基于網(wǎng)絡基的粗糙復雜網(wǎng)絡決策方法及應用*

曹黎俠，黃光球，李 艷

1.西安建筑科技大學 管理學院，西安 710055

2.西安工業(yè)大學 理學院，西安 710032

基于網(wǎng)絡基的粗糙復雜網(wǎng)絡決策方法及應用*

曹黎俠1,2+，黃光球1，李 艷1

1.西安建筑科技大學 管理學院，西安 710055

2.西安工業(yè)大學 理學院，西安 710032

CAO Lixia,HUANG Guangqiu,LI Yan.Decision methods and applications of rough complex networks based on network-based.Journal of Frontiers of Computer Science and Technology,2016,10(11):1601-1613.

在一些實際的復雜網(wǎng)絡中，網(wǎng)絡的管理者為了自身利益最大化和風險最小化，需要做出一些決策，但是現(xiàn)有的研究也只是針對某一實際復雜網(wǎng)絡所做的決策，缺乏通用性，也忽略了復雜網(wǎng)絡中大量的不確定現(xiàn)象，因此難以取得比較好的決策效果。定義了粗糙復雜網(wǎng)絡的網(wǎng)絡基，并對網(wǎng)絡基的性質進行了研究，證明了網(wǎng)絡基與復雜網(wǎng)絡等價的結論；提出了兩種節(jié)點重要性的決策方法和基于網(wǎng)絡基的粗糙復雜網(wǎng)絡決策方法。最后將基于網(wǎng)絡基的粗糙復雜網(wǎng)絡決策方法應用于第三方支付粗糙復雜網(wǎng)絡的風險分析，建立了二層風險決策模型，給出了量化的決策分析結果。基于網(wǎng)絡基的粗糙復雜網(wǎng)絡決策方法在第三方支付粗糙復雜網(wǎng)絡風險決策模型中的成功應用，說明了該方法的有效性和可行性。

粗糙復雜網(wǎng)絡；網(wǎng)絡基；決策方法；第三方支付風險分析

1 引言

隨著計算機網(wǎng)絡的深入研究，科學界發(fā)現(xiàn)大量的真實網(wǎng)絡具有與規(guī)則網(wǎng)絡和隨機網(wǎng)絡都不相同的特征，并將這種處于無規(guī)律狀態(tài)的網(wǎng)絡稱為“復雜網(wǎng)絡（complex networks）”[1-2]。目前國內外關于復雜網(wǎng)絡的研究主要集中在以下幾個方面[3-4]：（1）網(wǎng)絡的結構、性質及演化模型；（2）網(wǎng)絡的物理傳輸過程；（3）利用網(wǎng)絡結構控制和優(yōu)化系統(tǒng)功能。我國學者過去十余年在復雜網(wǎng)絡科學的基礎研究方面也取得了不少重要的成果，包括復雜網(wǎng)絡建模、同步、控制、博弈、傳播、節(jié)點重要性指標、傳播動力學和魯棒性分析等，但是所有這些研究都沒有與復雜網(wǎng)絡上的決策方法相關的成果。在一些實際網(wǎng)絡中，特別是社會網(wǎng)絡和信息網(wǎng)絡，網(wǎng)絡活動的參與者往往需要做出各種決策，此時他們通常會根據(jù)經(jīng)驗進行主觀性的決策。這種根據(jù)主觀臆斷所做的決策，缺乏科學性而且風險很大。因此，復雜網(wǎng)絡上的決策方法的研究有著重要的理論價值和實際意義。同時在實際復雜網(wǎng)絡中，往往存在著太多的不確定現(xiàn)象、不完全信息、大量的冗余數(shù)據(jù)甚至是錯誤數(shù)據(jù)，這些是復雜網(wǎng)絡至今還未形成一個通用的決策方法的原因之一。文獻[5]對第三方物流企業(yè)管理信息系統(tǒng)中配送決策方法進行了分析和建模，文獻[6-10]對復雜網(wǎng)絡某領域中的一些具體問題進行了決策優(yōu)化，但這些研究并沒有考慮到實際復雜網(wǎng)絡上不確定性問題，因此他們的研究有著很大的應用局限性。

