CN110442830B - 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法 - Google Patents

一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法 Download PDF

Info

Publication number
CN110442830B
CN110442830B CN201910682656.9A CN201910682656A CN110442830B CN 110442830 B CN110442830 B CN 110442830B CN 201910682656 A CN201910682656 A CN 201910682656A CN 110442830 B CN110442830 B CN 110442830B
Authority
CN
China
Prior art keywords
interval
influence
emergency management
matrix
direct influence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910682656.9A
Other languages
English (en)
Other versions
CN110442830A (zh
Inventor
孙金华
戚凯旋
王青松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN201910682656.9A priority Critical patent/CN110442830B/zh
Publication of CN110442830A publication Critical patent/CN110442830A/zh
Application granted granted Critical
Publication of CN110442830B publication Critical patent/CN110442830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，属于突发事件应急管理技术领域，其包括有如下的步骤：S1、根据给出的区间语言直接影响关系矩阵，采用迭代算法对突发事件应急管理影响因素的区间二元语义直接影响关系矩阵的群体共识进行检验和调整，得到满足群体共识水平的区间二元语义直接影响关系矩阵；S2、根据满足群体共识水平的区间二元语义直接影响关系矩阵，计算突发事件应急管理影响因素的区间值综合关系矩阵，并通过构建概率影响关系图得到突发事件应急管理影响因素的分类；S3、根据区间值综合关系矩阵，采用逐步比较搜索算法确定突发事件应急管理影响因素的优化顺序，得到突发事件应急管理优化策略。

Description

一种基于区间二元语义和DEMATEL的突发事件应急管理优化 策略的计算方法
技术领域
本发明属于突发事件应急管理技术领域，具体涉及一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法。
背景技术
近年来，世界范围内各类突发事件频繁发生，不仅造成了大量的人员伤亡和财产损失，还对经济社会发展和生态环境健康造成了负面影响。比如，国内外近年发生的典型突发事件有2011年日本福岛地震、2018年印度喀拉拉邦洪水。因此，突发事件应急管理受到世界各国政府乃至整个国际社会越来越多的关注。但是，随着各类突发事件发生频率和规模的日益增加，当前突发事件应急管理暴露出越来越多的问题，例如现代物流技术应用不足、应急信息系统缺乏有效性等，故突发事件应急管理水平仍需大幅优化、提高。
传统的突发事件应急管理优化大多只关注突发事件应急管理的具体的一两个活动，仅能部分地而不能系统地提高突发事件应急管理的效能；另有一部分则考虑对突发事件应急管理的各个方面、所有活动进行优化、提高，但是大多数情况下可用的资源是有限的，故这种做法可行性差、不切实际。因此，更可行的做法是将突发事件应急管理划分为若干有意义的活动，并厘清各个活动之间的交互关系，通过优化关键、重要的活动来系统地提高突发事件应急管理的整体效能。虽然已有部分优化方法从这一思路出发，认证突发事件应急管理的影响因素，利用决策试验与评价实验室技术(DEMATEL)评估和分析各影响因素之间的相互影响关系，进而找出突发事件应急管理的关键成功因素并对其进行优化。但是，这些方法要么忽略了评估突发事件应急管理各影响因素间影响关系时的模糊不确定性和多样性，要么在评估信息处理时将模糊的评估信息转化为精确数进而造成评估信息的失真或丢失。
此外，由于突发事件应急管理涉及面较广、牵扯领域较多，需要拥有各相关领域的专业知识才能保证得到较合理的结果，但关于突发事件应急管理影响因素间的影响关系的评估信息之间往往存在分歧，如果评估群体未对评估信息达成共识或存在分歧，则会造成最后的结果缺乏可靠性以及无法被接受等，而现有的优化方法在使用DEMATEL时并没有考虑这一现实问题。另一方面，尽管认证突发事件应急管理关键成功因素很重要，但进一步获得关键成功因素的优化顺序更具有指导意义。同时，由于突发事件可能随时发生，故若突发事件应急管理的每一步优化都能最大程度地提升其效能将具有重大意义。然而，当前优化方法未能明确给出关键成功因素的具体优化顺序，也未能保证每一步优化都能使突发事件应急管理效能获得最大的提升。
发明内容
为解决上述技术问题，本发明提供了一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，既能很好地处理直接影响关系评估时的模糊不确定性和多样性，又能有效地避免评估信息的失真或丢失，并自动检验和调整群体共识、导出更合理且更具有指导意义的突发事件应急管理优化策略。
为了实现上述发明目的，本发明采取如下技术方案：
本发明提供一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，所述方法包括以下步骤：
S1、根据给出的区间语言直接影响关系矩阵，采用迭代算法对突发事件应急管理影响因素的区间二元语义直接影响关系矩阵的群体共识进行检验和调整，得到满足群体共识水平的区间二元语义直接影响关系矩阵；
S2、根据满足群体共识水平的区间二元语义直接影响关系矩阵，计算突发事件应急管理影响因素的区间值综合关系矩阵，并通过构建概率影响关系图得到突发事件应急管理影响因素的分类；
S3、根据区间值综合关系矩阵，采用逐步比较搜索算法确定突发事件应急管理影响因素的优化顺序，得到突发事件应急管理优化策略。
进一步地，所述S1步骤“根据给出的区间语言直接影响关系矩阵，采用迭代算法对突发事件应急管理影响因素的区间二元语义直接影响关系矩阵的群体共识进行检验和调整，得到满足群体共识水平的区间二元语义直接影响关系矩阵”具体实现如下：
(1)将给出的突发事件应急管理影响因素的区间语言直接影响关系矩阵转化为区间二元语义直接影响关系矩阵，
Figure GDA0003827759550000021
其中，
Figure GDA0003827759550000022
表示第k个区间二元语义直接影响关系矩阵给出的影响因素Fi对影响因素Fj的直接影响，k＝1,2,…,K，K为区间二元语义直接影响关系矩阵的总个数，n为突发事件应急管理影响因素的总个数，i,j＝1,2,…,n；
(2)令l为迭代次数，用于迭代的矩阵
Figure GDA0003827759550000023
Figure GDA0003827759550000024
将给定的第k个区间二元语义直接影响关系矩阵Xk的权重表示为wk，wk∈[0,1]且
Figure GDA0003827759550000025
最大迭代次数表示为Max_l、控制参数表示为λ、全局群体共识水平阈值，即可接受的群体共识水平，表示为ξ，其中，
Figure GDA0003827759550000031
和
Figure GDA0003827759550000032
分别是第l次迭代的第k个区间二元语义直接影响关系矩阵Xk,l的元素
Figure GDA0003827759550000033
的下限和上限；
(3)计算任意两个区间二元语义直接影响关系矩阵
Figure GDA0003827759550000034
