医患共同决策多议题协商方法、系统及可读存储介质

1.本发明涉及医患治疗方案的协商领域，尤其涉及一种医患共同决 策多议题协商方法、系统及可读存储介质。


背景技术：

2.随着生物
‑
心理
‑
社会医学模式的发展，社会公众法律意识和医疗 参与意识的不断提高，患者更加关注医疗过程、也更期望参与到医疗 决策中。现有的一种基于博弈论方法的协商：是将博弈论的方法和工 具引入到代理协商中去，将代理协商看作是一种博弈，一种多人动态 完美但不完全信息混合有限策略的博弈，并利用博弈论使得代理协商 更具现实意义的协商方法。
3.对于该方案来说，计算资源总是设定为无限的，且解决方案和计 算理论无关。因此，此种方法不可避免地涉及到计算复杂度的问题， 因为许多情况下问题求解是np问题(非确定性多项式难题)。且博 弈论往往会进行一些前提假设，如参与者是完全理性的、其策略是固 定的等等，这些假设使得其在代理协商的研究受到了很大的限制。
[0004][0005]


技术实现要素：

[0006]
针对上述问题，本发明的目的在于提供一种医患共同决策多议题 协商方法、系统及可读存储介质，以改善上述问题。
[0007]
本发明实施例提供了一种医患共同决策多议题协商方法，其包括：
[0008]
获取医生和患者的偏好和行为特征，构建模糊约束以及模糊约束 满意度函数；
[0009]
基于所述模糊约束以及模糊约束满意度函数构建生成医生代理 行为模型和患者代理行为模型，以及分布式模糊约束满意度问题；其 中，所述分布式模糊约束满意度问题根据医患共同决策问题生成，所 述医患共同决策问题为医生代理和患者代理在决策过程中需要进行 协商的议题；
[0010]
基于所述医生代理行为模型、患者代理行为模型以及分布式模糊 约束满意度问题进行医生代理和患者代理间的协商，直至协商成功以 生成共同协商结果或失败并终止协商。
[0011]
优选地，医患共同决策多议题协商方法还包括：
[0012]
将所述共同协商结果和治疗方案推荐模型进行匹配，并将与所述 共同协商结果相似度较大的治疗方案作为推荐方案并发送给医生代 理和患者代理；
[0013]
其中，所述治疗方案推荐模型包括多个治疗方案。
[0014]
优选地，所述基于所述医生代理行为模型、患者代理行为模型以 及分布式模糊约束满意度问题进行医生和患者间的协商具体为：
[0015]
基于所述分布式模糊约束满意度问题、所述医生代理行为模型和 患者代理行为
模型，所述医生代理和患者代理的一方通过自身的内部 状态和所处的环境状态、以及另一方的响应状态在协商过程中确定是 否让步以及让步的程度以生成让步值；
[0016]
基于模糊约束网络、所述医生代理行为模型、患者代理行为模型 以及医生代理和患者代理一方的最新行为状态生成可行解集和期望 解集；所述最新行为状态根据整体满意度阈值和所述让步值获得；
[0017]
根据所述可行解集和期望解集生成要价并发送给医生代理和患 者代理的另一方直至协商达成一致或协商失败。
[0018]
优选地，所述内部状态根据对最新要价的满意度和一组备选解决 方案的紧密度获得；
[0019]
所述环境状态包括时间约束，所述时间约束根据当前协商时间和 协商截止时间获得；
[0020]
所述响应状态根据上一轮的要价和最新收到的还价之间的差异 程度获得。
[0021]
优选地，在所述基于所述医生代理行为模型、患者代理行为模型 以及分布式模糊约束满意度问题进行医生和患者间的协商步骤中，所 述医生代理和患者代理通过发送和接收消息进行协商，所述消息包括：
[0022]
ask，谈判者向其对手发送一个要价或提议，询问与治疗方案有 关的议题的取值；
[0023]
tell，谈判者把还价发送给对手；
[0024]
accept，谈判者接受对手提出的还价并终止协商；
[0025]
reject，谈判者出于自身考虑向对方发送拒绝信息，拒绝接受对 手的出价并终止协商；
[0026]
agree，谈判者暂时接受对方的报价，等待对方的确认；和/或
[0027]
abort，谈判者无新要价生成选择退出协商，协商终止。
[0028]
优选地，所述分布式模糊约束满意度问题根据医患共同决策问题 生成具体为：
[0029]
根据医患共同决策议题、以及医生代理和患者代理之间的和/或 议题与议题之间的约束和联系进行建模生成分布式模糊约束满意度 问题。
[0030]
本发明实施例还提供了一种医患共同决策双边多议题协商系统， 其包括：
[0031]
行为模型建模单元，用于获取医生和患者的偏好和行为特征，构 建模糊约束满意度函数，并结合模糊约束构建生成医生代理行为模型 和患者代理行为模型；
[0032]
协商单元，用于基于所述医生代理行为模型、患者代理行为模型 以及分布式模糊约束满意度问题进行医生代理和患者代理间的协商， 以生成共同协商结果；或
