集体行动的阈值模型_李振鹏
偏好结构、策略远见和集体行动
NANKAI ECONOMIC STUDIESNo.2 2019DOI:10.14116/j.nkes.2019.02.007 122偏好结构、策略远见和集体行动汪敏达 李建标 殷西乐∗摘 要：个体参与集体行动的微观动因既有偏好性因素也有策略性成分。
本文用框架依赖的效用函数同时表达自利偏好和不同类型社会偏好的作用，以个体行为理性为逻辑起点推导了个体依据框架调整的集体行动合作行为，其行为符合新古典需求理论。
根据策略远见理论解释了集体行动中个体合作的策略动因。
通过单次博弈的公共物品实验和问卷调查，分离了偏好结构与策略远见对集体行动的影响。
实验结果表明存在一定的基于远见而合作的个体，个体同时也具有利他和不平等厌恶等偏好动因，个体的主要集体行动合作动因是偏好结构与策略远见的复合动因。
这一结果说明个体在单期和长期内的合作都需要综合考虑自利理性和社会偏好等多重动因。
关键词：集体行动；合作；偏好结构；远见；策略一、引 言集体行动是由利益共同体发起的行动，集体行动代表了社会群体的意志，可以改变社群乃至社会面貌。
我国是一个飞速发展的转型社会，因此集体行动将越来越成为我国社会生活中的重要议题。
集体行动的治理离不开对集体行动动因和机制的理论研究。
尽管集体行动的发生可能具有社会结构、政治资源和社会资本等多种宏观、中观动因(赵鼎新，2011)，但集体行动能否被组织起来以及能取得何种结果，仍一定程度上要归因于集体行动参与者的微观动因，只有个体在发起集体行动方面实现了合作，集体行动才能有效开展。
个体参与集体行动的微观动因包括偏好性因素和策略性因素。
在集体行动博弈中，个体的偏好决定其动机和目标，而个体的策略性动因则决定其对博弈均衡结果的认知和选择。
事实上，集体行动研究一直围绕着偏好与策略动因展开。
在勒庞(1895、∗ 汪敏达，东南大学经济管理学院(邮编：211189)，E-mail ：wangminda2012@ ；李建标，南开大学滨海学院/中国公司治理研究院/商学院/泽尔滕实验室(邮编：300071)，E-mail ：biaojl@ ；殷西乐，浙江工商大学工商管理学院(邮编：310018)，E-mail ：yinxile@ 。
集体行动理论
• “实现了任一公共目标或满足了任一公共 利益就意味着已经向那一集团提供了一件 公共的或集体的物品。一个目标或意图对 一个集团来说是公共的这一事实本身, 就说 明这个集团中没有人能被排除在实现这一 目标所带来的利益和满足之外” 。因此, 公 共物品也可以被译成, 只要是存在有共同利益的群体, 就叫做集团。因此, 在分析集团行动时, 他 把有组织的国家、工会、政党和利益集团 与无组织的消费者、完全竞争行业的企业, 都叫做集团, 它们之间的区别只不过是“被 动员起来的潜在集团”与“潜在集团”的 差别。（P42）
CONTENTS
集体行动理论的相关概念 集体行动理论基本观点 集体行动理论的贡献 集体行动理论的局限性
一、集体行动理论的相关概念 • 1.自利的（self-interest）
• 奥尔森宣称自己是“一个经济学家, 而且本书中使用的分 析工具来源于经济理论”.(P4) • 为了表明自己对这一“首要原理”的坚持, 奥尔森引用了 马克斯· 韦伯的一段著名论述来进行论证:““市场经济 中所有的经济活动都是个人为了其理想的或物质的利益而 进行并完成的。当经济活动是根据集团的秩序方式而调整 时, 这也自然是正确的… …即使一个经济制度建立在社会 主义基础之上, 在这一方面也没有什么根本的不同… …利 益的结构和相关的情况会有所改变;会有其他追求利益的 手段, 但这一根本的因素仍将与以前一样。当然确实存在 只建筑在单纯意识形态基础上的经济行为。但更为肯定的 是大多数人不会这样做, 而且从经验可以归纳出他们不能 也永远不会这么做… …在市场经济中使收入最大化无疑 是所有经济行为的动力”.(P46)
• 4.搭便车
• 早年道奇城盗马贼横行, 牧场主们就组织起来保护牧场, 每个牧场主都为这种自发的保安力量贡献一定的人财物力 。但不久有一些牧场主开始撤出这种组织, 因为他们发现 , 只要这种自发的保安力量依然存在, 自己撤出后就可以 免费享有它带来的好处,这些人被称为“自由骑手” (free-rider)。但没过多久, 由于人人都企图通过自己的 撤出占集体的便宜, 保安力量也就不复存在, 盗马贼又猖 獗起来。后来, 经济学家就借用这个词来表示对公共物品 的贡献小于其获益的人或行为, 并与时俱进地将它称为“ 搭便车”。
社会管理群体性事件之心理数学模型
社会管理群体性事件之心理数学模型---ＣＥＢ模型北斗特种心理服务研发小组，经过近一年的研究，通过对近年来发生的云南孟连、贵州瓮安、湖北石首等数十起典型的群体性事件进行分析，近期终于下线定型了社会管理群体性事件之心理数学模型，该模型将群体事件发生过程中，人们的认知、情绪、行为分别划分成五个等级，然后利用客观评估法分别对群体在事件发生过程上的人们的具体表现，分别赋值，经过ＳＰＳＳ１３.０软件统计分析，建立本土化群体性事件数学模型---群体性事件预测的ＣＥＢ模型。
根据ＣＥＢ模型，我们可以通过对群体事件发生前，人们的情绪和认知水平来预测群体行为是否会升级，从而，可以对群体性事件做到早预测，早发现，早预防，对将群体性事件消灭在萌芽状态，真正做到防患于未然起到重要的作用，对政府预防和解决群体性事件起到重要的借鉴作用。
社会管理群体性事件之心理数学模型---ＣＥＢ模型。
基于强化学习的牛鞭效应对策模型_孙若莹
V o.l 26 N o. 1 F eb. 2011
文 章 编 号: 1674- 6864( 2011) 01- 0032- 04
基于强化学习的牛鞭效应对策模型
孙若莹, 李 忱, 赵 刚
( 北京信息科技大学 信息管理学院, 北京 100192 )
摘
要: 在不确定供应链环境中提高供应链节点决策能力是提高竞争优势的主要方式。
本文针对复杂的多层次、多节点的供应链结构, 提出强化学习方法, 通过整体供应链上各个节点成 员之间的互相合作, 实现最优订单决策, 减小牛鞭效 应, 以实现供应链整体效益的最优。
1 问题描述
供应链系统由水平层次 i( i = 1, 2, , n)和垂直 规模 j( j = 1, 2, , m )组成, 供应链由供应商、生产 商、批发商和零售商和最终客户构成。零售商接受 客户的订单需求, 批发商满足零售商的订单需求, 生 产商供应批发商, 供应商向生产商提供原材料。供 应链拓扑结构如图 1所示。