粗糙集理論[11]是一種刻畫不完全信息和不確定性的數(shù)學工具，該理論的主要思想是利用已知的知識庫，將不精確或不確定的知識用已知知識庫中的知識來近似刻畫，并且無需提供問題所需處理的數(shù)據(jù)集合之外的任何先驗信息，因此對問題的不確定性的描述或處理可以說是比較客觀的。目前，文獻[12]雖然給出了將粗糙集理論應用于決策分析的一種方法，卻沒有運用粗糙集理論來解決復雜網(wǎng)絡上的決策。因此，本文通過對粗糙復雜網(wǎng)絡（rough complex networks，RCN）[13]的網(wǎng)絡基的定義，完成粗糙復雜網(wǎng)絡上決策方法的研究，并用于求解第三方支付粗糙復雜網(wǎng)絡上的風險決策問題。

2 網(wǎng)絡基的概念及性質

3 復雜網(wǎng)絡決策問題的描述與決策方法

在信息網(wǎng)絡和社會網(wǎng)絡中，網(wǎng)絡的效益、安全與風險是人們非常關注的熱點問題，這些問題的研究主要包含以下三方面的內容：復雜網(wǎng)絡節(jié)點重要性的排序，復雜網(wǎng)絡的風險評估與決策，復雜網(wǎng)絡效益的預測。本文重點討論前兩方面的內容，在前文對網(wǎng)絡基的概念及其性質研究的基礎上，研究粗糙復雜網(wǎng)絡上的決策方法。

3.1 粗糙復雜網(wǎng)絡節(jié)點重要性的排序

方法1設Vi,i=1,2,…,n是RCN頂點集合，ki=分別表示節(jié)點i度和介數(shù)，把網(wǎng)絡節(jié)點的重要性作為該節(jié)點的權重ωi，且

然后依據(jù)ωi的大小對節(jié)點排序。

方法2一些實際粗糙復雜網(wǎng)絡，網(wǎng)絡的構建不太容易，但是根據(jù)以往的經(jīng)驗已知它的度分布，或者通過統(tǒng)計調研和回歸分析的方法可以確定其度分布和每個節(jié)點是屬于正域、負域，還是邊界域，網(wǎng)絡的度分布分別見表1和表2。

假定度相同的節(jié)點在網(wǎng)絡結構中有著相同的重要性，決策者事先已有一些經(jīng)驗的主觀估計權重λ=(λ1,λ2,…,λn)T，定義熵值如式（2），其中i=1,2,…,n：

其中，kmax表示網(wǎng)絡度k的最大值；mk表示度為k的節(jié)點出現(xiàn)的頻數(shù)。

Table 1 Degree distribution of underapproximation networks表1 下近似粗糙復雜網(wǎng)絡度分布

Table 2 Degree distribution of upapproximation networks表2 上近似粗糙復雜網(wǎng)絡度分布

復雜網(wǎng)絡中，節(jié)點重要性的排序，方法1簡單直觀，考慮了節(jié)點的度和介數(shù)兩方面的特性，但是要求構造出復雜網(wǎng)絡；方法2比較抽象，直接利用粗糙復雜網(wǎng)絡的度分布來計算權重，無需構建粗糙復雜網(wǎng)絡，也無需構造復雜網(wǎng)絡上的決策矩陣，這是比原有的熵值法先進之處。為了避免僅利用度信息而沒有充分考慮網(wǎng)絡結構的缺陷，在此加入了決策者的主觀權重λ=(λ1,λ2,…,λn)T，是對網(wǎng)絡結構比較模糊時，網(wǎng)絡節(jié)點評估方法的有力補充。