[0033]
所述协商单元，还用于基于所述医生代理行为模型、患者代理行 为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间 的协商，直至协商成功或失败并终止协商；
[0034]
所述分布式模糊约束满意度问题根据医患共同决策问题生成，所 述医患共同决策问题为医生和患者在决策过程中需要进行协商的议 题。
[0035]
优选地，所述医患共同决策双边多议题协商系统还包括：
[0036]
治疗方案推荐单元，用于将所述共同协商结果与治疗方案推荐模 型进行匹配，并将与所述共同协商结果相似度较大的治疗方案作为推 荐方案并发送给医生代理和患者代理；其中，所述治疗方案推荐模型 包括多个治疗方案。
[0037]
优选地，所述协商单元包括：
[0038]
让步值计算模块，用于基于所述分布式模糊约束满意度问题、所 述医生代理行为模型和患者代理行为模型，所述医生代理和患者代理 的一方通过自身的内部状态和所处的环境状态、以及另一方的响应状 态在协商过程中确定是否让步以及让步的程度以生成让步值；
[0039]
解集计算模块，用于基于模糊约束网络、所述医生代理行为模型、 患者代理行为模型以及医生代理和患者代理一方的最新行为状态生 成可行解集和期望解集；所述最新行为状态根据整体满意度阈值和所 述让步值获得；
[0040]
要价生成模块，用于根据所述可行解集和期望解集生成要价并发 送给医生代理和患者代理的另一方直至协商达成一致或协商失败。
[0041]
本发明实施例还提供了一种计算机可读存储介质，其存储有计算 机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的 处理器执行，以实现如上述的医患共同决策多议题协商方法。
[0042]
通过上述的一实施例，本发明基于医生和患者的偏好和行为特征， 以及通过模糊约束网络构建出医生代理行为模型和患者代理行为模 型，为医生代理和患者代理提供了模拟实际医生和患者在协商过程中 的偏好。并通过将医患共同决策问题建模成了基于医生代理和患者代 理的分布式模糊约束满意度问题，为医患共同决策问题提供了议题协 商基础。
附图说明
[0043]
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需 要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是 本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创 造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]
图1为本发明的医患共同决策多议题协商方法的流程示意图。
[0045]
图2和图3为本发明的医患共同决策多议题协商方法的医生代理 和患者代理交互协商的示意图。
[0046]
图4为本发明的医患共同决策多议题协商方法的推荐模型示意 图。
[0047]
图5为本发明的第一个实施案例的治疗方案中协商议题的示意 图。
[0048]
图6为本发明的第一个实施案例的不同权重下治疗方案推荐度 的示意图。
[0049]
图7为本发明的第二个实施案例的不同协商议题下不同策略的 联合整体满意度示意图。
[0050]
图8本发明的第二个实施案例的不同协商议题下不同策略的协 商轮数示意图。
[0051]
图9和图10为本发明的第三个实施案例的10个医生代理和10 个患者代理来模拟100组医患协商的联合整体满意度、协商轮数示意 图。
[0052]
图11为本发明的能够执行医患共同决策多议题协商方法的电子 装置的结构示意图。
具体实施方式
[0053]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。
[0054]
本发明的一实施例提供了一种医患共同决策多议题协商方法，其 中，该协商方法为医患双边进行多议题的共同协商。在其他实施例中， 可以为进行多议题的共同协商的情况。参考图1，该方法包括：
[0055]
s100，获取医生和患者的偏好和行为特征，构建模糊约束以及模 糊约束满意度函数。
[0056]
s200，基于所述模糊约束以及模糊约束满意度函数构建生成医生 代理行为模型和患者代理行为模型，以及分布式模糊约束满意度问题。
[0057]
在本实施例中，通过医生和患者分别在医生客户端和患者客户端 在预定的表格中输入相应的偏好和行为特征。在医患共同决策过程中， 根据医生以及患者不同的心理以及行为等特征，设计实现医生代理和 患者代理的行为框架和模型，以及协商方所需遵守的协商协议，确保 医生代理和患者代理能代表医生和患者进行充分的协商以达成一致。
[0058]
