基于多粒度概率语言和双参照点的应急决策方法

doi:10.16381/j.cnki.issn1003-207x.2023.0990

摘要/Abstract

摘要：

为了以有效的方式反映决策信息的不确定性和决策成员的有限理性，提出了基于多粒度概率语言和双参照点的应急决策方法。首先，决策成员使用偏好的概率语言评估标度表征各项关键风险因素权重的评估信息，本文给出一种改进的多粒度概率语言信息处理方法，确定了各项关键风险因素的权重；其次，将能够体现决策成员损失规避特征的累积前景理论运用到更能描述决策环境不确定性的多粒度概率语言决策环境中，并结合确定的双参照点计算各个可行方案预估效果的感知价值；再次，计算各个可行方案预估概率的收益感知权重和损失感知权重，在此基础上，集结各项关键风险因素的权重，确定不同可行方案的最终感知价值，获得突发事件应对的最佳方案；最后，以某地森林火灾的应对为例，验证了所提方法的有效性，并通过与现有方法的对比分析证明了所提方法的优越性。

关键词: 突发事件, 应急决策, 多粒度概率语言, 累积前景理论, 双参照点

Abstract:

In order to promote the comprehensive development of economy， over-exploitation of various resources have increased， resulting in various emergencies such as natural disasters and accidents. It is of great significance to study how to improve the effectiveness of decision-making under the imperfect and complex scenarios. The main problems are uncertainties and risk issues in the procedures， which are difficult to be effectively addressed. For reflecting the uncertainty of decision information and limited rationality of decision-makers in an effective way， a new emergency response decision-making based on multi-granularity probabilistic linguistic and double reference points is presented. Firstly， multi-granularity probabilistic linguistic variables are used to express the decision-makers’ evaluation of each key risk factor， and the weights of key risk factors are determined based on an improved method to address multi-granularity probabilistic linguistic information. Secondly， the cumulative prospect theory， which can embody the characteristic of loss-aversion of decision-makers， is applied to the multi-granularity probabilistic linguistic environment， then， the perceived values of each feasible alternative’s estimated effect are calculated by the certain double reference points. Thirdly， the earn perceived weight and loss perceived weight of each feasible alternative’s estimated probability is determined， on this basis， the ultimate perceived value of each alternative is obtained by combining the weights of key risk factors， and the best alternatives can be determined. Finally， the response to forest fire illustrates the effectiveness of the proposed method， and verifies the superiority by comparative analysis. The proposed integrated model based on multi-granularity probabilistic linguistic and double reference points not only represent the imprecise and vague information more effectively， but also consider the decision makers’ bounded rationality under risk comprehensively， and then provide some clues for the effective processing of information theories in emergency decision-making process.

Key words: emergency events, emergency decision-making, multi-granularity probabilisticlinguistic, cumulative prospect theory, double reference points

中图分类号:

C934

王增强,蒲云. 基于多粒度概率语言和双参照点的应急决策方法[J]. 中国管理科学, 2026, 34(2): 195-206.

Zengqiang Wang,Yun Pu. An Emergency Decision-Making Method Based on Multi-granularity Probabilistic Linguistic Terms and Double Reference Points[J]. Chinese Journal of Management Science, 2026, 34(2): 195-206.

图/表 10

图1

表1

各位决策成员相对重要度的评估信息"

决策成员	$A 1$	$A 2$	$A 3$	$A 4$	$A 5$
$A 1$	--	$s 4 / 3 4$	$s 4 / 3 4$	$s 34$	$s 1 / 3 4$
$A 2$	$s 14$	--	$s 04$	$s 34$	$s 04$
$A 3$	$s 34$	$s 4 / 3 4$	--	$s 4 / 3 4$	$s 4 / 3 4$
$A 4$	$s 1 / 3 4$	$s 34$	$s 1 / 3 4$	--	$s 4 / 3 4$
$A 5$	$s 3 / 2 4$	$s 34$	$s 34$	$s 04$	--

表1

表2

各项关键风险因素权重的标准化评估信息"

决策成员	$d 1$	$d 2$	$d 3$	$d 4$	$d 5$	$d 6$
$A 1$	$s 4 / 3 4 1$	$s 34 1$	$s 1 / 3 4 0.4, s 4 / 3 4 0.6$	$s 1 / 3 4 1$	$s 4 / 3 4 1$	$s 34 1$
$A 2$	$s 14 0.7, s 34 0.3$	$s 14 1$	$s 14 1$	$s 14 1$	$s 04 1$	$s 14 0.4, s 34 0.6$
$A 3$	$s 34 1$	$s 4 / 3 4 0.3, s 34 0.7$	$s 1 / 3 4 0.3, s 4 / 3 4 0.7$	$s 1 / 3 4 1$	$s 4 / 3 4 1$	$s 4 / 3 4 0.3, s 34 0.7$
$A 4$	$s 4 / 3 4 1$	$s 4 / 3 4 0.2, s 34 0.8$	$s 1 / 3 4 0.4, s 4 / 3 4 0.6$	$s 1 / 3 4 1$	$s 4 / 3 4 1$	$s 34 1$
$A 5$	$s 3 / 2 4 0.4, s 34 0.6$	$s 3 / 2 4 0.4, s 34 0.6$	$s 3 / 2 4 1$	$s 3 / 4 4 1$	$s 3 / 4 4 1$	$s 3 / 2 4 0.4, s 34 0.6$