当顾客的需求发生很小的波动时就会引起供 Nhomakorabea链上游企业的剧烈波动使得上游的生产厂商很难合理地规划当前和未来的生产计划从而产生企业生产计划变化加剧库存积压额外成本支出增加等问题
第 26卷 第 1期 2011年 2月
北京信息科技大学学报 Journa l o f Be ijing Inform ation Sc ience and T echno logy U niversity
各节点根据总经营周期中本期从下游节点收到
的订单发出货物, 并依据销售的历史记录预测订货 的变化, 结合本期期末库存量向上游的节点发出订 单。假设任意 2个节点之间的订单传递需要 2个经 营周期, 货物的运送也 需要 2个 经营周期, 也就是 说, 每个节点从发出订单到得到该订单的订货需要 4个经营周期。总的经营周期为 50。每次订货成本 为 1单位, 单位库存持有成本为 1单位, 单位缺货成 本为 2单位。
公共管理学笔记 陈振明版
公共管理学导论：公共管理学的视野1、公共行政：政府特别是执行机关为公众提供服务的活动，行政官员或行政人员在这种活动中主要是执行由别人所制定的政策和法律，关注的焦点以及将政策转变为实际的行动，并重点关注内部定向，机构和人员以及办公室的管理。
2、公共管理是公共组织提供公共物品和服务的活动，它主要关注的不是过程、程序和遵照别人的指示办事以及内部取向，而更多的是关注取得结果和对结果的获得负个人责任。
3、公共部门：是公共事物的管理者和公共服务的提供者，广义的公共部门包括政府机构、公用事业、公共事业、非政府公共机构等部门已经各种不同组织的公共层面；狭义的公共部门是仅包括政府决策的产生机构和部门，是最纯粹的公共部门。
4、公共物品：是具有消费的非竞争性和排他性、自然垄断性以及收费困难等特征的物品；与公共物品相对应的是私人物品即具有消费上的竞争性和排他性等特征的物品。
5、治理可泛指任何一种活动的协调方式。
有最小国家的的治理、公司治理、新公共管理、善治、社会—控制系统、自组织网络等六种不同的用法。
6、善治是90年代后，世界银行提出的口号，它主要包括合法、法治、负责、透明、有效的政府成了善治的基本要素，成为规范政治权利的主要标准。
7、公共管理学：是一个研究公共管理活动或公共管理实践的学科，可以将它界定为一门综合地运用各种科学知识和方法来研究公共管理组织和公共管理过程及其规律性的学科。
8、行政国家是指19世纪末，20世纪初，与垄断的进程相一致，尤其是第二次世界大战以后，在资本主义国家立法、司法、行政三权分立的国家权力主体关系中，行政权力和活动扩张，具有制定同议会立法效力相当的行政命令和制定同法院判决效力相近的行政裁决权，大量直接管理和介入国家和社会事务，从而起到最活动和最强有力国家作用的一种国家现象。
9、公共管理与私人管理公共管理与私人管理有许多相似之处，他们的管理都包含了合作团体的活动，而且所有的大组织都必须履行一般的管理职能，如计划、组织、人事预算等。
集体行动的困境理论阐释与实证分析非合作博弈下的公共管理危机及其克服
集体行动的困境理论阐释与实证分析非合作博弈下的公共管理危机及其克服一、本文概述本文将深入探讨集体行动的困境理论，并对其在公共管理领域的应用进行实证分析。
集体行动的困境是指，当个体利益与集体利益发生冲突时，个体往往会选择追求自身利益最大化，而非为了集体利益而行动，这导致了集体行动的困难和低效。
这一现象在公共管理中尤为明显，特别是在非合作博弈的情况下，公共管理危机往往由此产生。
本文将首先概述集体行动困境理论的基本内涵和发展历程，接着分析其在公共管理领域中的实际应用，特别是如何通过实证数据揭示非合作博弈下公共管理危机的形成机制。
在此基础上，本文将进一步探讨如何克服集体行动的困境，提高公共管理的效率和效果，为解决公共管理危机提供理论支持和实证依据。
本文的研究不仅有助于深入理解集体行动困境理论，也有助于提高公共管理的实践水平，对于推动公共管理学科的发展具有重要的理论价值和现实意义。
二、集体行动困境的理论阐释集体行动困境是一个普遍存在于社会、经济和政治等领域的现象，它指的是在群体中，尽管每个个体都有共同的利益诉求，但在缺乏有效组织和协调的情况下，个体往往难以采取集体行动以实现共同利益。
这一现象在公共管理领域尤为突出，表现为公共管理危机的频发和难以解决。
集体行动困境的理论阐释主要基于非合作博弈论。
在非合作博弈中，参与者以自身利益最大化为目标，缺乏统一的行动指南和协调机制，导致集体行动难以形成。
具体来说，集体行动困境的产生主要有以下几个方面的原因：个体理性与集体理性的冲突。
在集体行动中，每个个体都追求自身利益最大化，而集体利益的最大化往往需要个体牺牲部分自身利益。
这种个体理性与集体理性的冲突使得个体在面临集体行动时往往选择保持观望或搭便车，导致集体行动难以形成。
信息不对称和沟通障碍。
在集体行动中，个体之间往往存在信息不对称和沟通障碍，导致个体难以全面了解和评估集体行动的风险和收益。
这种信息不对称和沟通障碍使得个体在面临集体行动时难以做出正确的决策，进一步加剧了集体行动困境。
采用集合经验模态分解和改进阈值函数的心电自适应去噪方法
采用集合经验模态分解和改进阈值函数的心电自适应去噪方法
采用集合经验模态分解和改进阈值函数的心电自适应去噪
方法
尹丽; 陈富民; 张琦; 陈鑫
【期刊名称】《西安交通大学学报》
【年(卷),期】2020(054)001
【摘要】针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验摸态分解(EEMD)改进阈值函数的心电自适应去噪方法.运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有摸态函数(IMF).采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除 IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移.最后将处理后的IMF分量叠加,即可重构去噪后的心电信号.实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征.