和
Figure GDA0003827759550000035
的相似矩阵
Figure GDA0003827759550000036
其中，
Figure GDA0003827759550000037
Figure GDA0003827759550000038
和
Figure GDA0003827759550000039
分别是第l次迭代的第p个区间二元语义直接影响关系矩阵Xp,l的元素
Figure GDA00038277595500000310
的下限和上限，
Figure GDA00038277595500000311
和
Figure GDA00038277595500000312
分别是第l次迭代的第q个区间二元语义直接影响关系矩阵Xq,l的元素
Figure GDA00038277595500000313
的下限和上限，
Figure GDA00038277595500000314
表示第l次迭代的区间二元语义直接影响关系矩阵Xp,l和Xq,l关于影响因素对(Fi,Fj)的相似度；
(4)计算群体共识矩阵
Figure GDA00038277595500000315
Figure GDA00038277595500000316
Figure GDA00038277595500000317
其中，
Figure GDA00038277595500000318
表示第l次迭代的所有区间二元语义直接影响关系矩阵关于影响因素对(Fi,Fj)的群体共识，wp和wq分别表示第p个区间二元语义直接影响关系矩阵Xp和第q个区间二元语义直接影响关系矩阵Xq的权重，p,q＝1,2,…,K，wpq表示Xp和Xq关于相似矩阵
Figure GDA00038277595500000319
的标准化后的混合权重；
(5)依次计算影响因素对的群体共识水平
Figure GDA00038277595500000320
影响因素的群体共识水平cfi l和直接影响关系矩阵的群体共识水平CRMl，其中，CRMl也称为全局群体共识水平：
Figure GDA00038277595500000321
Figure GDA00038277595500000322
Figure GDA00038277595500000323
(6)若CRMl≥ξ或l>Max_l，执行所述S1步骤的(11)；否则，执行所述S1步骤的(7)；
(7)依次确定需要调整对其他影响因素直接影响的影响因素集FACl或FAC′l、需要调整直接影响关系的影响因素对集PFi l或PFi′l，以及提供相关直接影响关系的区间二元语义直接影响关系矩阵集
Figure GDA0003827759550000042
Figure GDA0003827759550000043
Figure GDA0003827759550000044
或者，如果在初次迭代中全局群体共识水平远低于阈值ξ，可采用下式来加速调整过程：
FACl′＝{Fi|cfi l<ξ,i＝1,2,…,n}； (9)
Figure GDA0003827759550000045
对于提供相关直接影响关系的区间二元语义直接影响关系矩阵集
Figure GDA0003827759550000046
采用下式来确定：
Figure GDA0003827759550000047
其中，i,j与(Fi,Fj)∈PFi l或(Fi,Fj)∈PFi′l中i,j一致，
Figure GDA0003827759550000048
表示第l次迭代中的区间二元语义直接影响关系矩阵Xp,l和Xq,l关于影响因素对(Fi,Fj)∈PFi l或(Fi,Fj)∈PFi′l的相似度；如果p>q，则令
Figure GDA0003827759550000049
(8)采用区间二元语义加权算术平均算子(ITWA)计算PFi l或PFi′l中影响因素对间的直接影响关系的调整参照
Figure GDA00038277595500000410
Figure GDA00038277595500000411
其中，
Figure GDA00038277595500000412
和
Figure GDA00038277595500000413
分别是
Figure GDA00038277595500000414
的下限和上限；
(9)根据调整规则调整
Figure GDA00038277595500000415
中的区间二元语义直接影响关系矩阵关于影响因素对(Fi,Fj)∈PFi l或(Fi,Fj)∈PFi′l间直接影响关系的评估信息，进而获得调整后的评估信息
Figure GDA00038277595500000416
其中，调整规则为：
Figure GDA00038277595500000417
Figure GDA00038277595500000418
和
Figure GDA00038277595500000419
分别是
Figure GDA00038277595500000420
的下限和上限，上标p所对应的区间二元语义直接影响关系矩阵Xp与所述S1步骤的(7)中确定的
Figure GDA00038277595500000525
中的区间二元语义直接影响关系矩阵一致；
(10)令l＝l+1，调整后的区间二元语义直接影响关系矩阵仍表示为
Figure GDA0003827759550000051
执行所述S1步骤的(3)；
(11)令
Figure GDA0003827759550000052
输出
Figure GDA0003827759550000053
结束。
其中，
Figure GDA0003827759550000054
Figure GDA0003827759550000055
CRMl、FACl、FAC′l、PFi l、PFi′l、
Figure GDA0003827759550000056
Figure GDA0003827759550000057
是迭代过程中的过渡值，用于区分迭代或调整前后的参数；
Figure GDA0003827759550000058
为满足群体共识水平的区间二元语义直接影响关系矩阵，
Figure GDA0003827759550000059
和
Figure GDA00038277595500000510
分别是
Figure GDA00038277595500000511
中元素
Figure GDA00038277595500000512
的下限和上限。
再进一步地，所述S1步骤中的“突发事件”是一个广义的概念，指突然发生的，造成或可能造成人员伤亡、财产损失、环境破坏以及重大社会影响的，需要及时采取应急措施予以应对的自然灾害、事故灾难、公共卫生事件和社会安全事件等。
再进一步地，所述S1步骤中的“突发事件应急管理”是指利用科学、技术、计划和管理等知识来处置或管理突发事件的决策优化活动，其目的是通过合理的决策有效地整合各种社会资源以减少或最小化突发事件的危害，并提高相关社区从突发事件负面影响中恢复的能力，使其安全、可持续和有弹性。
再进一步地，所述S1步骤中的“突发事件应急管理影响因素”是指对突发事件应急管理有影响作用的因素，可通过将突发事件应急管理看作是一个系统，分析系统的有机组成和影响系统运行的因素来确定。
再进一步地，所述S1步骤中的“区间语言直接影响关系矩阵”和“区间二元语义直接影响关系矩阵”分别为
Figure GDA00038277595500000513
和
Figure GDA00038277595500000514
其中
Figure GDA00038277595500000515
表示第k个区间语言直接影响关系矩阵给出的影响因素Fi对影响因素Fj的直接影响，
Figure GDA00038277595500000516
分别为
Figure GDA00038277595500000517
的下限和上限，
Figure GDA00038277595500000518
Sg+1＝{s0,s1,…,sg}为预先定义好的由奇数个语言短语构成的用于表达影响因素间直接影响关系的语言评价集，g+1为语言评价集Sg+1的粒度，
Figure GDA00038277595500000519
Figure GDA00038277595500000520
和
Figure GDA00038277595500000521
分别为
Figure GDA00038277595500000522
和