3.2 粗糙復雜網(wǎng)絡風險評估的決策方法

3.2.1 基于最大度和最大介數(shù)的決策法

實際復雜網(wǎng)絡中，決策者通常需要一系列的監(jiān)管策略，降低網(wǎng)絡風險，保障網(wǎng)絡的穩(wěn)定和安全。這些實際網(wǎng)絡一般都有無標度網(wǎng)絡和小世界網(wǎng)絡的特征，對隨機攻擊有著很強的魯棒性和選擇性，意外攻擊具有明顯的脆弱性的特點。因此，網(wǎng)絡維護和網(wǎng)絡攻擊的目光都在于最大度節(jié)點和最大介數(shù)節(jié)點。這種方法簡單，容易操作和實現(xiàn)，網(wǎng)絡維護者只需按照合適的比例分配人力、物力和財力給最大度節(jié)點和最大介數(shù)節(jié)點。分配比例系數(shù)的確定可以轉化為最優(yōu)化問題（6）的解，最優(yōu)化問題（6）可以通過非線性規(guī)劃法求解。

其中，fi(V)為節(jié)點i的風險評估函數(shù)；α1、α2為決策變量。

這種方法最大的弊端是僅僅關注了網(wǎng)絡最大度節(jié)點和介數(shù)節(jié)點，忽略了網(wǎng)絡的基本結構。鑒于此，提出了基于網(wǎng)絡基的粗糙復雜網(wǎng)絡風險評估的決策方法。

3.2.2 基于網(wǎng)絡基的風險評估決策法

粗糙復雜網(wǎng)絡中存在著大量的不完全信息和不可分辨性的數(shù)據(jù)，為了決策的科學化和規(guī)范化，本文提出了基于網(wǎng)絡基的風險評估決策法，達到風險最小化的目的。其基本思想和決策步驟如下：

（1）運用粗糙集屬性規(guī)則的提取原理[11,14]，刪除冗余屬性和無效節(jié)點。

（2）構建有效節(jié)點的屬性集V=(V1,V2,…)和風險評估函數(shù)；gi(Vi,α),α=(α1,α2,…,αj),i=1,2,…,i表示第i個節(jié)點，j表示網(wǎng)絡的風險因子的數(shù)目。

（4）在網(wǎng)絡基節(jié)點中，任取一個節(jié)點為源節(jié)點，運用Dijkstra算法確定其到其余節(jié)點的最短路徑，給出網(wǎng)絡基節(jié)點的Njl(i)。

（5）建立基于網(wǎng)絡基的多目標最優(yōu)化決策模型（7），確定風險因子α=(α1,α2,…,αj)，α為決策變量：

（6）運用線性加權法將多目標最優(yōu)化（7）轉變?yōu)閿?shù)學規(guī)劃（8），由此得該決策問題的最優(yōu)解。

建立網(wǎng)絡基的鄰接矩陣A，根據(jù)特征向量法確定網(wǎng)絡基節(jié)點的權重 β=(β1,β2,…,βs)，滿足Aβ=λmaxβ，因此多目標最優(yōu)化問題的解轉化為式（8）的解：

式（8）的解，即為式（7）的近似最優(yōu)解。

（7）對于粗糙復雜網(wǎng)絡RCN，分別求下近似粗糙復雜網(wǎng)絡和上近似粗糙復雜網(wǎng)絡的最優(yōu)解，再依據(jù)風險型決策法在中做決策。

該方法以網(wǎng)絡基與復雜網(wǎng)絡具有相同的網(wǎng)絡魯棒性和脆弱性為依據(jù)，通過網(wǎng)絡基的風險最小化，實現(xiàn)復雜網(wǎng)絡風險因子的評估。在決策方法設計中，關于網(wǎng)絡基節(jié)點的選擇，本文根據(jù)節(jié)點重要性由高到低選取s個線性無關的節(jié)點；由網(wǎng)絡基鄰接矩陣確定網(wǎng)絡基節(jié)點的權，充分考慮到網(wǎng)絡結構的特性?；诰W(wǎng)絡基的復雜網(wǎng)絡決策法的流程圖如圖1所示。