【总页数】7页(101-107)
【关键词】心电自适应去噪; 集合经验摸态分解; 过零率; 改进阈值函数
【作者】尹丽; 陈富民; 张琦; 陈鑫
【作者单位】西安交通大学机械制造系统工程国家重点实验室710049 西安【正文语种】中文
【中图分类】TN911; R318
【相关文献】
1.改进的自适应噪声总体集合经验模态分解在光谱信号去噪中的应用[J], 李晓。
群体行为演化的动力学模型构建与分析
群体行为演化的动力学模型构建与分析引言：群体行为是指一群个体在一定时间和空间范围内进行的集体活动，这些活动可以包括社会互动、协作行为、信息传播等。
群体行为的演化对于理解集体智慧、社会动态和群体协作等现象具有重要意义。
动力学模型是一种描述和分析群体行为演化的有力工具，通过构建和研究模型可以揭示群体行为背后的机制和规律。
一、群体行为的动力学模型构建1. 个体行为模型个体行为是构建群体行为模型的基础。
个体行为模型可以基于理性行为、遗传算法、机器学习等方法进行构建。
其中，理性行为模型常用于描述个体在特定目标下的决策过程，遗传算法和机器学习方法则常用于模拟个体通过学习与适应不断演化的行为。
2. 群体交互模型群体交互模型描述了个体之间的互动和信息传播过程。
传统的群体交互模型包括邻近效应模型、随机模型和门限模型等。
近年来，基于复杂网络的群体交互模型逐渐兴起。
这些模型考虑个体之间的关联网络结构，能够更准确地描述真实世界中群体行为的演化。
3. 群体演化模型群体演化模型是将个体行为模型和群体交互模型结合在一起，描述群体行为的演化过程。
群体演化模型可以使用微分方程、差分方程、智能算法等方法进行建模。
其中，微分方程模型常用于描述连续时间内群体行为的动态变化，差分方程模型常用于离散时间内群体行为的模拟。
二、群体行为的动力学模型分析1. 稳定性分析稳定性分析是对动力学模型进行的一项基本任务。
通过稳定性分析，可以判断模型系统的稳定性，即系统是否会趋向于某种稳定状态。
常用的稳定性分析方法有线性稳定性分析、时延稳定性分析和非线性稳定性分析等。
2. 动力学行为分析动力学行为分析旨在研究群体行为模型中的动态特征、变化规律和演化趋势。
动力学行为分析可以通过数值模拟、仿真实验和理论分析等方法进行。
通过分析群体行为模型的动力学行为，可以揭示群体行为的复杂性、临界性和自组织性等重要特征。
3. 影响因素分析影响因素分析是对群体行为模型中影响行为演化的重要因素进行分析。
集体行动理论的困境与出路——读奥尔森《集体行动的逻辑》
集体行动理论的困境与出路——读奥尔森《集体行动的逻辑》郑子峰
【期刊名称】《南方论刊》
【年(卷),期】2011(000)006
【摘要】<集体行动的逻辑>是一部有关人类行为理论的经典巨著,它对个人在具
有集体利益的组织中为何引发行动困境这一问题具有很强的解释力.然而,奥尔森集
体行动理论的缺陷在于它把这个理论简单地建立在"经济人"假设、集团成员数量是集团规模大小唯一变量假设、集团利益具有竞争性假设这三大假设之上,从而导致
该理论在解释现实的过程中有很大局限性.在很多情况下不难发现自利的个人能够
打破行动困境达成合作的共识,而这正是奥尔森集体行动理论所无法解释的.
【总页数】3页(P42-44)
【作者】郑子峰
【作者单位】福建农林大学马克思主义学院,福建,福州,350002
【正文语种】中文
【相关文献】
1.跨流域污染治理中集体行动困境问题的探讨——以奥尔森“集体行动的逻辑”为切入点 [J], 王连伟
2.论政府在环境保护集体行动中的责任——奥尔森集体行动逻辑理论的启示 [J],
罗文君
3.对奥尔森的集体行动理论的理解--《集体行动的逻辑》读书报告 [J], 舒坤;杜天
成
4."外部精英"驱动:一个集体行动的解释框架
——兼对奥尔森"集体行动逻辑"的反思与重构 [J], 李凌汉;管贝贝
5.公共物品供给的集体行动问题——兼论奥尔森集体行动的逻辑 [J], 王刚
因版权原因，仅展示原文概要，查看原文内容请购买。
《决策理论与方法》：群体决策行为
资料来源：徐南荣,仲伟俊.现代决策理论与方法.东南大学出版社,2001年版,P.115
19
7-决策群体绩效的制约因素
1.初始信息 作用
¾ 导致上述两种极端倾向的原因有二： 1. 初始信息的作用：。 2. 人们认知上的障碍：。
2.认知上的 障碍
资料来源：徐南荣,仲伟俊.现代决策理论与方法.东南大学出版社,2001年版,P.115
¾ 群体思维时有这样一些症状：
1. 对群体所做成的假定，若有不合理的证据，群体成员会予以 合理化；
2. 若有人对群体的共识表示怀疑，其他成员会对其直接施加压 力；
3. 抱怀疑态度或持不同意见的成员，为了避免与群体共识相 悖，会保持沉默，或支持反方意见，甚至贬低自己的意见。
4. 如果有人不发言，群体会认为他完全与群体意见共识，“无 声就是默许”。
10
3-决策群体选择方案的规则
V 择案规则的类别 V 择案规则对群体决策的影响
11
3.1-择案规则的类别
V 完全一致：难 V 协商一致：有退让 V 多数决定：简单多数表决法；两两对比法；偏
好次序表决法。 V 等级决定：群体讨论和交换信息，然后由一个
成员作出决策。
12
3.2-择案规则对群体决策的影响
20
4
2-影响群体决策有效性的因素
为什么一些决策群体所作的决策要比另外一些决 策群体更有效？ 群体成员的价值准则、群体的结构、群体中成员 间的相互影响等。
V 群体任务的影响 V 群体外部环境的影响 V 群体成员资源的影响 V 群体结构的影响 V 群体运行过程的影响
5
2.1-群体任务的影响
V 决策任务的复杂程度： a 简单任务; a 复杂任务。
2.群体转移 现象
群决策问题的REM集结模型
评判值. 设群体偏好的映射为 Πg: aj →x g j , 群偏好向量为 X g = {x g j }, j = 1, 2, …, n. 求出每一个 x g j 后, 我们就 可以根据 x g j 的排序大小对决策方案集A = {aj }, j = 1, 2, …, n 进行选择, 同时也可以比较两个方案之间的偏 好差别.