Figure GDA00038277595500000523
所代表的语言评价集Sg+1中的语言短语的下标，
Figure GDA00038277595500000524
再进一步地，所述S1步骤中的“区间二元语义”采用如下定义：
定义1：S＝{s0,s1,…,sg}为预先定义好的由奇数个语言短语构成的语言评价集，g+1为语言评价集S的粒度，设(si,α1)和(sj,α2)为两个二元语义信息，si,sj∈S，α1,α2∈[-0.5/g,0.5/g)且(si,α1)≤(sj,α2)，则称s＝[(si,α1),(sj,α2)]为一个区间二元语义，其中，(si,α1)和(sj,α2)分别s的下限和上限，si和sj分别为语言评价集S中的第i个和第j个元素，α1和α2分别表示经过集结计算后得到的语言信息与最贴近语言短语si和sj之间的偏差；
定义2：S＝{s0,s1,…,sg}为预先定义好的由奇数个语言短语构成的语言评价集，g+1为语言评价集S的粒度，两个二元语义(si,α1)和(sj,α2)组成区间二元语义信息[(si,α1),(sj,α2)]，i≤j，α1≤α2，设[β1,β2](β1,β2∈[0,1],β1≤β2)为语言评价集S经集结得到的区间实数，令
Figure GDA0003827759550000061
则称函数△为区间实数[β1,β2]对应的区间二元语义信息的转换函数，其中round为四舍五入取整算子；
定义3：令
△-1([(si,α1),(sj,α2)])＝[i/g+α1,j/g+α2]＝[β1,β2] (15)则称△-1为函数△的逆函数；
进一步地，所述S2步骤“根据满足群体共识水平的区间二元语义直接影响关系矩阵，计算突发事件应急管理影响因素的区间值综合关系矩阵，并通过构建概率影响关系图得到突发事件应急管理影响因素的分类”具体实现如下：
(1)采用区间二元语义加权算术平均算子(ITWA)集结达到全局群体共识水平的个体区间二元语义直接影响关系矩阵
Figure GDA0003827759550000062
得到群体区间二元语义直接影响关系矩阵O＝(oij)n×n，其中：
Figure GDA0003827759550000063
Figure GDA0003827759550000064
和
Figure GDA0003827759550000065
分别是O中元素oij的下限和上限；
(2)对群体区间二元语义直接影响关系矩阵进行标准化计算，得到标准化后的群体区间值直接影响关系矩阵
Figure GDA0003827759550000071
其中，
Figure GDA0003827759550000072
Figure GDA0003827759550000073
Figure GDA0003827759550000074
Figure GDA0003827759550000075
Figure GDA0003827759550000076
和
Figure GDA0003827759550000077
分别是
Figure GDA0003827759550000078
中元素
Figure GDA0003827759550000079
的下限和上限，
Figure GDA00038277595500000710
为矩阵O的各行元素和的最大值与各列元素和的最大值的最大值，
Figure GDA00038277595500000711
和
Figure GDA00038277595500000712
分别是
Figure GDA00038277595500000713
的下限和上限；
(3)导出突发事件应急管理影响因素的区间值综合关系矩阵
Figure GDA00038277595500000714
Figure GDA00038277595500000715
Figure GDA00038277595500000716
其中，
Figure GDA00038277595500000717
为由矩阵
Figure GDA00038277595500000718
中元素
Figure GDA00038277595500000719
的下限组成的矩阵，
Figure GDA00038277595500000720
为由矩阵
Figure GDA00038277595500000721
中元素
Figure GDA00038277595500000722
的上限组成的矩阵，E是维度为n的单位矩阵；
(4)计算区间值综合关系矩阵的各行和
Figure GDA00038277595500000723
及各列和
Figure GDA00038277595500000724
Figure GDA00038277595500000725
Figure GDA00038277595500000726
Figure GDA00038277595500000727
和
Figure GDA00038277595500000728
分别是
Figure GDA00038277595500000729
的下限和上限，
Figure GDA00038277595500000730
和
Figure GDA00038277595500000731
分别是
Figure GDA00038277595500000732
的下限和上限；
(5)计算各影响因素的中心度
Figure GDA00038277595500000733
和原因度
Figure GDA00038277595500000734
Figure GDA00038277595500000735
Figure GDA00038277595500000736
(6)计算每个影响因素属于原因因素的概率Pi cg或属于结果因素的概率Pi eg，然后分别以中心度和原因度为二维直角坐标系的横轴和纵轴，并将每个影响因素及其属于原因因素的概率或属于结果因素的概率置于坐标系中，构建概率影响关系图，其中，
Pi cg＝1，当
Figure GDA00038277595500000737
Figure GDA0003827759550000081
Pi cg＝0，当
Figure GDA0003827759550000082
Pi eg＝1-Pi cg； (30)
对影响因素进行分类：
若Pi cg≥0.5，则影响因素Fi为原因因素；
若Pi eg>0.5，则影响因素Fi为结果因素。
再进一步地，所述S1步骤中的“概率影响关系图”是指以中心度和原因度为二维直角坐标系的横轴和纵轴，包含每个突发事件应急管理影响因素及其属于原因因素的概率或属于结果因素的概率的和突发事件应急管理影响因素的分类的、呈现出突发事件应急管理影响因素间因果关系的图形。
进一步地，所述S3步骤“根据区间值综合关系矩阵，采用逐步比较搜索算法确定突发事件应急管理影响因素的优化顺序，得到突发事件应急管理优化策略”具体实现如下：
(1)若影响因素Fi被优化，则其优化状态
Figure GDA0003827759550000083
记为1，即
Figure GDA0003827759550000084
若影响因素Fi不被优化，则其优化状态
Figure GDA0003827759550000085
记为0，即
Figure GDA0003827759550000086
令外层迭代次数τ＝1，内层迭代次数ν＝1，Θ为一个空集合；
(2)若τ＝1，则令
Figure GDA0003827759550000087
其中μ＝1,2,…,n且μ≠ν，然后执行所述S3步骤的(4)；否则，执行所述S3步骤的(3)；
(3)若
Figure GDA0003827759550000088
则令
Figure GDA0003827759550000089
其中
Figure GDA00038277595500000810
且μ≠ν，
Figure GDA00038277595500000811
其中
Figure GDA00038277595500000812
否则，令ν＝ν+1，重复执行所述S3步骤的(3)；
(4)计算突发事件应急管理总体收益
Figure GDA00038277595500000813
Figure GDA00038277595500000814
其中，
Figure GDA00038277595500000815
(5)若ν<n，则令ν＝ν+1，执行所述S3步骤的(2)；否则，执行所述S3步骤的(6)；
(6)建立
