这篇文档属于类型a，即报告了一项单一的原创研究。以下是针对该研究的学术报告：

主要作者与机构

该研究的主要作者为Fanyong Meng和Hao Li，他们分别来自南京信息工程大学中国制造业发展研究院和南京信息工程大学管理科学与工程学院。该研究发表在期刊《Information Fusion》上，并于2025年10月16日在线发布。

学术背景

该研究的科学领域主要涉及大规模群体决策（Large-Scale Group Decision Making, LSGDM）和社会网络分析（Social Network Analysis），特别关注零废弃城市（Zero-Waste City, ZW City）的评价与决策。随着全球固体废物问题的日益严重，零废弃城市的建设成为各国城市规划的重要目标。然而，现有的零废弃城市评价方法主要依赖于历史数据，未能充分考虑各利益相关者的主观偏好。因此，本研究旨在提出一种基于社会网络的大规模群体决策方法，以更全面地评估零废弃城市的建设。

研究流程

该研究包括以下几个主要步骤：

1. 聚类分析
   首先，研究利用专家的评价意见和信任关系，提出了一种改进的聚类方法。该方法结合了专家之间的相似性和信任度，通过内部-外部凝聚指数和专家数量来确定各聚类的权重。具体而言，研究采用了基于层次聚类（Agglomerative Hierarchical Clustering, AHC）的改进算法，综合考虑了专家之间的相似性和信任关系。聚类过程中，研究还引入了基于Nash-Bargaining博弈的优化模型，以确保分配方案的公平性和合理性。

2. 权重确定
   在聚类完成后，研究进一步确定了各聚类和专家的权重。聚类的权重考虑了聚类的基数、内部和外部相似性、以及信任度；专家的权重则基于其相似性和信任度。这一步骤的目的是确保每个聚类和专家在最终决策中的影响力得到合理分配。

3. 共识达成机制
   研究提出了一种新的交互迭代共识机制，通过分配共识调整来缩小不同方案之间的共识差距。具体而言，研究首先确定共识水平最低的聚类，然后通过优化模型计算每个方案的调整范围，并将调整分配给相关专家。这一过程确保了共识调整的公平性和合理性。

4. 案例研究
   最后，研究以江苏省的国家级零废弃城市评选为例，展示了所提出方法的实际应用。研究选取了9个候选城市，并邀请了20位专家进行评估。通过聚类、权重分配和共识调整，研究得出了各城市的综合评价结果，并给出了最终排名。

主要结果

1. 聚类结果
   研究将20位专家分为6个聚类，每个聚类的内部凝聚指数和外部凝聚指数均得到了合理计算。聚类结果表明，专家之间的相似性和信任关系在决策过程中起到了重要作用。

2. 权重分配结果
   各聚类和专家的权重计算结果显示了不同聚类和专家在决策中的影响力。例如，聚类1的权重为0.1729，而专家e2的权重为0.3422。

3. 共识调整结果
   通过交互迭代共识机制，研究成功提高了各聚类的共识水平。例如，聚类5的共识水平从0.7431提高到了0.80。

4. 案例研究结果
   最终的综合评价结果显示，苏州市（a2）在9个候选城市中排名第一，而宿迁市（a7）排名最后。研究建议宿迁市应获得更多支持，以提升其零废弃城市建设水平。

结论与意义

该研究提出了一种基于社会网络的大规模群体决策方法，能够有效评估零废弃城市的建设。该方法不仅考虑了专家的主观意见和信任关系，还通过交互迭代共识机制确保了决策的公平性和合理性。研究的科学价值在于提出了一种新的聚类和共识调整方法，为大规模群体决策提供了新的思路。此外，研究的应用价值在于为零废弃城市的评选提供了科学依据，有助于推动城市的可持续发展。

研究亮点

1. 新颖的聚类方法
   研究提出了一种改进的层次聚类方法，综合考虑了专家之间的相似性和信任关系，使得聚类结果更加合理。

2. 交互迭代共识机制
   研究引入了一种新的共识调整机制，通过分配共识调整来缩小不同方案之间的共识差距，确保了决策的公平性。

3. 实际应用价值
   研究以江苏省的国家级零废弃城市评选为例，展示了所提出方法的实际应用，为零废弃城市的评选提供了科学依据。

其他有价值的内容

研究还进行了敏感性分析，探讨了共识阈值、聚类系数和专家数量对最终排名的影响。结果表明，尽管不同参数设置下排名有所变化，但苏州市和宿迁市始终分别排名第一和最后，显示了研究结果的稳健性。

通过以上内容，该研究为大规模群体决策和零废弃城市评价提供了重要的理论和实践贡献。