j = 1 i= 1
1, 2, …, n
nm
6 7 Κ= log
(bij )w i - 1
j = 1 i= 1
下面就求得的极值点 X
3 g
=
(x
3 g1
,
x
3 g2
,
…,
x
3 gn
)
T
讨论其二阶充分条件,
加边 H esse
行列式[4 ]
52L
5x
2 g1
52L
…
52L
5g
5x g15x g2
5x g15x gq 5x g1
件. 如果不是这样, 假如某一个 x ij = 0, 则 bij = 0, 亦即专家 i 对方案 j 的评估概率估计为 0, 这时依据 R EM
华中科技大学《社会心理学》第12讲 集群行为与社会运动PPT
社会运动都会采取这样或那样的实际行动， 具有强烈的行动主义信念。
1. 社会运动的类型
改革运动：通过改变社会结构或社会制度的某些方面来改 善社会。
目标一般集中在一个或几个具体的社会问题上。 一般接受现存社会的基本价值准则，并以此为依据进行改革。 具有公开性和合法性。
（1） 社会结构论 代表人物：C.布林顿 重要著作：《革命的解剖》 主要内容：布林顿对17世纪的英国革命、18世纪的美国
革命、1789年的法国大革命，以及1917年的俄国十月革 命进行了分析、比较，发现了有关革命运动起源的某些基 本条件，并在此基础上提出了一个一般性模式。 一般模式：
革命往往发生在原先恶劣的经济状况开始改善之时。 都存在主要的社会阶级之间的严重冲突，而重大的对抗往往存在
特别是在一个长期的不断上升的满足和期望之后，突 然来一个倒退，这种相对剥夺的作用会更加明显。
社会控制机制的解体
集群行为常常在社会控制最薄弱的环节形成。 当社会控制的严厉措施突然放松时，也能产生集群行
为。
二、集群行为的理论
❖核心问题：个体行为是怎样转变为集 群行为的？ 个体置身于集群之中后心智会有怎 样的变化？ 为何在群体中人们会抑制个性并参 与集群行为？ 集群行为可能会怎样爆发？
暴民则通常有一定的目标，如袭击某个社会群体、对某人处以私 刑等。
同暴乱相比，骚乱所涉及的行为更一般化，除了制造混乱以外， 没有什么特定的目标。
四、社会运动
布鲁默：“集群行为统一而持久，且又含有某些 特质，我们便称之为社会运动。”
社会运动是一种特定形式的集群行为，或者说任何社 会运动的发生总是以某种集群行为作先导的。
在这个阶段里出现的领袖人物大都是预言家或改革家。
集体行动的内部动员过程_硬强制动员与软强制动员_李怀
99 集体行动的内部动员过程———硬强制动员与软强制动员 李怀,贺灵敏,西北师范大学社会学系,甘肃兰州730070摘要:奥尔森提出的“选择性激励”是防止“搭便车”从而避免集体行动困境的重要理论,但这一理论是以集体行动内部的组织化与制度化为前提的,而对那些弱组织化的集体行动并不具有解释力。
在对一次弱组织化的出租车司机集体罢工的个案分析中,提出硬强制动员与软强制动员两个概念,对弱组织化的集体行动何以可能给予了新的解释。
关键词:集体行动;弱组织化;强制性动员;硬强制动员;软强制动员作者简介:李怀(1970-),男,甘肃庆阳人,社会学博士,西北师范大学副教授,复旦大学社会学博士后流动站博士后,研究方向为城市社会学、组织社会学;贺灵敏(1985-),女,河南焦作人,西北师范大学社会学系硕士生,研究方向为农村社会学。
基金项目:教育部哲学社会科学研究2008年度后期资助项目(08J H Q 0018);西北师范大学科技创新项目“民族关系与西北多民族地区和谐社会构建研究”阶段性成果。
收稿日期:2009-04-15中图分类号:C 915 文献标识码:A 文章编号:1671-7023(2009)05-0099-06 近年来,国内诸多学者虽然都对转型中国底层社会的集体抗争现象进行了研究,但研究者主要致力于“结构性分析,而对过程分析较少”[1]。
李连江、欧博文首先提出了农民维权的“依法抗争”模式[2];于建嵘则建构了“以法抗争”的农民维权运动的解释框架[3];应星通过四个个案的比较研究提出了更为不同的观点,认为“草根行动者”是有着自身独特行动目标和逻辑的行动者,草根动员既是一个动员参与的过程也是一个进行理性控制并适时结束群体行动的过程[4];吴毅通过对石场纠纷案例的分析认为“权力———利益结构之网”是集体行动组织性模糊的根源[5]。
以上研究要么关注集体行动的参与者与抗争对象之间的博弈策略,要么关注集体行动的草根动员者所面临的“合法性困境”,要么突出官民之间的复杂利益关系往往是集体行动困境的根本原因,而较少对参与集体行动的行动者内部的动员过程展开深入的分析。
--一个群体决策的计算实验模型#
中国科技论文在线/week114 一个群体决策的计算实验模型李鹏翔（西安交通大学管理学院，西安 710049）摘要：现有群体决策问题的研究文献大都采用实证研究或受试者实验的方法，这种方法具有静态、一次性和不可重复的特点。
本文从计算实验的角度，通过设置具体的任务环境，运用AgentBuilder 和 Java 软件构建了一个基于 Multi-Agent 的群体决策原型模型。
模型分析了群体规模、个体决策偏好和环境因素对群体决策绩效的影响，对今后从计算组织学的角度研究群体决策问题具有一定的借鉴意义。
关键词：群体决策；计算实验；决策绩效中图分类号：C936A Computational Experiment Model of GroupDecision-MakingLi Pengxiang(The School of Management, Xi'an JiaoTong University, Xi'an 710049)Abstract: Most of existing research literatures on group decision-making usually used empiricalresearch or experimental methods with subjects, these methods characterize of static, one-off andnon-repeatable. By using AgentBuilder tool and Java software in this paper, a MultiAgent-basedprototype model of group decision-making has been built in a specific task environment from the perspective of computational experiments. The influences of population size, individualdecision-making preference and environmental factors on performance of group decision makinghave been examined in the model. This work can provide some references for future research in group decision-making from the perspective of computational organization theory.Keywords:group decision-making; computational experiment; the performance of decision making0引言现有研究群体决策问题的方法主要是经典的实证研究和受试者实验[1-3]。