表2

表3

各项关键风险因素权重信息的群体期望值、群体偏离度和群体犹豫度"

$d 1$	$d 2$	$d 3$	$d 4$	$d 5$	$d 6$
$1.923,0.306,0.017$	$2.307,0.197,0.011$	$1.08,0.106,0.006$	$0.7,0, 0$	$1.1,0, 0$	$2.62,0.331,0.017$

表3

表4

采用不同可行方案情况下各项关键指标不同情景的群体评估效果和评估概率"

风险因素	方案	$θ 1$	$θ 2$	$θ 3$	$θ 4$
$d 1$	$X 1$	$s 1.137 4 0.30$	$s 1.073 4 0.30$	$s - 0.139 4 0.25$	$s - 0.538 4 0.15$
	$X 2$	$s 0.451 4 0.25$	$s 0.728 4 0.40$	$s 0.517 4 0.20$	$s - 0.372 4 0.15$
	$X 3$	$s 1.024 4 0.35$	$s 0.918 4 0.35$	$s - 0.081 4 0.25$	$s - 0.468 4 0.05$
$d 2$	$X 1$	$s - 0.992 4 0.15$	$s 0.589 4 0.20$	$s 1.913 4 0.30$	$s - 1.081 4 0.35$
	$X 2$	$s 1.637 4 0.40$	$s 0.193 4 0.30$	$s - 0.383 4 0.20$	$s - 0.872 4 0.10$
	$X 3$	$s 1.779 4 0.35$	$s - 0.145 4 0.30$	$s - 0.423 4 0.25$	$s - 0.872 4 0.10$
$d 3$	$X 1$	$s 0.362 4 0.15$	$s 0.983 4 0.30$	$s - 1.027 4 0.45$	$s - 0.293 4 0.10$
	$X 2$	$s 0.528 4 0.20$	$s 0.645 4 0.35$	$s 0.781 4 0.35$	$s - 0.472 4 0.10$
	$X 3$	$s 0.683 4 0.25$	$s 1.293 4 0.40$	$s 0.458 4 0.30$	$s - 0.659 4 0.05$
$d 4$	$X 1$	$s - 0.621 4 0.15$	$s 0.863 4 0.25$	$s 0.998 4 0.40$	$s - 0.432 4 0.20$
	$X 2$	$s 0.453 4 0.15$	$s 0.972 4 0.35$	$s 0.792 4 0.40$	$s - 0.326 4 0.10$
	$X 3$	$s 0.581 4 0.25$	$s 1.576 4 0.40$	$s 0.527 4 0.25$	$s - 0.439 4 0.10$
$d 5$	$X 1$	$s 1.019 4 0.35$	$s 0.863 4 0.30$	$s - 0.274 4 0.20$	$s - 0.629 4 0.15$
	$X 2$	$s 0.148 4 0.20$	$s 0.826 4 0.40$	$s 0.472 4 0.30$	$s - 0.235 4 0.10$
	$X 3$	$s 0.729 4 0.45$	$s 0.632 4 0.35$	$s - 0.109 4 0.15$	$s - 0.396 4 0.05$
$d 6$	$X 1$	$s 1.386 4 0.10$	$s 0.863 4 0.30$	$s 0.381 4 0.40$	$s 1.223 4 0.40$
	$X 2$	$s 1.082 4 0.15$	$s 0.937 4 0.20$	$s 0.932 4 0.40$	$s 1.139 4 0.25$
	$X 3$	$s 0.782 4 0.25$	$s 1.035 4 0.25$	$s - 1.156 4 0.30$	$s - 0.883 4 0.20$

表4

表5

各项关键风险因素的底线目标值和理想目标值"

目标值	$d 1$	$d 2$	$d 3$	$d 4$	$d 5$	$d 6$
$ϕ i μ$	$S 1 / 3 4$	$S 04$	$S 04$	$S 1 / 3 4$	$S 04$	$S 1 / 3 4$
$ϕ i ν$	$S 04$	$S - 1 / 3 4$	$S - 1 / 3 4$	$S 04$	$S - 1 / 3 4$	$S 04$

