面向特大自然災害複雜大群體決策模型及應用（簡體書）

《面向特大自然災害復雜大群體決策模型及應用》是在我國特大自然災害公共危機頻繁發生的背景下，國家自然科學基金項目的研究成果。系統地分析了特大自然災害決策問題的特殊性和決策群體的特點，在此基礎上提出了復雜大群體的概念，系統地分析了了復雜大群體決策的特點，重點闡述了面向特大自然災害的復雜大群體決策模型和方法，形成了復雜大群體決策模型理論框架，在這些決策模型的支撐下研究并開發了復雜大群體決策支持平臺，并將上述決策模型與支持平臺應用于實際災害等問題中。

前言
第1章 導論
1.1 特大自然災害決策問題分析
1.2 復雜大群體決策的特點
1.3 群決策理論與方法發展
1.4 群體決策支持系統發展
1.5 復雜大群體決策模型理論框架
1.6 本章小結
第2章 復雜大群體決策偏好結構分析模型
2.1 復雜大群體決策偏好相聚模型
2.2 復雜大群體決策偏好聚類方法
2.3 復雜大群體偏好一致性分析方法
2.4 本章小結
第3章 確定型偏好信息復雜大群體決策偏好集結模型
3.1 求解決策問題復雜大群體決策偏好集結模型
3.2 多方案排序決策問題群體偏好集結模型
3.3 本章小結
第4章 不確定型偏好信息復雜大群體決策偏好集結模型
4.1 基于效用值偏好信息的復雜大群體決策偏好集結模型
4.2 基于殘缺值偏好信息的復雜大群體決策偏好集結模型
4.3 基于不確定語言值偏好信息的復雜大群體決策偏好集結模型
4.4 基于隨機值偏好信息的復雜大群體決策偏好集結模型
4.5 基于關系偏好信息的復雜大群體決策偏好集結模型
4.6 本章小結
第5章 復雜大群體決策偏好沖突協調模型
5.1 復雜大群體偏好沖突協調原理
5.2 程序化模型驅動——;';諧則';實現
5.3 沖突消解——;';和則';的實現
5.4 群體沖突協調算例
5.5 本章小結
第6章 復雜大群體決策支持平臺
6.1 平臺概述
6.2 平臺體系結構
6.3 平臺系統處理與控制流程
6.4 平臺功能結構
6.5 平臺開發與運行
6.6 本章小結
第7章 大型水電工程復雜生態環境風險評價應用
7.1 引言
7.2 大型水電工程復雜生態環境風險關聯因素分析
7.3 大型水電工程生態環境風險關聯度模型
7.4 大型水電工程生態環境風險評價
7.5 實例分析
7.6 本章小結
第8章 重大冰雪災害應急管理能力評價應用
8.1 引言
8.2 重大冰雪災害應急管理能力評價指標結構分析
8.3 重大冰雪災害應急管理能力評價方法
8.4 應用實例
8.5 本章小結
第9章 長株潭城市群';兩型';產業評價支持系統應用
9.1 系統背景與需求分析
9.2 產業';兩型';化發展水平評價指標體系
9.3 長株潭區域產業數據采集
9.4 長株潭區域產業';兩型';化評價方法
9.5 決策問題分析
9.6 系統處理流程
9.7 系統功能設計
9.8 系統開發
9.9 本章小結
參考文獻

第1 章 導論
本書是在國家自然科學基金項目';面向特大自然災害的復雜隨機多維屬性大群體決策模型研究（項目編號： 70871121）'; 和國家創新研究群體科學基金項目（批準編號： 70921001） 支持下歷經多年研究的成果， 研究成果主要包括： 面向特大自然災害的復雜大群體決策模型理論框架， 復雜大群體決策偏好結構分析模型， 確定型偏好信息復雜大群體決策偏好集結模型， 不確定型偏好信息復雜大群體決策偏好集結模型， 復雜大群體決策偏好沖突協調模型， 基于上述決策模型的復雜大群體決策支持平臺， 在重大冰雪災害應急管理能力評價、大型水電工程復雜生態環境風險評價、長株潭城市群';兩型'; 產業評價支持系統中的應用等。