s300，基于所述医生代理行为模型、患者代理行为模型以及分布 式模糊约束满意度问题进行医生代理和患者代理间的协商，直至协商 成功或失败并终止协商。其中，所述分布式模糊约束满意度问题根据 医患共同决策议题生成，所述医患共同决策问题为医生代理和患者代 理在决策过程中需要进行协商的议题。
[0059]
在本实施例中，具体地，利用医患共同决策特征将医患共同决策 问题构建成分布式模糊约束满意度问题：
[0060]
在分布式模糊约束满意度问题中，主要存在两种类型的代理，即 医生代理(da)和患者代理(pa)，它们在协商过程中分别代表医 生和患者，它们之间的联系为cn，三者组成了一个三元组(da，pa， cn)。通过指定医生代理和患者代理之间的模糊关系来满足一个分 布式模糊约束网络(dfcn)中所有的约束条件。将医患共同决策问 题中的一个dfcn(u，x，c)定义为n
k
＝(u
k
,x
k
,c
k
)，属于代理k。 在医患共同决策的双边多议题协商中，主要存在两种模糊约束网络， 即n
da
＝(u
da
,x
da
,c
da
)和n
pa
＝(u
pa
,x
pa
,c
pa
)，其分别属于医生 代理和患者代理。其中，
[0061]
u：表示模糊约束网络n的论域；
[0062]
x：表示n的一组非重复对象元组，代表代理的信念、意图、愿 望；
[0063]
c：表示模糊约束集合，是代理所受的所有约束，如优先级约束、 目标约束等。
[0064]
在步骤s300中，所述基于所述医生代理行为模型、患者代理行 为模型以及分布式模糊约束满意度问题进行医生和患者间的协商具 体包括：
[0065]
s301，基于所述分布式模糊约束满意度问题、所述医生代理行为 模型和患者代理行为模型，所述医生代理和患代理的一方通过自身的 内部状态和所处的环境状态、以及另一方的响应状态在协商过程中确 定是否让步以及让步的程度以生成让步值。
[0066]
在本实施例中，医生代理和患者代理通过向对方要价和还价来交 互，直到双方就所有议题达成一致，或者直到有人因为满意阈值的限 制或某些外部因素退出协商，即实现
共同决策的目的或者直到共同协 商因失败而终止。
[0067]
在本实施例中，代理的一方通过评估对手的响应状态，自身的内 部状态以及所处的环境状态来决定在接下来的协商中是否进行让步， 以及让步的程度。对手的响应状态ο，可根据上一轮要价a和最新收 到的还价b之间差异程度来获得：
[0068]
σ＝1
‑
(g(a0,b0)
‑
g(a,b))/g(a0,b0)
[0069]
其中，a0和b0表示初始要价和还价，g(a,b)是指在协商议题 i
i
∈x上要价a和还价b之间的距离度量，计算公式为：
[0070][0071]
其中，a
i
和b
i
表示a，b在协商议题i
i
∈x上的可能性分布，n
i
表 示的是n
i
个协商议题，也即协商目标。
[0072]
代理自身的内部状态ι，涉及最新要价a相关的满意度水平ρ 和一组备选解决方案的紧密度δ，其中：
[0073][0074]
δ＝1
‑
(ρ
‑
ε)
[0075]
上式中，s
*
表示代理的期望解决方案，ψ(s
*
)表示其对解决方案 s
*
的满意度，ε则表示整体满意度阈值。f
i
(s)表示解s中第i个议题 的模糊隶属度函数，由医生或者患者直接设置，可灵活、有效地表示 医生和患者对协商的各个议题的偏好，n
i
表示协商议题的总个数，w
i
是第i个议题的权重。
[0076]
在医患共同决策协商过程中，代理所受的环境约束ε，主要是时 间约束。代理所受的时间约束表示为：
[0077][0078]
上述公式中，t
now
表示当前协商时间,t
max
表示协商截止时间， t表示协商过程中代理所受的时间约束，而α，β为常数，且β>1， 0≤α≤1。
[0079]
根据上述公式可计算得出对手响应状态ο，自身的内部状态ι， 以及所处的环境状态ε，并进行让步值的计算。代理协商中让步值 δε的计算公式如下：
[0080]
δε＝(μ
σ
(σ),μ
ρ
(ρ),μ
δ
(δ),μ
t
(t))
ω
[0081]
μ
σ
(σ)，μ
ρ
(ρ)，μ
δ
(δ)和μ
t
(t)分别表示依据差异度、 满意度、紧密度、和时间约束所对应的让步期望，ω与协商收敛速 度有关。
[0082]
s302，基于模糊约束网络、所述医生代理行为模型、患者代理行 为模型以及医生代理和患者代理一方的最新行为状态生成可行解集 和期望解集；所述最新行为状态根据整体满意度阈值和所述让步值获 得。
[0083]
在本实施例中，基于上述的医生代理模糊约束网络和患者代理模 糊约束网络n、医生和患者的意图代理的最新行为状态 ε
*
＝ε
‑
δε，生成的相应的可行解集。可行解p
定义如下：
[0084][0085]