4 基于網(wǎng)絡基的決策法在第三方支付風險管理中的應用

隨著“互聯(lián)網(wǎng)+”的興起，“互聯(lián)網(wǎng)+金融”的研究也掀起了一股熱潮。作為互聯(lián)網(wǎng)金融研究熱點之一，第三方支付問題的研究，對互聯(lián)網(wǎng)經(jīng)濟起著至關重要的作用。遺憾的是現(xiàn)有的研究成果都只是一些定性化的結論，沒有從復雜網(wǎng)絡特性的角度來研究第三方支付風險問題的有關結論與文獻?？紤]到第三方支付平臺交易是以信息網(wǎng)絡為媒介，具有粗糙復雜網(wǎng)絡的特點，本文運用基于網(wǎng)絡基的決策方法，優(yōu)化第三方支付的風險管理。

Fig.1 Decision methods of rough complex networks based on network-based圖1 基于網(wǎng)絡基的復雜網(wǎng)絡決策法的流程圖

4.1 問題的描述與模型的建立

現(xiàn)有研究表明[16-17]，第三方支付平臺經(jīng)營的風險主要有法律風險、金融風險、市場風險、信用風險和

步驟1尋找網(wǎng)絡基，確定鄰接矩陣。

在第三方支付粗糙網(wǎng)絡中，節(jié)點的屬性主要有節(jié)點的度、節(jié)點的權重、路過節(jié)點i的最短路徑的條數(shù)、節(jié)點的價格、銷售量、收藏量、商品評價等級、商家信用。其中商品評價等級和商家信用采用0～5分制，第i個節(jié)點的屬性記為：。如果R(V)=s<7，則添加7-s個節(jié)點重新計算；否則為網(wǎng)絡基節(jié)點。重復以上過程直到找到網(wǎng)絡基終止，記錄該網(wǎng)絡基的鄰接矩陣。

步驟2確定風險評估函數(shù)。

第三方支付平臺的風險主要有法律風險、金融風險、市場風險、信用風險和網(wǎng)絡技術風險。法律風險是指第三方支付企業(yè)性質界定不清，法律責任不清，法律地位不明；目前政府職能部門對此的管制方式是給予一定的罰金G1，法律風險的發(fā)生服從參數(shù)為λ1的泊松分布，，則法律風險函數(shù)為：

其中，X1為一段時間內網(wǎng)絡基節(jié)點法律風險發(fā)生的次數(shù)；G1為常量；λ1為決策變量。

金融風險是指沉淀資金風險、套現(xiàn)風險、洗錢風險、流動性風險。套現(xiàn)風險和洗錢風險一旦發(fā)現(xiàn)，就會被勒令禁止并給予一定的處罰，平臺管理者會將此風險轉嫁給經(jīng)營的商家；沉淀資金風險和流動性風險的一旦發(fā)生，就會危機平臺的生存。在周期T內平臺的壽命服從參數(shù)為θ的指數(shù)分布，設沉淀資金的金額為G2，T內的營業(yè)額為sum1，則金融風險函數(shù)為：

其中，sum1、G2為常量；θ為決策變量。

市場風險是指來自客戶方面的風險（客戶流失風險）、來自銀行方面的風險（銀行撤出第三方支付平臺，或者銀行進入該行業(yè)）、來自同行業(yè)現(xiàn)有競爭者的風險。第三方支付平臺的管理者為了避免市場風險的發(fā)生，必然要采取一些措施支付相應的成本降低風險，這些成本即為第三方支付平臺的市場風險，記為r3。平臺的管理者為了避免市場風險，會提高服務質量的同時制定一系列讓利措施，給銀行讓利率為rate1，減少商戶的廣告費用比率為rate2。設原廣告費用為G，平臺營業(yè)的原利率為rate0，則市場風險函數(shù)為：

信用風險是指買方的違約風險、賣方的違約風險和網(wǎng)絡輿情信用傳播風險。如果賣方不按時發(fā)貨或者發(fā)的貨不是顧客想要的商品，或者買方收到了商品而無理由退換貨，此時平臺管理者需要支付雙份的快遞費用。設每單快遞費為G3元，每個節(jié)點銷售的單數(shù)為ni,賣方和買方違約次數(shù)服從參數(shù)為ni,的二項分布。