表5

表6

采用不同可行方案情况下各项关键风险因素面对不同情景预估概率的感知权重"

风险因素	方案	$θ 1$	$θ 2$	$θ 3$	$θ 4$
$d 1$	$X 1$	0.775	0.775	0.741	0.808
	$X 2$	0.806	0.720	0.840	0.808
	$X 3$	0.747	0.747	0.741	0.907
$d 2$	$X 1$	0.808	0.840	0.775	0.689
	$X 2$	0.720	0.775	0.772	0.852
	$X 3$	0.747	0.714	0.741	0.852
$d 3$	$X 1$	0.876	0.775	0.647	0.852
	$X 2$	0.840	0.747	0.747	0.852
	$X 3$	0.806	0.720	0.775	0.907
$d 4$	$X 1$	0.808	0.806	0.720	0.772
	$X 2$	0.876	0.747	0.720	0.852
	$X 3$	0.806	0.720	0.806	0.852
$d 5$	$X 1$	0.747	0.775	0.772	0.808
	$X 2$	0.840	0.720	0.775	0.852
	$X 3$	0.695	0.747	0.808	0.907
$d 6$	$X 1$	0.914	0.775	0.720	0.720
	$X 2$	0.876	0.840	0.720	0.806
	$X 3$	0.806	0.806	0.714	0.772

表6

表7

采用不同可行方案时各项关键风险因素的感知价值"

方案	$d 1$	$d 2$	$d 3$	$d 4$	$d 5$	$d 6$
$X 1$	-1.156	-1.414	-0.390	0.639	-0.187	2.742
$X 2$	0.467	-1.466	1.089	2.113	0.790	3.066
$X 3$	0.867	-1.173	1.613	0.749	0.042	-1.189

表7

表8

五种方法确定的各项关键风险因素权重和Pearson相关系数"

文献	方法描述	$d 1$	$d 2$	$d 3$	$d 4$	$d 5$	$d 6$	相关系数
文献[16]	基于所定义的广义区间二元语言WAA算子，决策成员从给定的二元语言评估标度中选择偏好的语言短语，用二元语言区间值表征信息的不确定性	0.169	0.223	0.157	0.112	0.148	0.191	0.901^*
文献[17]	决策成员使用数字标度表征各项风险因素的重要度，结合给定的决策者权重确定各项风险因素的权重	0.180	0.234	0.163	0.121	0.104	0.198	0.837^*
文献[18]	基于改进的Louvain算法，决策成员从给定的概率语言评估标度中选择偏好的语言短语，结合群体意见的一致性及其社会网络关系来确定各项风险因素的权重	0.189	0.222	0.152	0.092	0.132	0.213	0.949^**
文献[19]	决策成员使用模糊数表征各项风险因素的重要度，基于改进的模糊TOPSIS结合给定的决策者权重确定各项风险因素权重	0.196	0.228	0.122	0.137	0.081	0.236	0.874^*
本文方法	决策成员从多个概率语言评估标度中选择偏好的评估标度和语言短语，基于所提出的拓展多粒度概率语言决策方法结合决策者的相对重要度和标准化信息获取风险因素的权重	0.183	0.240	0.111	0.080	0.126	0.260

表8

表9

单参照点、期望效用理论和本文方法的综合评价值和排序结果"

		综合评价值（ $X 1$ ）	综合评价值（ $X 2$ ）	综合评价值（ $X 3$ ）	排序结果
单参照点	底线目标	0.234	0.675	0.136	$X 2 ≻ X 1 ≻ X 3$
单参照点	理想目标	-0.197	0.366	-0.524	$X 2 ≻ X 1 ≻ X 3$
期望效用理论		56.379	49.293	31.238	$X 1 ≻ X 2 ≻ X 3$
本文方法		0.146	0.920	-0.188	$X 2 ≻ X 1 ≻ X 3$