Figure GDA00038277595500000816
的可能度互补矩阵
Figure GDA00038277595500000817
其中，
Figure GDA00038277595500000818
对τ＝1,则i,j＝1,2,…,n-τ+1；对τ≠1,则i,j＝1,2,…,n-τ+1且
Figure GDA0003827759550000091
(7)计算可能度互补矩阵的排序向量
Figure GDA0003827759550000092
其中，
Figure GDA0003827759550000093
对τ＝1,则i＝1,2,…,n-τ+1；对τ≠1,则i＝1,2,…,n-τ+1且
Figure GDA0003827759550000094
(8)确定与排序向量的最大值
Figure GDA0003827759550000095
相关联的下标i，并令
Figure GDA0003827759550000096
将
Figure GDA0003827759550000097
放进集合Θ中；
(9)若τ<n-1，则令τ＝τ+1，ν＝1，执行所述S3步骤的(3)；否则，执行所述S3步骤的(10)；
(10)令
Figure GDA0003827759550000098
其中Fi∈F且
Figure GDA0003827759550000099
将
Figure GDA00038277595500000910
放进集合Θ中；根据τ值对集合Θ中的元素
Figure GDA00038277595500000911
按升序进行排序；
(11)令Ψ＝Θ，输出Ψ。
其中，
Figure GDA00038277595500000912
和
Figure GDA00038277595500000913
分别是外层迭代次数为τ、内层迭代次数为ν时的突发事件应急管理总体收益
Figure GDA00038277595500000914
的下限和上限，OSV表示当前外层迭代次数下的所有影响因素的优化状态组成的向量，SOIτ表示外层迭代次数为τ时所有突发事件应急管理总体收益组成的向量，
Figure GDA00038277595500000915
表示
Figure GDA00038277595500000916
优于
Figure GDA00038277595500000917
的可能度，
Figure GDA00038277595500000918
表示
Figure GDA00038277595500000919
的优先度，Ψ表示突发事件应急管理影响因素的优化顺序集合。
再进一步地，所述S3步骤中的“逐步比较搜索算法”在执行过程中每次只选择优化一个突发事件应急管理影响因素，若被选择的影响因素被优化，其对突发事件应急管理整体效能提升的贡献最大，然后再一个个地逐渐增加被优化的影响因素的个数，直至所有影响因素均被优化；突发事件应急管理的总体收益考虑了当某一影响因素被优化时，在区间值综合关系矩阵的作用下，其对本身及其他影响因素效能提升的贡献；同时，在每一轮迭代中，为了确定选择哪一个影响因素被优化，所有的在上一轮迭代中未被选定优化的影响因素均被逐个地优化并计算和比较它们对突发事件应急管理整体效能提升的贡献，如果某一影响因素被优化时其对突发事件应急管理整体效能提升的贡献最大，则该影响因素被选定为本轮的被优化的影响因素。
再进一步地，所述S3步骤中的“突发事件应急管理优化策略”由所述S3步骤的(11)中的集合Ψ给出，即集合Ψ给出了突发事件应急管理影响因素的最佳优化顺序，同时在可用的资源有限、只能选择部分影响因素进行优化的情况下，应急管理决策者可根据集合Ψ给出的优化顺序，确定最佳的优化组合及选定的优化组合内的影响因素的最佳优化顺序。
本发明的有益效果：采用来自不同粒度的语言评价集的不确定性语言短语来表达评估信息，能够有效且精确地模拟和处理评估信息的模糊不确定性和多样性，使评估更加灵活并避免信息的失真或丢失；同时，能够自动检验群体共识并进行调整以促使可接受的群体共识水平的达成；另外，能够导出更合理且更具有指导意义的突发事件应急管理优化策略，该优化策略能够保证每一步优化都能使突发事件应急管理整体效能获得最大的提升，不仅能够给出突发事件应急管理影响因素最佳的优化顺序，而且在资源有限、只能选择部分影响因素进行优化的条件下，应急管理决策者可根据给出的优化顺序，确定最佳的优化组合及选定的优化组合内的影响因素的最佳优化顺序。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例方法的流程图；
图2是本发明实施例方法的详细路线图；
图3是本发明实施例提供的突发事件应急管理的概率影响关系图。
具体实施方式
下面通过实施例并结合附图对本发明作进一步说明。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。
本发明对某应急管理部门突发事件应急管理的优化策略进行计算。该应急管理部门决策者为在可用资源有限的条件下系统地优化其突发事件应急管理，应用本发明提出的基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法对其突发事件应急管理的优化策略进行计算。为此，该应急管理部门组建了一个由3名成员组成的评估小组，由该评估小组对其突发事件应急管理的影响因素进行分析和评估。经过初期筛选，该评估小组确定该应急管理部门突发事件应急管理的10个影响因素作为后续评估的对象，表1列出了这10个影响因素，Fi,i＝1,2,…,10。
表1某应急管理部门突发事件应急管理影响因素
Figure GDA0003827759550000101
Figure GDA0003827759550000111
评估小组的3名成员分别使用各自偏好的、粒度为7、9和5的语言评价集，利用区间语言的形式评估突发事件应急管理各影响因素之间的直接影响关系。上述粒度为5、7和9的语言评价集表示如下：
A5＝{a0＝无影响,a1＝影响低,a2＝影响一般,a3＝影响高,a4＝影响很高}；
Figure GDA0003827759550000112
Figure GDA0003827759550000113
评估小组3名成员针对该应急管理部门突发事件应急管理的10个影响因素间的直接影响关系进行评估，并将评估结果分别表示为区间语言直接影响关系矩阵
Figure GDA0003827759550000114
如表2-4所示。
表2区间语言直接影响关系矩阵
Figure GDA0003827759550000115
Figure GDA0003827759550000116
表3区间语言直接影响关系矩阵
Figure GDA0003827759550000121
Figure GDA0003827759550000122
表4区间语言直接影响关系矩阵
Figure GDA0003827759550000123
Figure GDA0003827759550000124
评估小组经商定将3个区间语言直接影响关系矩阵的权重分别定为0.42,0.23和0.35，即后续区间二元语义直接影响关系矩阵的权重、将其评估信息的可接受的群体共识水平定为0.93、将用于检验和调整其评估信息群体共识的迭代算法对其评估信息进行调整的控制参数定为0.65、将迭代算法的最大迭代次数定为5。
下面结合图1和图2，采用本发明所述的一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法来对该应急管理部门突发事件应急管理的优化进行分析，具体包括以下阶段和步骤：
S1、根据给出的区间语言直接影响关系矩阵，采用迭代算法对突发事件应急管理影响因素的区间二元语义直接影响关系矩阵的群体共识进行检验和调整，得到满足群体共识水平的区间二元语义直接影响关系矩阵：
(1)将给出的突发事件应急管理影响因素的区间语言直接影响关系矩阵
Figure GDA0003827759550000131
转化为区间二元语义直接影响关系矩阵
Figure GDA0003827759550000132
这里，以
Figure GDA0003827759550000133
为例，转化后的区间二元语义直接影响关系矩阵
Figure GDA0003827759550000134
如表5所示。
表5由
Figure GDA0003827759550000135