為控制與擴散輿情需要的獎勵金額由懲罰金額來分配，不納入信用風險函數(shù)，則：

其中，G3和ni為常量；λ2為決策變量。

網(wǎng)絡技術風險是第三方支付復雜網(wǎng)絡的脆弱性造成的網(wǎng)絡故障，故障維修時間為t，故障發(fā)生時平臺管理者的損失函數(shù)為；故障發(fā)生的次數(shù)服從參數(shù)為λ3的泊松分布，則網(wǎng)絡技術風險函數(shù)為：

其中，T為常量；t、λ3為決策變量。

對于網(wǎng)絡上的不同節(jié)點，網(wǎng)絡技術風險可能不同，銷售量大的發(fā)生金融風險的可能性要大得多，因此網(wǎng)絡的風險評估函數(shù)定義如下。

步驟3確定二層決策模型。

根據(jù)式（14）、（15），分別建立第三方支付粗糙復雜網(wǎng)絡風險評估的一層決策模型，λ1、θ、rate1、rate2、λ2、t、λ3為決策變量：

把一級決策變量λ1、θ、rate1、rate2、λ2、t、λ3的近似最優(yōu)值點代入式（9）、（10）、（11）、（12）、（3），得r=(r1,r2,r3,r4,r5)，從而二級決策變量為：

這里的一級決策變量表示平臺管理者對平臺的5種風險因子量化的監(jiān)管控制，二級決策變量表示5種風險因子在平臺風險管理中的重要性。

4.2 應用舉例與模型的求解

4.2.1 第三方支付粗糙網(wǎng)絡的網(wǎng)絡基與鄰接矩陣的確定

在文獻[13]建立的第三方支付粗糙復雜網(wǎng)絡中，以2016年1月6日9：00—12:00時淘寶支付平臺“天貓商城”4個品牌的商品共136款手機及其相互連接的復雜網(wǎng)絡作為研究對象，收集上近似復雜網(wǎng)絡節(jié)點和下近似復雜網(wǎng)絡節(jié)點的屬性集，其中有效的上近似網(wǎng)絡節(jié)點有79個，有效的下近似網(wǎng)絡節(jié)點有52個。該粗糙復雜網(wǎng)絡的精確度αR(X)=52/79=0.658，圖2[13]是它的下近似復雜網(wǎng)絡圖，該網(wǎng)絡度分布以及mk如表3所示。

圖2中，網(wǎng)絡節(jié)點的屬性見表4的第2～8列，其中主觀權重λi是專家打分所得，表示節(jié)點在網(wǎng)絡中重要性的主觀判斷。

根據(jù)本文4.1節(jié)中節(jié)點重要性排序方法2，可計算出這52個節(jié)點的客觀權重ωi，見表4的最后一列。根據(jù)ωi由大到小選擇7個節(jié)點{紅米Note3，小米4C，紅米Note2，三星Galaxy Note 4，三星Galaxy A5(2016)，蘋果iPhone 6s，蘋果iPhone 6s Plus}，其屬性集為：

Fig.2 Under-approximately networks of the third-party payment圖2 第三方支付的下近似網(wǎng)絡

Table 3 Probability distribution table of nodes in Fig.1表3 圖1中的節(jié)點概率分布表

Table 4 Objective weights and attributes of nodes in under-approximate rough complex networks表4 下近似復雜網(wǎng)絡節(jié)點的屬性與客觀權重

由鄰接矩陣，繪制下近似粗糙復雜網(wǎng)絡的網(wǎng)絡基，見圖3。網(wǎng)絡基中節(jié)點的見表5。

Fig.3 Network bases of under-approximate rough complex networks圖3 下近似粗糙復雜網(wǎng)絡的網(wǎng)絡基

Table 5 Shortest path number of passing nodesiin under-approximate network bases表5 下近似網(wǎng)絡基路過節(jié)點i的最短路徑數(shù)

4.2.2 基于網(wǎng)絡基的粗糙復雜網(wǎng)絡二層決策模型的求解

根據(jù)銀監(jiān)會關于電子商務管理的有關規(guī)定，以T個單位時間為周期，給常量賦值：G1=10萬，G2=20萬，rate0=0.05,G=1萬，sum1=30萬，G3=0.002萬，T=24h，將這些常量代入式（14）、（15）得到一層多目標決策模型：