其中，ψ(s)表示代理的目标集在n中的满意度。在给定要价b和 可行解集p的前提下，期望解s
*
的选择遵循以下条件：
[0086]
s
*
＝arg(max
s∈p
h(s,b))
[0087]
h(s,b)是一个效用函数，是用来评估可行解s∈p相对于还价b相似 性的，其定义如下：
[0088][0089]
上式中，w1是代理在议题i上的偏好函数，w2是计算解s和还价 b之间距离的相似度函数，ω1与ω2分别表示与偏好、相似度相关的 权重，而ω1与ω2值的选取则与代理所采用的协商策略有关：1) ω1≤1.0,ω2≤1.0,ω1＝ω2，为双赢策略；2)ω1≤1.0,ω2≤ 1.0,ω1＜ω2，为协作策略；3)ω1≥1.0,ω2≥1.0,ω1>ω2，为 竞争策略。
[0090]
采用双赢策略进行协商意味着代理在考虑自身利益的同时，也会 考虑对手代理的利益，期望获得双方均“满意”的协商结果；使用协 作策略表示在协商过程中代理会更多地考虑对手代理的利益，以尽快 达成一致；而使用竞争策略进行协商则表明代理在协商中更注重自身 利益的获得，希望最大化自身获得的利益。
[0091]
s303，根据所述可行解集和期望解集生成要价，并根据所述要价 和协商协议生成可发送的消息。
[0092]
s304，基于协商终止条件，将所述可发送的消息发送给医生代理 和患者代理的另一方直至协商达成一致或协商失败。
[0093]
在本实施例中，基于上述的可行解集p和期望解集s*，关于议 题i
i
∈x的一组要价的生成，如下表示：
[0094]
上式中，议题i
i
∈x的要价与集合a
*
中元素相对应，是值在 空间x的边缘可能性分布，可定义为：
[0095][0096]
其中，是在空间的圆 柱形扩展，x
i
是议题i的对象，n
x
是总的目标数。
[0097]
最后协商终止：医生代理和患者代理之间会不断地进行要价和还 价的交换，直到达成一致，或者没有新的要价/还价生成，也即协商 会以协商达成一致或者协商失败两种状态终止。给定可行解集p和还 价b，协商达成一致需满足的条件为：
[0098]
ψ(s
*
)≥ε
*
[0099]
协商失败满足条件为：
[0100]
ε
*
≤0 or p＝
□
[0101]
在上述的实施例中，医生代理和患者代理在协商协议过程中交换 的所有消息类型和内容，是对代理通信语言(acl)的定义、表示、 处理和语义解释，主要是用来处理协商过程中代理之间的交互，它本 质上是所有代理必须遵守的规则。在医患共同决策问题中，医生代理 和患者代理可以通过发送或接收各种类型的消息来进行协商，这些消 息包括以下的一种或多种：
[0102]
ask(谈判者，对手，要价)：谈判者向其对手发送一个要价或 提议，询问与治疗方案有关的议题的取值。
[0103]
tell(谈判者，对手，还价)：谈判者把还价发送给对手。
[0104]
accept(谈判者，对手，还价)：谈判者接受对手提出的还价并 终止协商。
[0105]
reject(谈判者，对手，要价)：谈判者出于自身考虑向对方发 送拒绝的信息，拒绝接受对手的出价并终止协商。
[0106]
agree(谈判者，对手，要价)：谈判者暂时接受对方的报价， 等待对方的确认。
[0107]
abort(谈判者，对手)：谈判者无新要价生成选择退出协商， 协商终止。
[0108]
一种实施例中，医患共同决策多议题协商方法还包括：
[0109]
s400，将所述共同协商结果与治疗方案推荐模型进行匹配，并将 与所述共同协商结果相似度较大的治疗方案作为推荐方案并发送给 医生代理和患者代理。其中，所述治疗方案推荐模型包括多个治疗方 案。
[0110]
在本实施例中，在医患共同决策中，医患双方协商的目的是为了 得到一些符合双方偏好、符合患者实际情况的治疗方案，而不是就每 个问题的取值达成一致。因此，本实施例设计一种推荐模型，将医生 代理和患者代理的协商结果转化为符合现实的治疗方案，供医患双方 选择。在此推荐模型中，首先，医生和患者共享基本信息，医生根据 这些基本信息对患者的病情进行诊断。然后，从治疗指南中选择适合 患者病情的治疗方案。之后对协商结果和治疗方案之间的相似度进行 计算并排序。最后，将带有推荐信息的治疗方案发送给医患双方。
[0111]
具体地，假设医生代理和患者代理通过协商，就各个议题的取值 达成了一致，那么就需将偏好取得一致的解集s
*
与已有的治疗方案中 的各个治疗方案进行相似度匹配，计算与各个治疗方案间的相似度， 治疗方案相似度的计算如下：
[0112][0113]
其中，w
i
表示治疗方案中相关的议题权重(如，医生代理和患者 代理议题偏好权重的平均值)，s
i
(s
*
)是协商项级别的相似度计算， 也即治疗方案中各协商项对应的模糊隶属度函数。
[0114]