threshold models of collective behavior 集体行为的阈值模型
threshold models of collective behavior
集体行为的阈值模型
集体行为的阈值模型是一种理论框架，用于解释集体行为的发生和发展。
该模型认为，集体行为的发生需要满足一定的阈值条件，即参与集体行为的人数达到一定的规模或程度，才能引发集体行为的发生。
在集体行为的阈值模型中，阈值是决定集体行为是否发生的关键因素。
如果参与集体行为的人数没有达到阈值，那么集体行为就不会发生。
只有当参与人数达到或超过阈值时，集体行为才会开始发展并逐渐扩大。
集体行为的阈值模型可以解释许多社会现象，例如抗议活动、罢工、示威游行等。
在这些现象中，只有当参与人数达到一定的规模时，这些活动才会得到广泛的响应和支持，进而引发集体行为的发生。
需要注意的是，集体行为的阈值模型并不是唯一的解释集体行为的理论框架。
其他理论框架还包括社会认同理论、资源动员理论等。
这些理论框架从不同的角度解释了集体行为的发生和发展，为我们更深入地理解集体行为提供了不同的视角和思路。
如何改善群体决策
如何改善群体决策
李兆冰
【期刊名称】《航天工业管理》
【年(卷),期】2000(000)006
【总页数】12页(P29-40)
【作者】李兆冰
【作者单位】无
【正文语种】中文
【中图分类】F272.3
【相关文献】
1.群体决策的α—较多有效规则与多目标群体决策的α—比较数法 [J], 胡毓达
2.后悔规避行为下二分类群体决策方法 [J], 汤华丽;梁海明;董玉成
3.面向冲突的区间模糊多准则群体决策方法及在投资决策中的应用 [J], 徐选华;夏玥
4.基于Louvain方法的社会网络大群体决策交互共识模型 [J], 赵萌;李子超;高美;沈哲
5.基于群体决策理论的多学科诊疗运行过程及其影响因素 [J], 彭婷婷;姜艳;蒋晓英;卢建龙
因版权原因，仅展示原文概要，查看原文内容请购买。
社会媒体的政治力量_集体行动理论的视角_曹峰
社会媒体的政治⼒量_集体⾏动理论的视⾓_曹峰2012年第6期总第164期2012年11⽉《经济社会体制⽐较》Comparative Economic ＆Social Systems No.6，2012Nov.2012社会媒体的政治⼒量———集体⾏动理论的视⾓曹峰李海明彭宗超内容提要：微博等社会媒体的兴起与发展，对国家与社会的关系正产⽣深刻的影响。
借助社会媒体的传播⼿段，公众可获得更⼤的政治能量，对政府形成更⼤的压⼒，也引起了我们对社会管理问题的更⾼的重视。
⽂章关注社会媒体在传播上的新特征，并进⼀步从集体⾏动理论的视⾓分析社会媒体对于社会舆论场的形成和集体⾏动的组织和协调等⽅⾯的作⽤。
关键词：社会媒体集体⾏动社会舆论场⾮正式⽹络中图分类号：D60⽂献标识码：A ⽂章编号：1003-3947（2012）06-0150-10作者简介：曹峰，清华⼤学公共管理学院讲师。
李海明，清华⼤学公共管理学院博⼠⽣。
彭宗超，清华⼤学公共管理学院教授。
①有关报道可以参见：http ：//www．huanqiu．com /zhuanti /world /aiji /。
微博等社会媒体的兴起与发展，对国家与社会的关系正产⽣深刻的影响。
借助新的媒介技术⼿段，公众对政府正形成更⼤的社会压⼒，也引起了政府对社会管理问题的⾼度重视。
对于这⼀新出现的问题，学术界与政府都⼗分关注，却仍缺乏深⼊剖析。
⽏庸置疑，对这⼀问题的阐释具有重⼤意义。
⼀、聚焦社会媒体2010年年底⾄2011年年初，⾮洲国家突尼斯发⽣了要求总统本·阿⾥下台的持续抗议活动，并演变为持续骚乱。
受到突尼斯骚乱的影响，2011年1⽉25⽇，由于不满物价上涨、失业率⾼和腐败等问题，埃及多个城市也开始发⽣民众⼤规模集会。
超过25万⼈聚集到开罗的解放⼴场及周边，要求总统穆巴拉克下台。
抗议者主要是青年⼈、妇⼥，涵盖了从学⽣到贫困⼈⼝的不同阶层。
⽰威者挥舞着埃及国旗和写上“再见穆巴拉克”的布条，并⾼喊“穆巴拉克到沙特或巴林去”和“我们不要你”的⼝号。
个人因素影响下的集体行动r——从社会认同模型、动态模型到个人-集体综合模型
个人因素影响下的集体行动r——从社会认同模型、动态模型到个人-集体综合模型邱毅斌;刘丽丽【摘要】在集体行动研究领域,集体行动的社会认同模型提出认同、不公和效能共同决定了人们的集体行动.但该经典模型过分强调认同的作用,将个人因素对行为的重要作用不适当地忽略掉了.在探讨该模型缺陷的基础上,进一步分析了以其为基础演化而来的包含规范和非规范集体行动的动态模型的改进和不足,提出社会认同和个人因素共同决定了人们是否参与到集体行动中去,由此得到集体行动的个人-集体综合模型.最后,利用这一模型对我国近年频发的群体性事件的最终解决进行了讨论.【期刊名称】《现代商贸工业》【年(卷),期】2018(039)012【总页数】4页(P83-86)【关键词】集体行动;社会认同模型;动态模型;个人-集体综合模型【作者】邱毅斌;刘丽丽【作者单位】武汉大学经济与管理学院 ,湖北武汉430072;中国建筑第八工程局上海中建东孚投资发展有限公司 ,上海200120【正文语种】中文【中图分类】F24集体行动一直是国内外社会科学关注的重点，也备受各国政府的重视。
以社会认同理论为基础的集体行动的社会认同模型将获得研究者们公认的认同、不公和效能作为影响人们集体行动的最重要因素，并将其整合为一个综合性的框架，遂成为该领域研究的里程碑。
在这一理论的基础上，包含规范和非规范集体行动的动态模型则注意到情绪的作用以及集体行动本身存在规范和非规范之分，从而在改进的框架中纳入了更多相关变量，也让集体行动的研究更加动态化。
但该理论一脉相承地将集体行动和个人行动相区分，于严格意义上和实际相去甚远。
本文致力于探讨个体潜能对集体行动的解释，尝试提出集体行动的个人-集体综合模型并将其应用于我国实际。
1 集体行动的社会认同模型20世纪早期，集群行为通常用来描述人们非理性表达的群体行为，相关领域的研究往往基于威权者视角，关注这些群体行为对社会控制组织的破坏甚至瓦解，并以非理性情绪作为中心议题。
基于动态遮挡阈值的多视角多目标协作追踪