Fig.4 Up-approximate rough complex networks of the third-party payment圖4 第三方支付上近似粗糙復雜網(wǎng)絡

Fig.5 Network bases of up-approximate rough complex networks圖5 上近似粗糙復雜網(wǎng)絡的網(wǎng)絡基

Table 6 Attributes of network bases in up-approximation rough complex networks表6 上近似粗糙復雜網(wǎng)絡的網(wǎng)絡基屬性

利用lingo軟件，方程（17）的解為：

方程（18）的解為：

根據(jù)樂觀主義風險型決策法，一層決策模型的解為：

即在一天之內，管理者將法律風險發(fā)生數(shù)目的平均值控制在0.142個，不發(fā)生金融風險，給銀行讓利率為1.3%，給商家降低廣告費用為50.1%，退換貨的概率控制在0.100，網(wǎng)絡技術風險發(fā)生次數(shù)的平均值控制為0.142次，網(wǎng)絡技術風險一旦發(fā)生，維修的時間控制在6.001 h之內。

把一級決策變量λ1、θ、rate1、rate2、λ2、t、λ3的近似最優(yōu)值點代入式（9）、（10）、（11）、（12）、（13），得二級決策變量：

由此得知，這5類風險的重要性排序依次為：金融風險、網(wǎng)絡技術風險、法律風險、信用風險、市場風險。

對國內某最大的C2C交易平臺進行實際調研和抽樣統(tǒng)計，結果表明：平臺交易退款筆數(shù)控制在交易總數(shù)6%以內，法律風險控制在1/7，網(wǎng)絡故障發(fā)生盡可能在6 h內恢復，盡量避免金融風險的發(fā)生，客服必須要學會主動引導賣家給予比較好的評價評分，服務綜合得分直接決定商城店鋪商品及服務質量。這與本文的實驗數(shù)據(jù)基本趨于一致，說明了本文的研究結果是比較合理的。

5 結束語

粗糙復雜網(wǎng)絡具有網(wǎng)絡節(jié)點的不確定性，連接邊信息的不完全性，網(wǎng)絡結構復雜，連接關系復雜等特性，因此目前還沒有見到粗糙復雜網(wǎng)絡決策方法的相關研究成果。本文首先通過知識約簡和屬性規(guī)則的提取實現(xiàn)了對粗糙復雜網(wǎng)絡中大量的冗余信息、不完全信息和錯誤信息的預處理，提高了信息的有效性和可信度。其次，對信息預處理后的粗糙復雜網(wǎng)絡，通過兩個精確網(wǎng)絡來近似，將粗糙復雜網(wǎng)絡問題轉化為復雜網(wǎng)絡問題來研究。考慮到復雜網(wǎng)絡依然存在節(jié)點的復雜性、結構的復雜性等特點，提出了網(wǎng)絡基的概念，并給出了網(wǎng)絡基所滿足的各種性質，得出了網(wǎng)絡基與復雜網(wǎng)絡等價的結論，為通過網(wǎng)絡基來研究粗糙復雜網(wǎng)絡的決策方法奠定了理論基礎。第三，給出了復雜網(wǎng)絡上節(jié)點重要性排序的兩種方法和基于網(wǎng)絡基的粗糙復雜網(wǎng)絡決策方法。第四，通過第三方支付粗糙復雜網(wǎng)絡風險問題的研究，建立了基于網(wǎng)絡基的第三方支付粗糙復雜網(wǎng)絡的決策模型。仿真實例表明，本文的理論研究與決策方法可行。

本文的研究，理論上不僅給出了粗糙復雜網(wǎng)絡的網(wǎng)絡基的概念和性質，而且提出了基于網(wǎng)絡基的粗糙復雜網(wǎng)絡的決策方法。在應用上，基于網(wǎng)絡基的第三方支付粗糙復雜網(wǎng)絡的決策方法的研究，實現(xiàn)了第三方支付平臺的風險分析與控制，為平臺的管理者提供了定量化的決策參考。

[1]Wang Xiaofan,Li Xiang,Chen Guanrong.Introduction to network science[M].Beijing:Higher Education Press,2012: 3-8.