转化得到的区间二元语义直接影响关系矩阵
Figure GDA0003827759550000136
Figure GDA0003827759550000137
(2)令l为迭代次数，用于迭代的矩阵
Figure GDA0003827759550000138
将给定的3个区间语言直接影响关系矩阵的权重分别表示为w1,w2和w3，最大迭代次数表示为Max_l、控制参数表示为λ、全局群体共识水平阈值，即可接受的群体共识水平，表示为ξ；
(3)利用式(1)计算任意两个区间二元语义直接影响关系矩阵
Figure GDA0003827759550000139
和
Figure GDA00038277595500001310
的相似矩阵
Figure GDA00038277595500001311
结果如表6-8所示；
表6相似矩阵SIM12,0
Figure GDA0003827759550000141
表7相似矩阵SIM13,0
Figure GDA0003827759550000142
表8相似矩阵SIM23,0
Figure GDA0003827759550000143
(4)利用式(2-3)计算群体共识矩阵
Figure GDA0003827759550000151
结果如表9所示；
表9群体共识矩阵
Figure GDA0003827759550000152
Figure GDA0003827759550000153
(5)利用式(4-6)依次计算影响因素对的群体共识水平
Figure GDA0003827759550000154
影响因素的群体共识水平cfi 0和直接影响关系矩阵的群体共识水平CRM0，也即全局群体共识水平，其中，
Figure GDA0003827759550000155
的计算结果如表9所示，cfi 0的计算结果如表10所示，CRM0的计算结果为0.9289；
表10影响因素的群体共识水平
Figure GDA0003827759550000156
(6)由于CRM0<ξ＝0.93，故执行所述S1步骤的(7)；
(7)由于CRM0与ξ很接近，故采用式(7)、式(9)和式(11)来依次确定需要调整对其他影响因素直接影响的影响因素集FAC0、需要调整直接影响关系的影响因素对集PFi 0，以及提供相关直接影响关系的区间二元语义直接影响关系矩阵集
Figure GDA0003827759550000157
计算结果为FAC0＝{F2}，PF2,0＝{(F2,F1),(F2,F3),(F2,F4),(F2,F6),(F2,F7),(F2,F9)}，需要调整集合EXPj,0,j＝1,3,4,6,7,9中的区间二元语义直接影响关系矩阵关于PF2,0中影响因素对间直接影响关系的评估信息，具体如表11所示；
表11需要调整评估信息的区间二元语义直接影响关系矩阵集EXPj,0,j＝1,3,4,6,7,9
Figure GDA0003827759550000158
(8)采用式(12)计算PF2,0中影响因素对间的直接影响关系的调整参照
Figure GDA0003827759550000161
结果如表12所示；
表12调整参照
Figure GDA0003827759550000162
Figure GDA0003827759550000163
(9)根据式(13)所示的调整规则调整EXPj,0,j＝1,3,4,6,7,9中的区间二元语义直接影响关系矩阵关于PF2,0中影响因素对间直接影响关系的评估信息，调整后的评估信息
Figure GDA0003827759550000164
如表13所示；
表13调整后的评估信息
Figure GDA0003827759550000165
Figure GDA0003827759550000166
(10)令l＝l+1＝1，此时，调整后的区间二元语义直接影响关系矩阵表示为
Figure GDA0003827759550000167
这里，由于相比未调整前的矩阵
Figure GDA0003827759550000168
更新的评估信息展示在表13中，故完整的
Figure GDA0003827759550000169
不再给出；
返回到所述S1步骤的(3)，以
Figure GDA00038277595500001610
为输入矩阵重新执行所述S1步骤的(3-6)，k＝1,2,3；此时，由于CRM1＝0.9302>ξ＝0.93，故执行所述S1步骤的(11)；
(11)令
Figure GDA00038277595500001611
输出
Figure GDA00038277595500001612
结束；这里，由于相比初始的矩阵
Figure GDA00038277595500001613
更新的评估信息展示在表13中，故完整的
Figure GDA00038277595500001614
不再给出。
S2、根据满足群体共识水平的区间二元语义直接影响关系矩阵，计算突发事件应急管理影响因素的区间值综合关系矩阵，并通过构建概率影响关系图得到突发事件应急管理影响因素的分类：
(1)采用式(16)集结达到全局群体共识水平的个体区间二元语义直接影响关系矩阵
Figure GDA0003827759550000171
得到群体区间二元语义直接影响关系矩阵O＝(oij)10×10，如表14所示；
表14群体区间二元语义直接影响关系矩阵O＝(oij)10×10
Figure GDA0003827759550000172
(2)利用式(17-20)对群体区间二元语义直接影响关系矩阵进行标准化计算，得到标准化后的群体区间值直接影响关系矩阵
Figure GDA0003827759550000173
如表15所示；
表15标准化后的群体区间值直接影响关系矩阵
Figure GDA0003827759550000174
Figure GDA0003827759550000175
Figure GDA0003827759550000181
(3)利用式(21-22)导出突发事件应急管理影响因素的区间值综合关系矩阵
Figure GDA0003827759550000182
如表16所示；
表16区间值综合关系矩阵
Figure GDA0003827759550000183
Figure GDA0003827759550000184
Figure GDA0003827759550000191
(4)利用式(23-24)计算区间值综合关系矩阵的各行和
Figure GDA0003827759550000192
及各列和
Figure GDA0003827759550000193
如表17所示；
表17区间值综合关系矩阵的各行和
Figure GDA0003827759550000194
和各列和
Figure GDA0003827759550000195
以及各影响因素的中心度
Figure GDA0003827759550000196
和原因度
Figure GDA0003827759550000197
Figure GDA0003827759550000198
(5)利用式(25-26)计算各影响因素的中心度
Figure GDA0003827759550000199
和原因度
Figure GDA00038277595500001910
如表17所示；
(6)利用式(27-30)计算每个影响因素属于原因因素的概率Pi cg或属于结果因素的概率Pi eg；然后分别以中心度和原因度为二维直角坐标系的横轴和纵轴，并将每个影响因素及其属于原因因素的概率或属于结果因素的概率置于坐标系中，构建概率影响关系图，如图3所示；同时，图3既给出了突发事件应急管理影响因素的分类，又给出了每个影响因素属于原因因素的概率或属于结果因素的概率。
S3、根据区间值综合关系矩阵，采用逐步比较搜索算法确定突发事件应急管理影响因素的优化顺序，得到突发事件应急管理优化策略：
(1)若影响因素Fi被优化，则其优化状态
Figure GDA00038277595500001911
记为1，即
Figure GDA00038277595500001912
若影响因素Fi不被优化，则其优化状态
Figure GDA00038277595500001913
记为0，即
Figure GDA00038277595500001914
令外层迭代次数τ＝1，内层迭代次数ν＝1，Θ为一个空集合；
(2)由于τ＝1，则令
Figure GDA00038277595500001915