基于动态遮挡阈值的多视角多目标协作追踪周良毅;王智;王营冠【摘要】多移动目标相互运动过程中产生的相互遮挡造成目标间的复杂空间关系,为视觉传感器网络的多目标信息融合、协同处理和协作追踪带来困难,提出动态遮挡阈值的多视角多目标协作追踪的多视角多目标协同追踪算法.为克服多视觉传感器中的信息融合及目标一致性表征问题,在基于贝叶斯理论的多视角移动追踪中引入遮挡变量,来描述多目标间的空间关系;通过分析不同视角包含的目标信息量及其对于融合的贡献,给出了遮挡阈值的动态表达式;通过动态调整和比较遮挡阈值来判断目标间的遮挡状态,改进了目标遮挡的判决标准和公共平面中的目标融合特征;并通过结合改进粒子滤波得到基于遮挡变量的多视角目标协作追踪算法,保证了追踪系统的稳定性.实验结果表明,引入遮挡变量以及动态遮挡阈值有效解决了传统追踪算法中的目标不一致性、尺寸变化等难题,提高了目标追踪精度,在目标被遮挡的情况下仍然能够保持良好的追踪效果.【期刊名称】《计算机研究与发展》【年(卷),期】2014(051)004【总页数】11页(P813-823)【关键词】多视角;协作追踪;多移动目标;特征融合;遮挡变量;动态阈值;颜色直方图;粒子滤波【作者】周良毅;王智;王营冠【作者单位】工业控制技术国家重点实验室(浙江大学) 杭州 310027;工业控制技术国家重点实验室(浙江大学) 杭州 310027;中国科学院上海微系统与信息技术研究所无线传感网与通信重点实验室上海200050【正文语种】中文【中图分类】TP393现在越来越多的多视觉网络系统采用协作式的算法进行场景认知和信息采集，目标追踪就是其中一个重要的应用，越来越广泛地出现在视频监控、人机交互等领域．在以特征融合和行人追踪为背景的目标追踪中有很多重要算法成果［1－4］，但是在复杂场景中对运动和遮挡目标的追踪是目标追踪的研究难点．现有追踪算法主要是以轮廓［1］、特征点［2］、颜色［3］等作为目标特征量，采用 Meanshift［3］或者卡尔曼滤波［5］等方法实现运动目标的追踪．但是传统的目标追踪算法［3，6］大都只是应用在图像平面上．这些传统针对图像平面中的追踪算法存在很多限制，比如目标尺寸变化、目标朝向变化、目标特征量变化、目标之间的遮挡问题等．追踪效果具有精度不高、鲁棒性差等缺陷．随着CMOS技术的发展，多视觉系统的搭建成本降低，越来越多的研究者把研究的重点从单一视角对应的2D追踪算法转向多视角对应的3D追踪算法，追踪场景如图1所示．3D追踪算法［7－9］的思路是利用信息融合方法处理多视角信息进而弥补单一视角的信息不足．3D追踪算法和2D追踪算法有相似之处，根据目标信息融合和追踪过程的顺序，可以把多视角目标追踪分为先追踪再融合［10］和先融合再追踪［11］两大类．先追踪再融合是先在每个图像平面中进行追踪，得到目标的追踪轨迹，再进行融合来寻找目标在公共平面中的追踪轨迹．Black等人［12］首先利用卡尔曼滤波的方法在图像平面进行目标追踪，将结果映射到顶视角对应的公共平面中，再通过协方差匹配和卡尔曼滤波的方法进行目标追踪．为了高效利用多视角带来的冗余信息，Du等人［13］先在每个视角中使用一个粒子滤波器进行目标追踪，再将表示目标状态的粒子映射到顶视角对应的公共平面中进行融合．在融合时采用虚拟轴匹配的方法得到最优的目标状态，实现目标的追踪．相似地，Qu等人［14］又尝试在一个图像平面中采用多个相互独立的粒子滤波器追踪不同的目标．先追踪再融合的方法包括很多个追踪步骤，对应的计算量非常大，而且这种目标追踪算法本质上是基于图像平面中的追踪算法，所以仍然有图像平面追踪算法中的不足，如目标尺寸变化、特征不稳定、不适应复杂场景中的遮挡等情况．在得到各自图像平面中目标的轨迹之后，摄像头所捕获的图像信息都会被丢弃，并不能用于融合阶段，所以这种3D追踪算法仍然有传统2D追踪算法的弊端，如目标尺寸变化、目标特征量变化等．为了减少计算量，更多地利用冗余信息和解决目标一致性问题，有研究者提出采用先融合再追踪的方法．先融合再追踪是先把每个视角中的目标信息映射到公共平面进行融合，得到目标在公共平面的融合信息，再利用融合后的信息进行目标追踪，直接得到目标的运动轨迹．Kim等人［10］采用人的脚作为目标特征进行融合，并在公共平面进行追踪，但是该算法没能够描述目标之间的遮挡问题，不能用于目标之间可能存在遮挡的场景．Focken等人［15］采用目标轮廓信息作为目标特征量．虽然轮廓信息对于刚性目标较为稳定，但是当追踪目标在运动过程中姿态发生变化时则不准确．Taj等人［16］采用分割的方法得到前景目标区域作为目标特征量，选取特征量的效果非常依赖于分割算法，并且算法的计算量较大．Tyagi等人［11］使用颜色直方图作为目标的特征，并结合前景判断对目标进行追踪．但是该算法只适用简单的场景，并且特征融合算法的稳定性不高．先融合再追踪的算法能够克服2D追踪算法中的一些缺陷，但是现有算法在特征融合阶段都没有针对目标之间的遮挡问题进行分析，以至于融合后会得到错误的特征．尽管周良毅等人［17］引入了遮挡变量，并且深入探讨了从图像平面到公共平面过程中多目标之间的遮挡对特征融合的影响，提出了基于遮挡阈值的多视角目标特征融和基于粒子滤波的追踪算法，但是该方法的核心，遮挡阈值是静态的，对于多变的多目标追踪应用有一定的局限性．针对复杂场景中目标遮挡和追踪问题，本文提出利用多视角网络的协同合作进行目标融合和在3D环境中进行目标追踪的算法．本文的主要贡献有3个方面：1）针对目标之间的遮挡，提出一种动态阈值判断遮挡变量的方法；2）基于引入遮挡变量，提出一种目标融合算法，经过融合得到一种包含目标颜色信息和目标遮挡信息的全局目标模型；3）基于全局的目标模型，引入贝叶斯估计设计目标追踪器，并且采用粒子滤波进行实现．1 背景介绍在基于视觉信息的目标追踪系统中，目标追踪算法和目标表征是最重要的两个部分．目标追踪算法主要有均值偏移［3］、卡尔曼滤波［4］、粒子滤波［5］等算法．目标表征就是选取目标的特征，现有的特征量有轮廓［1］、特征点［2］、颜色［3］等．典型的卡尔曼滤波和粒子滤波追踪算法都是基于贝叶斯估计理论．在目标追踪中的步骤是利用视频帧中的目标特征来检测、追踪目标．连续视频用Zk＝｛zi｜i＝1，…，k｝表示，zj 代表时刻j 对应的视频帧，即观测值．在状态空间的表示方法下，利用状态向量xk表示被追踪目标的状态，其中目标的状态包括目标位置、速度、角度、大小等．假设目标状态满足如下动态模型：xk ＝fk－1（xk－1，vk－1），其中，fk－1是一个已知的状态转移函数，vk－1是过程噪声．等价地，目标状态转移过程可以用状态转移概率表示：p（xk｜xk－1）．目标状态和观测值之间的关系可以通过观测模型表示：zk＝hk－1（xk，wk），其中，hk－1是已知的观测模型函数，wk－1是观测噪声．等价地，目标的观测模型也可以用概率的形式表示：p（zk｜xk）．追踪目的是利用观测值Zk ＝｛zi｜i＝1，…，k｝来估计时刻k目标的状态的概率，即p（xk｜Zk）．贝叶斯估计的方法中可以通过不断迭代的方式计算出p（xk｜Zk），即在已知初始时刻的状态之后可以通过p（xk－1｜Zk－1）迭代计算出p（xk｜Zk）．计算过程分成两个：预测和更新过程．1）预测：预测阶段是通过状态动态转移模型，在未获得时刻k的观测值时，实现概率p（xk －1｜Zk－1）至p（xk｜Zk－1）的推导．更新过程是通过系统的观测模型和时刻k的观测值zk 实现p（xk｜Zk－1）至p （xk｜Zk）的推导．把上述过程在每一帧中不断重复，就可以迭代计算出每一帧中的目标状态，最终实现目标的追踪过程．在目标追踪过程中目标的动态模型有很多选择，最简单的目标运动模型可以采用随机游走模型：xk＝xk－1＋wk，wk 是一个随机变量．目标的观测模型与目标的特征表示有关．由于相对于特征点和轮廓，目标颜色具有简单、稳定等特点，所有选用目标颜色作为特征量较为流行．可以采用RGB颜色空间作为目标的特征空间．但是为了减少光照带来的影响，一般采用HSV颜色空间作为目标的特征空间，把目标的颜色信息和光照信息进行解耦．假设目标在图像i中所对应区域的像素点由｛xi｝i＝1，…，p表示，其中区域中心为c．