为了更清楚的阐述本发明，下面将阐述该方法的具体实施方式， 模型结构及算法特征。
[0115]
首先，根据医患共同决策特征，将医患共同决策议题转化、建模 成分布式模糊约束满意度问题，并确定完整的医患共同决策协商内容， 如附图2所示。将医患共同决策议题建模成代理和其他代理之间、议 题和其他议题之间存在的模糊约束的分布式模糊约束满意度问题。其 中，每个代理的目标都是用模糊约束来建立行为模型，并且每个代理 之间的
相互约束关系决定了是否存在一个满足分布式模糊约束满意 度问题所有约束条件的解。医生代理和患者代理可通过协商来解决此 分布式模糊约束满意度问题，进而解决实际的应用问题。
[0116]
之后，构建医患共同决策的fcan协商模型(fuzzyconstraint
‑
directed agent
‑
based negotiation,基于模糊约束导向的代 理协商模型)，根据医生和患者偏好和行为特征，构建医生代理和患 者代理协商决策的行为模型，使得医生代理和患者代理通过让步值计 算，可行解生成，要价生成以及协商终止条件的判断等步骤来与对手 进行交互协商。在此过程中，医生代理和患者代理首先会通过评估对 手代理的响应状态，自身的内部状态，以及所处的环境状态，决定下 一轮协商中是否进行让步，以及让步的程度，也即让步值的大小。然 后，基于让步值的大小，确定新的行为状态，并生成一组可行的解决 方案，选取一个最优解决方案用来生成要价/还价发送给对手代理。 当此要价/还价不能被对手代理所接受时，代理会基于协商策略进行 还价，并考虑具有相同满意度水平的解决方案，或者提供满意度较低 的解决方案，将其发送给对手。在满足终止条件(协商达成一致或失 败)之前，不断重复上述协商过程。具体协商步骤以及协商协议如附 图3所示。
[0117]
最后，由于在现实的医患共同决策中，医患的目的均是希望通过 协商来获取满足双方偏好，且符合实际病情的治疗方案，并不止步于 就各个议题的取值达成一致。所以，本发明将代理的协商结果转化成 与现实相对应的治疗方案，以供医生和患者进行选择。因此，本发明 提出了一个治疗方案推荐模型来对协商结果进行处理，达到“最佳
”ꢀ
治疗方案推荐的目的。首先，根据治疗指南和专家意见构建治疗方案 与协商议题取值之间的映射表。之后，将代理协商结果与已有的治疗 方案进行相似度匹配，并对相似度值进行排序。最后，选取相似度最 大的治疗方案进行推荐，或将排列结果直接发送给代理。模型大致涉 及内容如附图4所示。
[0118]
基于上述，本发明的实施例基于医生和患者的偏好和行为特征， 以及通过模糊约束网络构建出医生代理行为模型和患者代理行为模 型，为医生代理和患者代理提供了模拟实际医生和患者在协商过程中 的偏好。在步骤s200将医患共同决策问题建模成了基于医生代理和 患者代理的分布式模糊约束满意度问题，为医患共同决策问题提供了 议题协商基础。
[0119]
通过步骤s301
‑
s304通过医生代理和患者代理的协商行为以及 所遵循的协商协议，为解决医患共同决策议题提供了一个协商模型， 可有效模拟、实现医患共同决策过程，解决目前医患共同决策实施过 程中存在的各种问题。
[0120]
通过步骤s400将医生代理和患者代理的协商结果转化成具体的 治疗方案以供医生和患者选择参考，更深层次地实现了医患共同决策 的目的。
[0121]
其中，fcan协商模型和治疗推荐模型都是为了实现医患共同决 策，缓解甚至是消除医患共同决策实施过程中存在的医患协商地位不 对等，医患沟通技巧缺乏，患者医疗知识匮乏、医生看诊时间有限等 问题而提出的。一方面医生代理和患者代理通过不断的交互，就医患 双方所关心的问题达成一致，另一方面通过治疗方案推荐度的计算， 将协商结果转化成可行的治疗方案，可供医患选择、参考。
[0122]
下面，本发明通过三个具体的实施案例对上述的实施例进行进一 步的解释说明，具体地，本实施例是以儿童哮喘的医患共同决策为例 进行的。
[0123]
第一个实施案例：假设有一9岁患儿，其哮喘严重程度可达到4 级，在就医时医生和患者(患者家属)需要设置相应的偏好，由医生 代理和患者代理来代其进行协商。根据图2和图4所提供的基于代理 的医患共同协商和推荐模型，可构建出医生代理和患者代理分别代表 医生和患者进行协商。医生代理和患者代理按照图3提供的步骤和协 议进行协商，最终获得一个协商结果。构建治疗方案(参照《儿童支 气管哮喘诊断与防治指南2016年版》)映射表，如图5所示(其中，： ics：吸入性糖皮质激素；ltra：白三烯受体拮抗剂；laba：长效 β2受体激动剂；thp：茶碱；ics/laba：吸入性糖皮质激素与长 效β2受体激动剂联合制剂)，将协商结果与已有的治疗方案进行匹 配，可获得相应的推荐分数，如图6所示。