其中μ＝1,2,…,10且μ≠ν，然后执行所述S3步骤的(4)；
(4)利用式(31)计算突发事件应急管理总体收益
Figure GDA00038277595500001916
得到
Figure GDA00038277595500001917
(5)由于ν＝1<10，则令ν＝ν+1＝2，返回到所述S3步骤的(2)，重复执行所述S3步骤的(2-5)，直至ν＝10，计算结果如表18所示，然后执行所述S3步骤的(6)；
表18突发事件应急管理总体收益SOIτ
Figure GDA0003827759550000201
(6)利用式(32)建立
Figure GDA0003827759550000202
的可能度互补矩阵
Figure GDA0003827759550000203
得到：
Figure GDA0003827759550000211
(7)利用式(33)计算可能度互补矩阵
Figure GDA0003827759550000212
的排序向量
Figure GDA0003827759550000213
得到Υ1＝[0.0699,0.1330,0.0897,0.0672,0.0747,0.0650,0.1258,0.1361,0.1136,0.1250]；
(8)确定与排序向量的最大值
Figure GDA0003827759550000214
相关联的下标i＝8，并令
Figure GDA0003827759550000215
将
Figure GDA0003827759550000216
放进集合Θ中；
(9)由于τ＝1<10-1，则令τ＝τ+1＝2，ν＝1，执行所述S3步骤的(3)；
(3)由于
Figure GDA0003827759550000217
则令
Figure GDA0003827759550000218
其中
Figure GDA0003827759550000219
μ＝1,2,…,10且μ≠ν，
Figure GDA00038277595500002110
其中
Figure GDA00038277595500002111
即
Figure GDA00038277595500002112
然后执行所述S3步骤的(4-8)的迭代过程；此时，得到与排序向量的最大值
Figure GDA00038277595500002113
相关联的下标i＝2，令
Figure GDA00038277595500002114
将
Figure GDA00038277595500002115
放进集合Θ中；当前结果意味着如果应急管理决策者由于资源的限制只能选择两个影响因素进行优化，则影响因素F8和影响因素F2应被选定为优化组合，并且应先优化影响因素F8再优化影响因素F2；
执行所述S3步骤的(9)，重复上述过程，直至τ＝9，其中得到的计算结果SOIτ和Υτ,τ＝1,2,…,9分别如表18和表19所示，其中，表19中加粗的数字为相应排序向量的最大值；
表19可能度互补矩阵的排序向量Υτ,τ＝1,2,…,9
Figure GDA00038277595500002116
Figure GDA0003827759550000221
(10)由于F6是最后一个影响因素，无需进行迭代比较，故令
Figure GDA0003827759550000222
将F6放进集合Θ中，然后根据τ值对集合Θ中的元素
Figure GDA0003827759550000223
按升序进行排序，得到Θ＝{F8,F2,F7,F10,F9,F3,F5,F1,F4,F6}；
(11)令Ψ＝Θ＝{F8,F2,F7,F10,F9,F3,F5,F1,F4,F6}，输出Ψ。
本实施例的结果表明该应急管理部门的10个突发事件应急管理影响因素中，F8,F2,F9,F7,F5和F10属于原因因素的概率更高，而F4,F1,F6和F3属于结果因素的概率更高；另外，该应急管理部门10个突发事件应急管理影响因素最佳的优化顺序为
Figure GDA0003827759550000224
在资源有限且仅能选择部分影响因素进行优化时，应急管理决策者可得到最佳的优化组合及其内影响因素的最佳优化顺序，比如，若应急管理决策者根据现有的资源决定选择6个影响因素进行优化，则最佳的优化组合为{F8,F2,F7,F10,F9,F3}，该组合最佳的优化顺序为
Figure GDA0003827759550000225
一旦这些影响因素被执行优化，突发事件应急管理的整体效能将得到逐步的、系统的提升。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而本发明并不限制于以上实施例，所属领域的技术人员参照上述实施例，依然可以对本发明的具体实施方式进行修改或等同替换，而未脱离本发明精神和范围的任何修改或等同替换，均在本发明的权利要求保护范围之内。

Claims (5)

1.一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，其特征在于：所述方法包括以下步骤：
S1、根据给出的区间语言直接影响关系矩阵，采用迭代算法对突发事件应急管理影响因素的区间二元语义直接影响关系矩阵的群体共识进行检验和调整，得到满足群体共识水平的区间二元语义直接影响关系矩阵；
S2、根据满足群体共识水平的区间二元语义直接影响关系矩阵，计算突发事件应急管理影响因素的区间值综合关系矩阵，并通过构建概率影响关系图得到突发事件应急管理影响因素的分类；
S3、根据区间值综合关系矩阵，采用逐步比较搜索算法确定突发事件应急管理影响因素的优化顺序，得到突发事件应急管理优化策略；
所述S1步骤中，根据给出的区间语言直接影响关系矩阵，采用迭代算法对突发事件应急管理影响因素的区间二元语义直接影响关系矩阵的群体共识进行检验和调整，得到满足群体共识水平的区间二元语义直接影响关系矩阵具体实现如下：
(1)将给出的突发事件应急管理影响因素的区间语言直接影响关系矩阵转化为区间二元语义直接影响关系矩阵，
Figure FDA0003827759540000011
其中，
Figure FDA0003827759540000012
表示第k个区间二元语义直接影响关系矩阵给出的影响因素Fi对影响因素Fj的直接影响，k＝1,2,…,K，K为区间二元语义直接影响关系矩阵的总个数，n为突发事件应急管理影响因素的总个数，i,j＝1,2,…,n；
(2)令l为迭代次数，用于迭代的矩阵
Figure FDA0003827759540000013
Figure FDA0003827759540000014
将给定的第k个区间二元语义直接影响关系矩阵Xk的权重表示为wk，wk∈[0,1]且
Figure FDA0003827759540000015
最大迭代次数表示为Max_l、控制参数表示为λ、全局群体共识水平阈值，即可接受的群体共识水平，表示为ξ，其中，
Figure FDA0003827759540000016
和
Figure FDA0003827759540000017
分别是第l次迭代的第k个区间二元语义直接影响关系矩阵Xk,l的元素
Figure FDA0003827759540000018
的下限和上限；
(3)计算任意两个区间二元语义直接影响关系矩阵
Figure FDA0003827759540000019
和
Figure FDA00038277595400000110
的相似矩阵
Figure FDA00038277595400000111
其中，
Figure FDA00038277595400000112
Figure FDA0003827759540000021
和
Figure FDA0003827759540000022
分别是第l次迭代的第p个区间二元语义直接影响关系矩阵Xp,l的元素
Figure FDA0003827759540000023
的下限和上限，
Figure FDA0003827759540000024
和
Figure FDA0003827759540000025
分别是第l次迭代的第q个区间二元语义直接影响关系矩阵Xq,l的元素
Figure FDA0003827759540000026
的下限和上限，
Figure FDA0003827759540000027
表示第l次迭代的区间二元语义直接影响关系矩阵Xp,l和Xq,l关于影响因素对(Fi,Fj)的相似度；
