城市房屋征收补偿中极端争议的博弈研究:基于偏好集合均衡视角

从偏好集合均衡角度解释城市房屋征收补偿中的极端争议问题,构建极端争议的行为博弈模型,将博弈均衡结果归纳为"政府寻租型"和"钉子户困局型"两种极端争议,最后结合现实征收案例,得到不同极端争议情景中,主体行为偏好对关联主体互动行为的作用机理。研究结果表明,"政府寻租型"极端争议是由地方政府弱互动公平偏好主导,并由被征收居民弱互动公平偏好和征收信息不对称共同促成;"钉子户困局型"极端争议是由被征收居民损失规避偏好主导,征收补偿分配结果由地方政府的损失规避偏好和信念判断决定。极端争议是主体差异性行为偏好的集合作用的收益极端化结果。应制定符合关联主体利益偏好的补偿方案,建立包容征收补偿主体多维偏好的征收政策。

多维偏好视角下特大型项目极端争议决策的演化博弈研究

特大型项目关联主体在决策过程中受到多种行为偏好集合影响。鉴于此,在高质量发展背景下,基于行为博弈基本逻辑,运用演化博弈方法构建政府方、项目建设方及社会民众方的偏好集合极端争议决策演化博弈模型,解析项目决策主体复杂心理偏好、多维利益构成与行为演进变化。结果显示:政府方的奖惩力度越大,均衡越稳定;项目建设方的公平偏好越高,均衡越容易达到平衡;博弈三方的损失规避偏好越低,越容易达到最优均衡解。

基于用户分组的多用户偏好查询

越来越多的用户希望能在满足自身需求的前提下,通过共享资源以提升资源使用性价比,如拼车等.在此类多用户偏好查询应用中,用户分组起到至关重要的作用.现有的分组算法在对用户进行分组时,未考虑用户对组内其他成员的偏好,导致用户满意度较低.本文提出一种基于用户分组的多用户偏好查询算法PQBG,算法将查询分为四个步骤:首先基于欧氏距离从全体查询用户中产生预选结果集;然后依据用户对查询对象的偏好相似度降序排列生成预选队列;接着利用组属性集合与组偏好集合筛选出最终的同组用户;最后为该组用户生成查询结果集.利用真实数据集对PQBG算法与其他三种查询算法进行比较,结果表明PQBG算法在查询时间和用户满意度上具有更高的查询性能.