定义一个函数b：R2→｛1，…，m｝，该函数的作用是将xi 对应的像素点映射到特征空间直方图中对应的区间b（xi），其中m是直方图的区间个数．给定目标区域信息，目标直方图，其中δ是狄拉克里函数，η是归一化系2）更新过程：可以表示区域中的数，保证像素点的权重更高，离中心越远的像素点权重值越低．如果权重值w＝1，该目标模型就等价于标准的直方图计算．目标的候选模型的定义也和目标模型相似，假设目标可能存在的区域为y，表示为像素点集合｛yi｝i＝1，…，p，区域中心也用c表示，采用相同的权重函数k和映射函数b，则候选目标的特征表示为p（y）＝｛p（y）u｜u＝1，…，m｝，其中：．函数k是核函数，让区域中心的目标模型q和候选目标模型p之间的相似度在目标追踪过程中起着关键作用，最大相似度对应的候选模型可以看作是目标状态估计值．采用巴氏距离定义两个模型之间的相似度，定义如下：2 目标遮挡变量追踪场景如图1所示，假设追踪场景中布置有N个固定、静止的图像传感器C＝｛C1，…，Ci，…，CN｝，并且目标运动的区域能够被N个图像传感器同时检测到．传统的特征融合算法中并没有考虑遮挡情况，所以目标的特征量不稳定．针对上述情况，引入遮挡变量改进特征融合算法，通过目标在图像平面中的位置、大小获取颜色直方图作为目标的特征，并结合遮挡变量进行特征融合，保证目标特征的稳定性．Fig．1 Scenario of multi－view multiple mobile object tracking．图1 多视角多目标追踪场景示意图目标遮挡变量的获取过程分为2个步骤：1）目标位置、大小状态的获取；2）目标遮挡变量的动态判断、更新．2．1 目标在图像平面中的位置和大小本算法利用图像传感器网络的标定信息得到追踪场景中的单映性变换关系，直接在公共平面中进行目标追踪．单映性变换［18］表示公共平面和图像平面中相应点之间的映射关系，单映性矩阵变换定义为Posji，k＝Hj×Posi，k，式中Hj 表示3×3的单映性矩阵，Posji，k和Posi，k分别表示第j 个图像平面和公共平面中对应目标的位置．在本文所述的追踪实验场景中，单映性变换矩阵可以简化为线性仿射变换，即目标在图像平面中尺寸大小随着目标的不断运动而动态变化，这一直是目标表示中的一个难点．本算法根据图像传感器的模型和先验知识，计算目标在图像平面中的尺寸大小．假设追踪目标的实际尺寸是固定不变的，并且初始时刻目标的位置和尺寸大小已知，如图2所示：Fig．2 Model of the image sensor．图2 图像传感器模型示意图其中Simage是目标在图像中的尺寸大小，Sactual是目标的实际尺寸大小，dobj 是目标与该视觉传感器的距离，df是与焦距有关的传感器内部参数．2．2 目标的遮挡变量的判断目标在图像平面持续移动过程中目标之间可能会出现遮挡．本算法提出使用遮挡变量Ok对目标的遮挡状态进行描述，并根据目标在图像平面中的重叠范围和目标尺寸大小判断目标的遮挡变量，如图3所示：目标在图像平面中的尺寸大小和目标的实际尺寸大小存在式（4）的关系：Fig．3 The calculation diagram of object occultation variable．图3 目标遮挡变量计算示意图假设场景中有s个目标，对应的遮挡变量为Ok＝｛O1k，O2k，…，ONk ｝k＝1，…，s，Ock ＝｛Oc1，k，Oc2，k，…，Ocs，k｝c＝1，…，N，其中Oci，k＝｛0，1｝表示在第c个视角中目标i被目标k的遮挡情况，0和1分别表示没有被遮挡和遮挡．以下变量都是针对第c个视角，其他视角可以更改相应的下标．目标与第c个视角对应图像传感器之间的距离为dck＝｛dc1，k，dc2，k，…，dcs，k｝，其中dci，k表示第i个目标与第c个视角对应图像传感器之间的距离．用二值图像表示每一个目标在图像平面中的信息．Bc＝｛Bc1，Bc2，…，Bcs｝，Bci 表示第i个目标在第c个视角的信息，其中目标所在区域的像素值为1，其他区域的像素值为0．目标所在区域用矩形表示，矩形中心为Posci，k＝｛xci，k，yci，k｝，矩形的尺寸为Sci，k＝｛Wci，k，Hci，k｝．通过目标间的位置、尺寸关系来计算目标的被遮挡面积．当目标被遮挡面积TotalOi和目标原始尺寸所占面积Total Bi的比例τi大于一定的阈值时就判断目标是被遮挡的，反之目标没有被遮挡，即如图3所示，易知两个目标之间只可能离图像传感器更近的目标把另一个目标遮挡，所以可以通过对目标离图像传感器的距离进行排序得到在当前目标之前的其他目标集合，用Rc＝｛Rc1，Rc2，…，Rcs｝表示．其中Rci＝｛j｜dcj＜dci，j∈1，…，s｝，表示第c个视角中到图像传感器距离小于第i个目标离图像传感器距离的目标集合．计算第c个视角中第i个目标的遮挡面积过程如下：先计算Rci中所有目标对应的二值图像的叠加，并对该结果进行二值化得到新的二值图Bci，T，表示Rci中所有目标占有区域的总和．再利用第i个目标对应的二值图Bci与Bci，T进行对比，作与运算得到第i个目标与其他目标重叠区域的信息，用OMci表示．再分别统计OMci，Bci，T中像素值为1的像素点个数即可得到重叠区域的面积TotalOi，TotalBi，于是有比例τi＝TotalBi/TotalOi．算法1．遮挡变量判断方法．1）/＊目标排序：按距离排序，得到每个目标前面的其他目标集合＊/2）/＊目标信息的表示：通过目标的位置、尺寸大小构造二值图表示目标信息＊/for i＝1：nBci＝BinaryInfo（Posi，Si）；end for3）/＊获取目标被遮挡区域＊/①计算目标前面的其他目标所在区域，用二值图｛Bci，T｝ni＝1表示．for i＝1：n i＝1和①中的｛Bci，T｝ni＝1计算目标被遮挡的区域，进一步获得目标被遮挡区域的面积比例．for i＝1：n OMci＝Bci，t＆Bci； /＊获取目标被遮挡的区域＊/TotalOi ＝Size（OMci）；TotalBi＝Size（Bci）；τi＝TotalBi/TotalOi； /＊获取目标被遮挡的比例，并通过该比例与遮挡阈值的比较更新遮挡变量＊/ifτoi＞τOci＝0；else Oci＝1；end ifend for在所有图像平面中重复上述过程就可以得到目标所有的遮挡分量Oi，k＝｛O1i，k，O2i，k，…，ONi，k｝．2．3 判断遮挡变量的动态阈值因为遮挡情况的出现本质上是错误信息的引入，引入遮挡变量是为了减小错误信息带来的干扰，保持目标特征量的稳定性．易知选取不同的遮挡阈值可以产生完全不同的遮挡变量值，于是遮挡阈值在遮挡变量的判断过程中非常重要．遮挡阈值的选取应该以保证目标特征量相似度的稳定性为目的．由于目标是运动的，并且目标的实际尺寸是固定不变的，所以在图像平面中目标的尺寸会随着目标的不断移动而变化．例如，当目标离图像传感器距离越近，在图像平面中目标尺寸就会越大，所占的像素点增多，信息量增大．由于视角的不同，不同视角所包含end for② 根据步骤2）中的｛Bci｝n/＊其中 Q 为量化函数，Q（x）＝的信息量大小也不同，在融合过程中不同视角对融合特征量贡献的权重也是不一样的．针对不同视角中信息对融合的贡献度不同，针对贡献度权值不同的视角采用动态的遮挡阈值判断遮挡变量以保证目标融合的精确性，最终保持追踪系统的精度．通过对追踪精度和遮挡比例的分析来寻找合理的遮挡阈值．