(4)计算群体共识矩阵
Figure FDA0003827759540000028
Figure FDA0003827759540000029
Figure FDA00038277595400000210
其中，
Figure FDA00038277595400000211
表示第l次迭代的所有区间二元语义直接影响关系矩阵关于影响因素对(Fi,Fj)的群体共识，wp和wq分别表示第p个区间二元语义直接影响关系矩阵Xp和第q个区间二元语义直接影响关系矩阵Xq的权重，p,q＝1,2,…,K，wpq表示Xp和Xq关于相似矩阵
Figure FDA00038277595400000212
的标准化后的混合权重；
(5)依次计算影响因素对的群体共识水平
Figure FDA00038277595400000213
影响因素的群体共识水平cfi l和直接影响关系矩阵的群体共识水平CRMl，其中，CRMl也称为全局群体共识水平：
Figure FDA00038277595400000214
Figure FDA00038277595400000215
Figure FDA00038277595400000216
(6)若CRMl≥ξ或l>Max_l，执行所述S1步骤的(11)；否则，执行所述S1步骤的(7)；
(7)依次确定需要调整对其他影响因素直接影响的影响因素集FACl或FAC′l、需要调整直接影响关系的影响因素对集PFi l或PFi′l，以及提供相关直接影响关系的区间二元语义直接影响关系矩阵集
Figure FDA00038277595400000217
Figure FDA00038277595400000218
Figure FDA0003827759540000031
或者，如果在初次迭代中全局群体共识水平远低于阈值ξ，可采用下式来加速调整过程：
FAC′l＝{Fi|cfi l<ξ,i＝1,2,…,n}；
Figure FDA0003827759540000032
对于提供相关直接影响关系的区间二元语义直接影响关系矩阵集
Figure FDA0003827759540000033
采用下式来确定：
Figure FDA0003827759540000034
其中，i,j与(Fi,Fj)∈PFi l或(Fi,Fj)∈PFi′l中i,j一致，
Figure FDA0003827759540000035
表示第l次迭代中的区间二元语义直接影响关系矩阵Xp,l和Xq,l关于影响因素对(Fi,Fj)∈PFi l或(Fi,Fj)∈PFi′l的相似度；如果p>q，则令
Figure FDA0003827759540000036
(8)采用区间二元语义加权算术平均算子(ITWA)计算PFi l或PFi′l中影响因素对间的直接影响关系的调整参照
Figure FDA0003827759540000037
Figure FDA0003827759540000038
其中，
Figure FDA0003827759540000039
和
Figure FDA00038277595400000310
分别是
Figure FDA00038277595400000311
的下限和上限；
(9)根据调整规则调整
Figure FDA00038277595400000312
中的区间二元语义直接影响关系矩阵关于影响因素对(Fi,Fj)∈PFi l或(Fi,Fj)∈PFi′l间直接影响关系的评估信息，进而获得调整后的评估信息
Figure FDA00038277595400000313
其中，调整规则为：
Figure FDA00038277595400000314
Figure FDA00038277595400000315
和
Figure FDA00038277595400000316
分别是
Figure FDA00038277595400000317
的下限和上限，上标p所对应的区间二元语义直接影响关系矩阵Xp与所述S1步骤的(7)中确定的
Figure FDA00038277595400000318
中的区间二元语义直接影响关系矩阵一致；
(10)令l＝l+1，调整后的区间二元语义直接影响关系矩阵仍表示为
Figure FDA00038277595400000319
执行所述S1步骤的(3)；
(11)令
Figure FDA00038277595400000320
输出
Figure FDA00038277595400000321
结束；
其中，
Figure FDA00038277595400000322
Figure FDA0003827759540000041
cfi l、CRMl、FACl、FACl′、PFi l、PFi′l、
Figure FDA0003827759540000042
是迭代过程中的过渡值，用于区分迭代或调整前后的参数；
Figure FDA0003827759540000043
为满足群体共识水平的区间二元语义直接影响关系矩阵，
Figure FDA0003827759540000044
和
Figure FDA0003827759540000045
分别是
Figure FDA0003827759540000046
中元素
Figure FDA0003827759540000047
的下限和上限。
2.根据权利要求1所述的一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，其特征在于：所述S1步骤中的区间语言直接影响关系矩阵和区间二元语义直接影响关系矩阵分别为
Figure FDA0003827759540000048
和
Figure FDA0003827759540000049
其中
Figure FDA00038277595400000410
表示第k个区间语言直接影响关系矩阵给出的影响因素Fi对影响因素Fj的直接影响，
Figure FDA00038277595400000411
分别为
Figure FDA00038277595400000412
的下限和上限，
Figure FDA00038277595400000413
Sg+1＝{s0,s1,…,sg}为预先定义好的由奇数个语言短语构成的用于表达影响因素间直接影响关系的语言评价集，g+1为语言评价集Sg+1的粒度，
Figure FDA00038277595400000414
Figure FDA00038277595400000415
和
Figure FDA00038277595400000416
分别为
Figure FDA00038277595400000417
和
Figure FDA00038277595400000418
所代表的语言评价集Sg+1中的语言短语的下标，
Figure FDA00038277595400000419
3.根据权利要求1所述的一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，其特征在于：所述S2步骤中，根据满足群体共识水平的区间二元语义直接影响关系矩阵，计算突发事件应急管理影响因素的区间值综合关系矩阵，并通过构建概率影响关系图得到突发事件应急管理影响因素的分类具体实现如下：
(1)采用区间二元语义加权算术平均算子(ITWA)集结达到全局群体共识水平的个体区间二元语义直接影响关系矩阵
Figure FDA00038277595400000420
得到群体区间二元语义直接影响关系矩阵O＝(oij)n×n，其中：
Figure FDA00038277595400000421
Figure FDA00038277595400000422
和
Figure FDA00038277595400000423
分别是O中元素oij的下限和上限；
(2)对群体区间二元语义直接影响关系矩阵进行标准化计算，得到标准化后的群体区间值直接影响关系矩阵
Figure FDA00038277595400000424
其中，
Figure FDA00038277595400000425
Figure FDA00038277595400000426
Figure FDA00038277595400000427
Figure FDA0003827759540000051
Figure FDA0003827759540000052
和
Figure FDA0003827759540000053
分别是
