсировать продавцам убытки так, чтобы те остались довольны, но при этом не разориться. Математики выбрали 20 продавцов, которые выдвинули свои предложения о размере компенсации, которую они хотят получить от владельца рынка за закрытие торговой точки — от 200 до 900 юаней. Участников разбили на четыре группы в зависимости от схожести мнения, соседства торговых мест на рынке и других факторов.

Разработанный алгоритм позволил прийти к консенсусу, который устроил и владельца, и арендаторов, всего за три шага — итоговая сумма компенсации составила 880 юаней. При этом для владельца рынка «цена» переговоров оказалась минимальной по сравнению с другими существующими алгоритмами.