[2]Guo Shize,Lu Zheming.Basic theory of complex networks [M].Beijing:Science Press,2012:303-319.

[3]Liu Jianxiang.Overview of complex networks and the progress of national research[J].Systems Science,2009,17(4): 31-35.

[4]Zhou Tao,Bo Wenjie,Wang Binghong,et al.Overview of complex networks[J].Physics,2005,34(1):31-36.

[5]Wang Jinna,Shi Lei.Research on the third-party logistics distribution decision model[J].The South of China Today, 2009(6):11-13.

[6]Zhao Fenghua,Yang Bo.Comprehensive evaluation on identifying key nodes in complex networks[J].Journal of Wuhan University of Technology:Information＆Management Engineering,2015,37(4):461-464.

[7]Liu Jun,Xiong Qingyu,Shi Weiren,et al.Evaluating the importance of nodes in complex networks[J].Physica A: Statistical Mechanics and Its Applications,2016,452:209-219.

[8]Gómez C,Sánchez-Silva M,Due?as-Osorio L,et al.An applied complex systems framework for risk-based decisionmaking in infrastructure engineering[J].Structural Safety, 2014,50:66-77.

[9]Stalidis G,Karapistolis D,Vafeiadis A.Marketing decision support using artificial intelligence and knowledge modeling: application to tourist destination management[J].Social and Behavioral Sciences,2015,175:106-113.

[10]Ferretti S.Gossiping for resource discovering:an analysis based on complex network theory[J].Future Generation Computer Systems,2013,29(6):1631-1644.

[11]Zhang Wenxiu,Wu Weizhi,Liang Jiye,et al.Rough set theory and methods[M].Beijing:Science Press,2001:3-10.

[12]Bo Zhongkui,Yang Shanlin.Rough decision analysis model based on the new features dominance relations[J].Statistics and Decision,2015(1):41-44.

[13]Cao Lixia,Huang Guangqiu,Li Yan.Study on the third-party payment rough complex network knowledge discovery methods[J].Journal of Frontiers of Computer Science and Technology,2016,10(8):1143-1153.

[14]Yu Ying,Miao Duoqian,Zhao Cairong,et al.Knowledge acquisition methods for multi-label decision system based on rough sets[J].Journal of Frontiers of Computer Science and Technology,2015,9(1):94-104.

[15]An Liping.Multi-attribute decision analysis based on rough set theory[M].Beijing:Science Press,2008:45-47.

[16]Zhu Shanhong,Kuang Tao.E-commerce model and platform based on the third-party[J].Journal of Chemical and Pharmaceutical Research,2014,6(3):863-868.

[17]Rong Ling.Research on the third-party payment platform industry regulation and competitive strategy[D].Shanghai: Fudan University,2012.

附中文參考文獻：

[1]汪小帆,李翔,陳關榮.網(wǎng)絡科學導論[M].北京:高等教育出版社,2012:3-8.

[2]郭世澤,陸哲明.復雜網(wǎng)絡基礎理論[M].北京:科學出版社,2012:303-309.

[3]劉建香.復雜網(wǎng)絡及其在國內研究進展的綜述[J].系統(tǒng)科學學報,2009,17(4):31-35.

[4]周濤,柏文潔,汪秉宏,等.復雜網(wǎng)絡研究概述[J].物理, 2005,34(1):31-36.

[5]王錦娜,石磊.第三方物流企業(yè)配送決策模型研究[J].今日南國,2009(6):11-13.

[6]趙鳳花,楊波.復雜網(wǎng)絡節(jié)點重要性的綜合評價方法[J].武漢理工大學學報:信息與管理工程版,2015,37(4):461-464.

[11]張文修,吳偉志,梁吉業(yè),等.粗糙集理論與方法[M].北京:科學出版社,2001:3-10.

[12]鮑忠奎,楊善林.基于新特征優(yōu)勢關系的粗糙決策分析模型[J].統(tǒng)計與決策,2015(1):41-44.