1.1 特大自然災害決策問題分析
近年來我國自然災害尤其是特大自然災害公共危機頻繁發生并且呈明顯上升趨勢， 如冰雪災害、地震災害、洪水災害、泥石流地質災害、高溫旱災和疾病等， 災害種類明顯增多， 發生頻率明顯增高， 涉及范圍明顯擴大， 災害的復雜性和應對難度逐漸加大， 給我國造成了嚴重的社會問題， 給國家經濟和人民生命財產造成重大損失。例如， 2008 年的冰雪災害直接經濟損失就達1000 多億元， 汶川地震災害損失更大； 2010 年重特大自然災害造成4.3 億人次受災，直接經濟損失高達5339.9 億元。特大型自然災害公共危機應急協調處理決策涉及的面非常廣泛， 迫切需要群體尤其是大群體甚至特大群體協同進行， 迫切需要相應的支持手段和相應的信息系統及群決策支持系統的支持。
特大自然災害公共危機應急決策問題大多為多屬性決策問題， 大致分為兩大類： 一是求解決策問題， 即制定決策問題的最佳決策方案； 二是多方案排序決策問題， 即在眾多決策方案中選擇最優和次優的決策方案。這種決策問題與其他領域決策問題的不同之處在于： 一是決策問題屬性存在較大差異， 按照災害的自然性質進行分類， 不同類型自然災害的決策問題屬性不盡相同， 表現為多種形式， 如決策屬性為獨立型和關聯型、屬性數量為固定型和變動型、屬性值為確定型和不確定型等； 二是參與這種問題的決策群體規模較大且關系復雜， 并且決策群體成員的類型存在較大的差異。群體成員由于其背景和利益主體的不同以及信息對稱性和認知差異， 他們的偏好之間存在顯性和隱性沖突，其決策偏好信息表現為確定型和不確定型， 其中不確定型偏好信息按照其表現形式的不同又分為： 效用值偏好信息、殘缺值偏好信息、不確定語言值偏好信息、隨機值偏好信息和關系偏好信息等。這樣就給決策問題的解決和災害應對決策帶來了復雜性和困難。
目前特大自然災害的研究大多側重于災害風險控制、災害預測和管理機制的研究（萬洪濤和陳述彭， 2000； 周健和柏奎盛， 2006； Karimi and Hüllermeier，2007； Huang and Inoue， 2007）， 本章從這些文獻出發并且結合冰雪和洪水災害實際案例， 探索面向特大自然災害公共危機應急決策問題屬性表現形式和構成、決策群體的特殊性等， 在此基礎上提出復雜大群體決策模型理論框架。
1.2 復雜大群體決策的特點
特大自然災害應急決策群體的特點發生了深刻的變化， 根據南方冰雪和洪水災區調研可以發現呈現以下特點： 一是群體規模比較龐大， 其成員分布廣泛。例如， 特大型自然災害公共危機應急協調處理， 涉及范圍更廣， 需要各級政府行政管理人員、政府各個職能部門人員、各個行業相關人員、相關企事業單位人員、相關領域專家、救援軍隊、新聞媒體等參加并且快速調動他們協同行動。同時他們又是具有不同權重的相互協作、利益基本一致和某些利益沖突關系的大群體， 決策問題的解決往往需要兼顧各方面， 盡量科學并達成共識。因此這種群體的規模比較龐大， 沒有信息系統和群決策支持系統的支撐是難以實現的。二是決策問題屬性呈現多維性、復雜性和隨機性。具體表現在決策問題存在多個維度（或類型） 的屬性， 這些屬性的重要性存在差異， 屬性之間不僅可能存在復雜的關聯關系， 而且屬性（值） 有時呈現隨機性。例如， 自然災害公共危機應急協調處理決策問題由于災害程度、災害發生的時間和危機某些方面的隨機性， 其涉及的屬性（值） 也呈現隨機性， 這就給決策帶來復雜性。三是目前對群體偏好的一致性和偏好集結忽視了決策成員的不完全理性和對決策方案的學習改進及談判協調能力， 因此在現實中， 決策質量并不一定是群決策的完全充分條件， 決策結果能否被群體接受或在多大程度上能被群體接受往往更具有現實意義和更能快速推廣和容易實施。這樣群決策過程實際上就是群體取得一致性意見的協調過程。由此可見這種決策群體已變成具有復雜隨機多維屬性的大群體， 我們稱之為復雜大群體。