表9

参考文献 19

[1]	陈雪龙，张钟，李悦. 临机决策视角下的非常规突发事件应急处置方案生成［J］. 中国管理科学， 2024， 32（10）： 109-122.
	Chen X L， Zhang Z， Li Y. Generation of emergency response plan for unconventional emergencies from the perspective of improvisational decision-making［J］. Chinese Journal of Management Science， 2024， 32（10）： 109-122.
[2]	刘洋，刘晓云，李玉飞，等. 基于改进物元可拓模型的高校突发事件应急管理能力评价［J］. 中国管理科学， 2022， 30（11）： 299-308.
	Liu Y， Liu X Y， Li Y F， et al. Evaluation of emergency management ability of colleges and universities based on improved matter-element extension model［J］. Chinese Journal of Management Science， 2022， 30（11）： 299-308.
[3]	Beattie E， Mackway-Jones K. A Delphi study to identify performance indicators for emergency medicine［J］. Emergency Medicine Journal， 2004， 21（1）： 47-50.
[4]	Hoscan O， Cetinyokus S. Determination of emergency assembly point for industrial accidents with AHP analysis［J］. Journal of Loss Prevention in the Process Industries， 2021， 69： 104386.
[5]	Ji X， Yang K， Na X， et al. Feedback game-based shared control scheme design for emergency collision avoidance： A fuzzy-linear quadratic regulator approach［J］. Journal of Dynamic Systems， Measurement， and Control， 2019， 141（8）： 081005.
[6]	徐泽水. 基于语言信息的决策理论与方法［M］. 北京：科学出版社， 2008.
	Xu Z S. Decision theory and method based on linguistic information［M］. Beijing： Science Press， 2008.
[7]	Liu P， Teng F. Some Muirhead mean operators for probabilistic linguistic term sets and their applications to multiple attribute decision-making［J］. Applied Soft Computing， 2018， 68： 396-431.
[8]	吴澎，丁毅，周礼刚，等. 基于DEA交叉效率与冗余信息识别的大群体应急决策方法［J］. 系统工程理论与实践， 2022， 42（10）： 2840-2852.
	Wu P， Ding Y， Zhou L G， et al. Large group emergency decision-making method based on DEA cross-efficiency and redundant information identification［J］. Systems Engineering-Theory & Practice， 2022， 42（10）： 2840-2852.
[9]	徐选华，马志鹏，陈晓红，等. 基于公众偏好大数据分析的大群体应急决策质量动态演化研究［J］. 中国管理科学， 2022， 30（7）： 140-149.
	Xu X H， Ma Z P， Chen X H， et al. Research on dynamic evolution of emergency decision quality of large groups based on big data analysis of public preference［J］. Chinese Journal of Management Science， 2022， 30（7）： 140-149.
[10]	李宝德，吕靖，李晶. 基于前景理论和概率语言术语的突发事件应急响应决策方法［J］. 系统管理学报， 2023， 32（6）： 1164-1175.
	Li B D， Lv J， Li J. An emergency response decision-making method for emergencies based on prospect theory and probabilistic linguistic terms［J］. Journal of Systems & Management， 2023， 32（6）： 1164-1175.
[11]	Xu Z. An interactive approach to multiple attribute group decision making with multigranular uncertain linguistic information［J］. Group Decision and Negotiation， 2009， 18（2）： 119-145.
[12]	刘培德，滕飞. 基于共识模型和ORESTE的扩展概率语言多属性群决策方法［J］. 中国管理科学， 2021， 29（3）： 199-209.
	Liu P D， Teng F. Multiple attribute group decision-making method based on consensus model and ORESTE method for extended probabilistic linguistic term set［J］. Chinese Journal of Management Science， 2021， 29（3）： 199-209.
[13]	Xu Y， Da Q. A method for multiple attribute decision making with incomplete weight information under uncertain linguistic environment［J］. Knowledge-Based Systems， 2008， 21（8）： 837-841.
[14]	Zhang Y， Xu Z， Liao H. A consensus process for group decision making with probabilistic linguistic preference relations［J］. Information Sciences， 2017， 414： 260-275.
[15]	徐泽水，罗书琴，廖虎昌. 概率语言PROMETHEE方法及其在医疗服务中的应用［J］. 系统工程学报， 2019， 34（6）： 760-769.
	Xu Z S， Luo S Q， Liao H C. Probabilistic linguistic PROMETHEE method and its application in medical service［J］. Journal of Systems Engineering， 2019， 34（6）： 760-769.
[16]	Li S， Wei C. A two-stage dynamic influence model-achieving decision-making consensus within large scale groups operating with incomplete information［J］. Knowledge-Based Systems， 2020， 189： 105132.
[17]	Shi Z， Wang X， Palomares I， et al. A novel consensus model for multi-attribute large-scale group decision making based on comprehensive behavior classification and adaptive weight updating［J］. Knowledge-Based Systems， 2018， 158： 196-208.
[18]	张发明，朱姝琪. 社会网络环境下基于群体一致性的概率语言多属性大群体决策方法［J］. 系统管理学报， 2022， 31（4）： 679-688.
	Zhang F M， Zhu S Q. Probabilistic language multi-attribute large group decision-making method based on group consistency in social network analysis［J］. Journal of Systems & Management， 2022， 31（4）： 679-688.
[19]	Xu H， Zhong W， Wang C， et al. Quantitative analysis and evaluation of manipulation comfort of tractor gear shifting based on combined methods［J］. Human Factors and Ergonomics in Manufacturing & Service Industries， 2019， 29（4）： 285-292.