[13]曹黎俠,黃光球,李艷.第三方支付粗糙復雜網(wǎng)絡知識發(fā)現(xiàn)方法研究[J].計算機科學與探索,2016,10(8):1143-1153.

[14]余鷹,苗奪謙,趙才榮,等.基于粗糙集的多標記決策系統(tǒng)知識獲取方法[J].計算機科學與探索,2015,9(1):94-104.

[15]安利平.基于粗糙集理論的多屬性決策分析[M].北京:科學出版社,2008:45-47.

[17]容玲.第三方支付平臺競爭策略與產業(yè)規(guī)制研究[D].上海:復旦大學,2012.

CAO Lixia was born in 1971.She is a Ph.D.candidate at School of Management,Xi’an University of Architecture and Technology,and an associate professor at Xi’an Technological University.Her research interests include rough set,complex network,operation research and cybernetics,management decision analysis and game theory,etc.

曹黎俠（1971—），女，陜西西安人，西安建筑科技大學管理學院博士研究生，西安工業(yè)大學副教授，主要研究領域為粗糙集，復雜網(wǎng)絡，運籌學與控制論，管理決策分析及博弈論等。

HUANG Guangqiu was born in 1964.He is a professor and Ph.D.supervisor at School of Management,Xi’an University of Architecture and Technology,the consultant expert of the Government of Xi’an,and the assessment expert of National Natural Science Foundation.His research interests include e-business and network security,information management,systems engineering,complex system simulation and control,decision optimization and management,etc.

黃光球（1964—），男，西安建筑科技大學管理學院教授、博士生導師，西安市專家咨詢團特聘專家，國家自然科學基金項目評審專家，教育部博士點基金項目評審專家，管理科學與工程以及計算機科學技術領域權威期刊審稿專家，主要研究領域為電子商務與網(wǎng)絡安全，信息管理，系統(tǒng)工程，復雜系統(tǒng)仿真與控制，決策優(yōu)化與管理等。

LI Yan was born in 1984.He is a Ph.D.candidate at School of Management,Xi’an University of Architecture and Technology,and the member of CCF.His research interests include information confrontation,network security and systems engineering,etc.

李艷（1984—），男，蒙古族，河北承德人，西安建筑科技大學管理學院博士研究生，CCF會員，主要研究領域為信息對抗，網(wǎng)絡安全，系統(tǒng)工程等。

Decision Methods andApplications of Rough Complex Networks Based on Network-Based?

CAO Lixia1,2+,HUANG Guangqiu1,LI Yan1
1.School of Management,Xi’an University ofArchitecture and Technology,Xi’an 710055,China
2.School of Science,Xi’an Technological University,Xi’an 710032,China
+Corresponding author:E-mail:caolx_8@163.com

In some real complex networks,to maximize interests and minimize their own risk,networks managers will face making some decisions,but the existing researches are against a kind of network to making-decision,and lack of versatility,also ignore a large number uncertain phenomenon in complex networks,it is difficult to obtain good decision.This paper defines network-based of rough complex networks,studies the natures of network-based,and proves the conclusion of complex network equivalent its network-based.Then this paper proposes two decision methods about nodes importance and decision methods of rough complex networks based on network-based.Finally this paper uses the decision methods based on network-based in the risk decisions of the third-party payment rough complex networks,establishes a risk decision model,and gives quantitative decision results.The decision methods based on network-based are used successfully in the risk decision model of the third-party payment rough complex networks, which show the effectiveness and feasibility of decision methods.

rough complex networks;network-based;decision methods;the third-party payment risk analysis

10.3778/j.issn.1673-9418.1604050

A

TP182；N945.25

*The Natural Science Basic Research Program(Key)of Shaanxi Province under Grant No.2015JZ010(陜西省自然科學基礎研究計劃(重點));the Special Research Plan Project of Education Department of Shaanxi Province under Grant No.16JK1369(陜西省教育廳科學計劃研究項目).

Received 2016-04,Accepted 2016-06.

CNKI網(wǎng)絡優(yōu)先出版:2016-06-02,http://www.cnki.net/kcms/detail/11.5602.TP.20160602.1506.014.html