本書著重闡述面向特大自然災害的基于上述決策問題解決的復雜大群體決策模型和相應的方法， 并且以此為基礎研究和開發復雜大群體決策支持平臺并進行應用， 為其他領域的復雜大群體決策模型和方法的研究打下一個基礎。
1.3 群決策理論與方法發展
群決策模型、技術和方法有許多研究領域， 如偏好分析、效用理論、社會選擇理論、委員會決策理論、選舉理論、對策論、專家評價理論等。群決策比個體決策要復雜得多， 造成復雜性的因素主要有： ?優先度； ?主觀概率判斷； ?溝通； ?人數。溝通的作用： ?能集思廣益， 各個成員將各有特色的知識和經驗匯入群決策過程中； ?是實施民主的必要環節； ?有利于決策的實施。無溝通情況下的群體決策稱為社會選擇。在1951 年發表的?社會選擇和個人價值?一文中， 阿羅等證明了社會選擇并不能在完全符合理性的條件下將個人優先序集結為群體一致認可的優先序， 少數服從多數并不能提供一種令人滿意的社會選擇順序， 該論文構成了現代群體決策理論的基礎。多屬性群決策希望解決的問題是集結群體成員的偏好以形成群體的偏好， 然後根據群體的偏好對決策方案進行排序或從中選擇群體所最偏愛的方案。對多屬性群決策問題的研究中， 研究內容主要集中在對個體意見的一致性判別、集結個體意見為群體意見、決策者權重的確定、屬性權重的確定及純語言形式的多屬性群決策等方面， 基本上都使用了模糊數學等方法。主要研究工作體現在以下幾個方面。
1.多屬性群決策中決策者權重確定方法
在多屬性群決策過程中， 一般先由各決策者（或稱群體成員） 做出自己的求解（或判斷）， 然後再將這些決策結果按某種方法集結為群體偏好（或意見）。無論使用何種集結方法， 都會涉及決策者的權重。群體成員權重的確定是一件困難的工作， 如公共政策決策， 專家的判斷是通過問卷調查方式獲得的。
對于主觀權重， 根據決策者的能力水平、知名度、職位高低、對決策問題的熟悉程度等確定決策者權重的方法（陳世權等， 2000）。對于客觀權重， 王應明和張軍奎（2003） 提出了一種確定多指標決策權系數的新方法──標準差和平均差極大化方法； 梁?等（2005） 將專家客觀權重分為個體可信度權值和群體可信度權值， 通過提取專家判斷矩陣信息， 確定專家在具體判斷中自身的相對個體可信度權值， 確定各專家的相對群組可信度權值得出專家判斷信息合成時的各專家客觀權重。
關于組合賦權法， 徐澤水和達慶利（2002） 提出了多屬性決策組合賦權的一種線性目標規劃方法； 陳雷和王延章（2003） 提出了將主觀判斷與客觀情況相結合、定性定量相結合的熵權法來確定指標的權重系數， 進而將TOPSIS法與熵權系數綜合集成進行合理方案的評價； 王應明（2002） 提出了四種基于相關性的組合預測方法， 即關聯度極大化組合預測方法、相關系數極大化組合預測方法、夾角余弦極大化組合預測方法、Theil 不等系數極小化組合預測方法。
關于主客觀權重的平衡， 宋海洲和王志江（2003） 指出了一個常用的計算綜合權重公式存在的兩個問題， 在此基礎上提出了相應的計算公式， 使客觀權重和主觀權重得到更好的權衡。
另外， 還有劉開第等（2005） 以不確定性信息的數學處理理論為基礎， 建立了一類專家意見的不確定性量化表達式， 定義了表達式間的運算與運算律， 給出此類專家意見合成的不確定性決策模型。宋光興和鄒平（2001） 將決策者的權重分為主觀權重和客觀權重兩部分， 并給出確定多屬性群決策中決策者客觀權重的幾種方法； Van Den Honert （2001） 提出了基于AHP 的成員屬性的分配和確定方法。