最终推荐度最高的治疗方 案为：中高剂量ics/laba+ltra。第二个实施案例：其是在协商议 题增多情况下，对本发明上述所提出的方法中涉及到的三种协商策略： 协作、双赢、以及竞争进行对比，主要对比协商结果最终的联合整体 满意度值，以及协商所需的轮数。从图7和图8中可以看出代理使用 竞争策略可获得相对较高的联合整体满意度值，但所需的协商轮数也 相对较多。代理使用协作策略所需的协商轮最小，但所获得的联合整 体满意度值最低。代理使用双赢策略下的联合整体满意度值和所需的 协商轮数处于竞争策略和协作策略中间。整体来说，代理使用双赢策 略的结果最优。此外，随着协商议题数量的增加，协商结果的联合整 体满意度值会降低，所需的协商轮数也会增加。
[0124]
第三个实施案例:其是使用具有不同偏好的10个医生代理和10 个患者代理来模拟100组医患进行协商，在此过程中agent均使用双 赢策略，对协商议题增多时的协商结果进行分析，如附图9和图10 所示，当协商议题增多时，协商的联合整体满意度值会降低，所需的 协商轮数也会增加，再次验证了上述结论。
[0125]
本发明的一实施例提供一种医患共同决策双边多议题协商系统， 参考图11，其应用于电子装置1中，该医患共同决策双边多议题协 商系统包括行为模型建模单元11、协商单元12和治疗方案推荐单元 13，行为模型建模单元11用于获取医生和患者的偏好和行为特征， 并根据模糊约束构建生成医生代理行为模型和患者代理行为模型。
[0126]
协商单元12用于基于所述医生代理行为模型、患者代理行为模 型以及分布式模糊约束满意度问题进行医生代理和患者代理间的协 商，以生成共同协商结果；其中，所述分布式模糊约束满意度问题根 据医患共同决策问题生成，所述医患共同决策问题为医生代理和患者 代理在决策过程中需要进行协商的议题。
[0127]
治疗方案推荐单元13用于将所述共同协商结果与治疗方案推荐 模型进行匹配，并将与所述共同协商结果相似度较大的治疗方案作为 推荐方案并发送给医生代理和患者代理。其中，所述治疗方案推荐模 型包括多个治疗方案。
[0128]
其中，协商单元还用于基于所述医生代理行为模型、患者代理行 为模型以及分布式模糊约束满意度问题进行医生代理和患者代理间 的协商，直至协商成功或失败并终止协商。
[0129]
在一实施例中，所述协商单元包括让步值计算模块121、解集计 算模块122和要价生成模块123。
[0130]
让步值计算模块121用于基于所述分布式模糊约束满意度问题、 所述医生代理行为模型和患者代理行为模型，所述医生代理和患者代 理的一方通过自身的内部状态和所处的环境状态、以及另一方的响应 状态在协商过程中确定是否让步以及让步的程度以生
成让步值。
[0131]
解集计算模块122用于基于模糊约束网络、所述医生代理行为模 型、患者代理行为模型以及医生代理和患者代理一方的最新行为状态 生成可行解集和期望解集；所述最新行为状态根据整体满意度阈值和 所述让步值获得。
[0132]
要价生成模块123用于根据所述可行解集和期望解集生成要价 并发送给医生代理和患者代理的另一方直至协商达成一致或协商失 败。
[0133]
其中，上述的医患共同决策双边多议题协商系统中的各单元和各 模块未提及的实现方法和实现原理，可结合参考上述的医患共同决策 多议题协商方法中提及的方法。
[0134]
本发明的一实施例提供了一种计算机可读存储介质，其可应用于 上述的电子装置中。所述计算机可读存储介质包括存储的计算机程序， 其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设 备执行上述实施例所述的医患共同决策多议题协商方法。
[0135]
示例性地，本发明所述的计算机程序可以被分割成一个或多个模 块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器 执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能 的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所 述实现服务器设备中的执行过程。例如，本发明上述实施例中的医患 共同决策双边多议题协商系统。
[0136]
所称处理器可以是中央处理单元(central processing unit，cpu)， 还可以是其他通用处理器、数字信号处理器(digital signal processor， dsp)、专用集成电路(application specific integrated circuit，asic)、 现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他 可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通 用处理器可以是微处理器或者该处理器也可以是任何常规的处理器 等，所述处理器是所述打印机内的光发射单元亮度配置方法的控制中 心，利用各种接口和线路连接整个所述实现一种打印机内的光发射单 元亮度配置方法的各个部分。
[0137]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器 通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及 调用存储在存储器内的数据，实现医患共同决策多议题协商方法的各 种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存 储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音 播放功能、文字转换功能等)等；存储数据区可存储根据用户终端的 使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存 储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例 如硬盘、内存、插接式硬盘、智能存储卡(smart media card,smc)、 安全数字(secure digital,sd)卡、闪存卡(flash card)、至少一个 磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0138]
其中，所述实现服务设备的模块如果以软件功能单元的形式实现 并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储 介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部 分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计 算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处 理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机 程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、 对象代码形式、可执行文件或某些中间形式
等。所述计算机可读介质 可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介 质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom， read
‑
only memory)、随机存取存储器(ram，random accessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明 的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和 专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法 和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0139]
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所 述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作 为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个 地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择 其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明 提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通 信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通 技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0140]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围 之内。因此，本发明的保护范围应该以权利要求的保护范围为准。