针对多视角的场景，提出加权追踪精度（weighted object tracking precision，WOTP）参数来定量地衡量算法的追踪精度．其中，时刻t追踪系统的WOTP表示为WOTPt，计算公式如下：其中，N表示系统中图像传感器的数目，ωi＝Pi表示第i个视角对应的权重，Pi是第i个视角中目标对应的像素点个数，Atruet，i表示时刻t目标在第i个图像传感器视野中真实的目标区域；Aestt，i则表示由算法估计得出的目标区域；Atruet，i ∩Aestt，i表示两个区域的交集部分的面积；Atruet，i ∪Aestt，i表示两个区域的并集部分的面积．WOTPt计算估计区域与真实区域的平均重合度，表征了时刻t系统中各个视角追踪精度的平均值．算法的精度越高则两个区域的交集面积越大，并集面积越小，WOTPt越大；反之算法的精度越低，则两个区域的交集面积越小，并集面积越大，WOTPt越小．通过对视角不同权重情况下的遮挡比例和追踪精度的分析，可以得到图4的实验结果：Fig．4 The relationship between the tracking accuracy and the occultation ratio．图4 追踪精度与遮挡比例之间的关系图4中，横坐标是目标遮挡比例，范围是从0增加到100%；纵坐标是对应的追踪精度，范围是从0增加到100%．不同的曲线对应着视角的不同权重值．通过曲线的观察可知随着视角对应权重的减少，目标之间的遮挡对精度的影响也不断减小，这样能够体现出目标特征融合中不同视角中的目标特征的贡献度．假设为了保证追踪系统的精度在60%以上，通过对图4中的数据进行分析可以寻找到不同视角权重下目标的遮挡阈值．如当视角权值为60%时，精度0．6对应的遮挡阈值为0．336；当视角权值小于20%之后，目标的精度受该视角的影响非常小，以至于精度能够一直保持在0．6以上．通过分析可以得到表1：Table 1 The Relationship Weight and Threshold when Accuracy is 0．6表1 精度为0．6时对应的权重阈值关系表Weight Occultation Threshold 1 0．226 9 0．9 0．243 7 0．8 0．268 9 0．7 0．302 5 0．6 0．336 1 0．5 0．403 4 0．4 0．504 2 0．3 0．689 1 0．2 1 0．1 1表1只是对应着10个不同权重值的情况，对表1中的数据采用多项式进行拟合，可以得到更加一般的通用关系式：y＝1．330 6x2－2．374 3x＋1．291 1，其中y为遮挡阈值，x为权重．2．4 基于遮挡变量的目标模型为了保证目标特征量的稳定性，本文算法结合遮挡变量进行各个图像平面中颜色直方图的融合算法．本算法用颜色直方图表示目标的特征，从每一个图像平面中提取出对应的颜色直方图．在实验中采用10×10×5的HSV空间颜色直方图表示目标，假设目标在第j个视角中对应直方图为qj＝．候选目标模型和目标模型相似，假设目标在第j个视角中对应目标特征量为，其中i］，m 是直方图个数．用q＝｛qi｝i＝1，…，s表示目标在公共平面的融合特征量，用O＝｛O1，O2，…，ON｝表示目标在N个视角中的遮挡变量．当目标在第i个图像平面中被遮挡时，该图像平面中得到的颜色直方图不是目标真实的特征量，不能将该特征量用于融合过程．结合遮挡变量，采用式（7）进行目标特征融合：同理，候选公共平面上目标的特征量用p＝｛pi｝i＝1，…，s，计算式为目标模型q和候选目标模型p之间的相似度仍然采用巴氏距离．引入遮挡变量的好处就是能够有效排除错误信息的干扰，保证在追踪过程中目标相似度的稳定性．如图5所示，目标用虚线矩形框标注出来，分别在3个视角中，其中视角2，3中目标都没有被遮挡，摄像头所捕获的信息都是正确的信息．在视角1中目标被遮挡，矩形框中的出现错误的目标信息．采用传统的融合算法，不考虑目标的遮挡问题，得到的目标的融合特征如图5（g）所示，采用本算法考虑遮挡情况进行融合得到的融合特征如图5（h）所示．从图5（h）中易知不考虑遮挡情况会引起特征量的不稳定变化，最终会导致追踪结果的不正确．Fig．5 The diagram of target feature fusion amount．图5 目标特征量融合示意图3 基于遮挡变量的改进型粒子滤波追踪算法基于贝叶斯估计理论的粒子滤波方法越来越多地应用在目标追踪领域中［6］，但是传统的方法都是把目标的位置、尺寸大小作为目标的状态，并没有结合目标的遮挡状态．本节提出一种基于遮挡变量的改进型粒子滤波追踪算法，在追踪过程中考虑遮挡变量的影响．3．1 基于遮挡变量的贝叶斯估计过程贝叶斯估计的实质是用所有已有信息来构造系统状态变量的后验概率密度，再用最新的测量值进行修正，并获得最优的目标状态估计，即通过观测数据Zk来递推计算状态Xk取不同值时的置信度p（Xk｜Zk）．假设传统的目标位置、尺寸用Xk表示，引入的遮挡变量用Ok表示，新的目标状态变量为Yk＝｛Xk，Ok｝．由于状态分量Xk只与目标的运动模型有关，与遮挡变量无关，故假设其转移模型为p（Xk｜Xk－1）．由2．4节的分析可知遮挡状态变量Ok只决定于当前时刻目标的位置和尺寸，而与以前时刻目标的尺寸和位置无关．假设系统转移模型为p（Yk｜Yk－1），系统的测量模型为p（Yk｜Zk）．引入遮挡变量后的贝叶斯估计过程可分为预测和更新两个过程．1）预测：在未获得时刻k的观测值时，由系统的状态转移模型实现p（Yk－1｜Zk－1）至p（Yk｜Zk－1）的推导．假设p（Yk－1｜Zk－1）已知，利用系统状态转移方程和Chapman－Kolmogorov方程可以得到下面的预测方程：2）更新：通过系统的观测模型和时刻k的观测值Zk，实现p（Xk｜Zk－1）至p （Xk｜Z1：k）的推导．通过上述推导可知引入遮挡状态之后贝叶斯估计与以前有2处不同，一是在预测过程中增加了分式p（Ok｜Xk），该模型表示通过目标位置状态判断目标的遮挡状态，具体模型如第2节所述；二是在更新过程中观测模型和传统方法不同．这两个不同点分别对应着第1节中遮挡变量的更新、判断和第2节中目标在公共平面的融合特征模型．3．2 基于遮挡变量的粒子滤波追踪过程粒子滤波是一种基于蒙特卡罗（Monte Carlo）仿真的近似贝叶斯估计算法，其核心思想是用一些离散随机采样点来近似系统随机变量的概率密度函数，以样本均值代替积分运算，从而获得状态最小方差估计．随着粒子数目的增加，粒子的概率密度函数逐渐逼近状态的概率密度函数，粒子滤波估计即达到了最优贝叶斯估计的效果．基于遮挡变量的粒子滤波过程如下：1）粒子集的初始化；2）粒子集的状态转移；3）粒子的权重计算；4）粒子集重采样；5）最终状态输出．算法2．基于动态遮挡阈值和粒子滤波多视角多目标协作追踪过程伪代码．1）/＊初始化＊/for j＝1：Np对于k＝0，根据状态先验分布p（Yi，0）建立初始状态的粒子集是权重，Np是粒子数，Yji，0是第i个目标在第j个图像平面中对应的状态分量；end for2）/＊粒子状态转移＊/①for j＝1：Np根据状态转移方程从状态先验密度p（Xk｜Xk－1）采样得到新粒子集中的 Xi，k 分量end for②for j＝1：Np根据①得到的 Xi，k分量更新粒子集的Oi，k分。