2.多屬性群決策中屬性權重確定方法
在多屬性決策問題的求解過程中， 屬性的權重具有舉足輕重的作用， 它被用來反映屬性的相對重要性， 屬性越重要， 則賦給它的權重應越大， 反之則越小。因此很多已提出的多屬性決策方法（如簡單加性加權法、TOPSIS 法、多屬性效用理論等） 都涉及屬性權重， 屬性權重的確定就成為多屬性決策中的重要問題。目前關于屬性權重的確定方法很多， 根據計算權重時原始數據的來源不同， 可以將這些方法分為三類： 第一類是主觀賦權法， 它根據對各屬性的主觀重視程度由專家根據經驗進行賦權。第二類是客觀賦權法， 它是各屬性根據一定的規則進行自動賦權的方法， 它不依賴于人的主觀判斷。上述兩種賦權方法各有優缺點， 因此人們又提出了第三類主客觀綜合賦權法（或稱組合賦權法）。
對于客觀賦權法， 王應明和張軍奎（2003） 提出了一種確定型多指標決策權系數的新方法──標準差和平均差極大化方法； 黃定軒等（2004） 針對屬性權重完全未知且屬性值以連續值形式給出的無決策屬性的多屬性決策問題， 提出了利用屬性重要性來進行客觀權重的分配方法； 管紅波和田大鋼（2004） 提出了一種新的基于屬性重要性的規則提取算法， 稱為IADT 算法，采用粗糙集理論中的屬性重要性概念， 通過建立樹結構來提取規則。但以上客觀賦權法未考慮所確定的屬性權重是否為最優。
對于組合賦權法， 陳華友（2004） 基于離差最大化的基本原理， 通過一個最優規劃模型來確定組合權重， 研究了模型的求解， 給出權重的計算公式，探討組合賦權方法的檢驗； 郭春香和郭耀煌（2005） 基于偏序結構、屬性值是用模糊語言給出且每個屬性沒有決定權重的多屬性群決策問題提出了一種綜合權重方法。
另外， 對信息不完備情況下多屬性群決策問題進行研究， 尤天慧和樊治平（2003） 依據傳統的熵權概念， 給出一種確定區間數熵權的誤差分析方法；Liang （1999） 提出基于理想和非理想點的新模糊多屬性群決策方法， 使用決策權重矩陣來確定多屬性的不同權重， Chang 和Chen （1994） 將語言變量和模糊數結合來討論多屬性權重， 以達到決策最優。
3.群體一致性研究
群體一致性研究是群決策研究中的熱點， 有許多學者提出了解決群體一致性的方法， 它們是： ? 一致性指標的方法。如元繼學和吳祈宗（2004） 提出了群決策的三種三維層次模型， 用歐幾里得距離表示個人決策中方案的評價值， 然後設置一致性指標值A， 作為群體數據一致性的判斷依據， 提出了滿足一致性基礎上的一種群決策方法。? 基于粗糙集理論的方法。安利平等（2005） 通過對多屬性群決策問題的描述， 提出將不同決策者的不一致決策對象進行合并分析， 得到更加直觀明確的規則， 對規則集進行構成分析， 從而解釋決策者之間的沖突所在。? 基于交互的方法。徐澤水（2005） 首先將每個殘缺互補判斷矩陣拓展， 集成群體互補判斷矩陣， 然後基于群體互補判斷矩陣與個體拓展互補判斷矩陣之間的偏離閾值同決策者進行交互， 最後給出一種基于殘缺互補判斷矩陣的交互式群決策方法。? 基于聚類的方法。江文奇和華中生（2005） 給出了相對加權一致度的一種計算方法， 當群決策的結果不一致時， 提出了依據相對加權一致度對決策者進行聚類的方法， 并給出了每一類決策者決策結果的綜合方法。Hsu 和Chen （1996） 使用基于一致性的度量方法來定義專家之間的重要性和一致性指標。
......;