Figure FDA0003827759540000054
中元素
Figure FDA0003827759540000055
的下限和上限，
Figure FDA0003827759540000056
为矩阵O的各行元素和的最大值与各列元素和的最大值的最大值，
Figure FDA0003827759540000057
和
Figure FDA0003827759540000058
分别是
Figure FDA0003827759540000059
的下限和上限；
(3)导出突发事件应急管理影响因素的区间值综合关系矩阵
Figure FDA00038277595400000510
Figure FDA00038277595400000511
Figure FDA00038277595400000512
其中，
Figure FDA00038277595400000513
为由矩阵
Figure FDA00038277595400000514
中元素
Figure FDA00038277595400000515
的下限组成的矩阵，
Figure FDA00038277595400000516
为由矩阵
Figure FDA00038277595400000517
中元素
Figure FDA00038277595400000518
的上限组成的矩阵，E是维度为n的单位矩阵；
(4)计算区间值综合关系矩阵的各行和
Figure FDA00038277595400000519
及各列和
Figure FDA00038277595400000520
Figure FDA00038277595400000521
Figure FDA00038277595400000522
Figure FDA00038277595400000523
和
Figure FDA00038277595400000524
分别是
Figure FDA00038277595400000525
的下限和上限，
Figure FDA00038277595400000526
和
Figure FDA00038277595400000527
分别是
Figure FDA00038277595400000528
的下限和上限；
(5)计算各影响因素的中心度
Figure FDA00038277595400000529
和原因度
Figure FDA00038277595400000530
Figure FDA00038277595400000531
Figure FDA00038277595400000532
(6)计算每个影响因素属于原因因素的概率Pi cg或属于结果因素的概率Pi eg，然后分别以中心度和原因度为二维直角坐标系的横轴和纵轴，并将每个影响因素及其属于原因因素的概率或属于结果因素的概率置于坐标系中，构建概率影响关系图，其中，
Pi cg＝1，当
Figure FDA00038277595400000533
Figure FDA00038277595400000534
当
Figure FDA00038277595400000535
且
Figure FDA00038277595400000536
Pi cg＝0，当
Figure FDA00038277595400000537
Pi eg＝1-Pi cg；
对影响因素进行分类：
若Pi cg≥0.5，则影响因素Fi为原因因素；
若Pi eg>0.5，则影响因素Fi为结果因素。
4.根据权利要求1所述的一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，其特征在于：所述S3步骤中，根据区间值综合关系矩阵，采用逐步比较搜索算法确定突发事件应急管理影响因素的优化顺序，得到突发事件应急管理优化策略具体实现如下：
(1)若影响因素Fi被优化，则其优化状态
Figure FDA0003827759540000061
记为1，即
Figure FDA0003827759540000062
若影响因素Fi不被优化，则其优化状态
Figure FDA0003827759540000063
记为0，即
Figure FDA0003827759540000064
令外层迭代次数τ＝1，内层迭代次数ν＝1，Θ为一个空集合；
(2)若τ＝1，则令
Figure FDA0003827759540000065
其中μ＝1,2,…,n且μ≠ν，然后执行所述S3步骤的(4)；否则，执行所述S3步骤的(3)；
(3)若
Figure FDA0003827759540000066
则令
Figure FDA0003827759540000067
其中
Figure FDA0003827759540000068
且μ≠ν，
Figure FDA0003827759540000069
其中
Figure FDA00038277595400000610
否则，令ν＝ν+1，重复执行所述S3步骤的(3)；
(4)计算突发事件应急管理总体收益
Figure FDA00038277595400000611
Figure FDA00038277595400000612
其中，
Figure FDA00038277595400000613
(5)若ν<n，则令ν＝ν+1，执行所述S3步骤的(2)；否则，执行所述S3步骤的(6)；
(6)建立
Figure FDA00038277595400000614
的可能度互补矩阵
Figure FDA00038277595400000615
其中，
Figure FDA00038277595400000616
对τ＝1,则i,j＝1,2,…,n-τ+1；对τ≠1,则i,j＝1,2,…,n-τ+1且
Figure FDA00038277595400000617
(7)计算可能度互补矩阵的排序向量
Figure FDA00038277595400000618
其中，
Figure FDA00038277595400000619
对τ＝1,则i＝1,2,…,n-τ+1；对τ≠1,则i＝1,2,…,n-τ+1且
Figure FDA00038277595400000620
(8)确定与排序向量的最大值
Figure FDA00038277595400000621
相关联的下标i，并令
Figure FDA00038277595400000622
将
Figure FDA00038277595400000623
放进集合Θ中；
(9)若τ<n-1，则令τ＝τ+1，ν＝1，执行步骤的(3)；否则，执行步骤的(10)；
(10)令
Figure FDA0003827759540000071
其中Fi∈F且
Figure FDA0003827759540000072
将
Figure FDA0003827759540000073
放进集合Θ中；根据τ值对集合Θ中的元素
Figure FDA0003827759540000074
按升序进行排序；
(11)令Ψ＝Θ，输出Ψ；
其中，
Figure FDA0003827759540000075
和
Figure FDA0003827759540000076
分别是外层迭代次数为τ、内层迭代次数为ν时的突发事件应急管理总体收益
Figure FDA0003827759540000077
的下限和上限，OSV表示当前外层迭代次数下的所有影响因素的优化状态组成的向量，SOIτ表示外层迭代次数为τ时所有突发事件应急管理总体收益组成的向量，
Figure FDA0003827759540000078
表示
Figure FDA0003827759540000079
优于
Figure FDA00038277595400000710
的可能度，
Figure FDA00038277595400000711
表示
Figure FDA00038277595400000712
的优先度，Ψ表示突发事件应急管理影响因素的优化顺序集合。
5.根据权利要求1所述的一种基于区间二元语义和DEMATEL的突发事件应急管理优化策略的计算方法，其特征在于：所述S3步骤中，突发事件应急管理优化策略由所述S3步骤的(11)中的集合Ψ给出，即集合Ψ给出了突发事件应急管理影响因素的最佳优化顺序，同时在可用的资源有限、只能选择部分影响因素进行优化的情况下，应急管理决策者可根据集合Ψ给出的优化顺序，确定最佳的优化组合及选定的优化组合内的影响因素的最佳优化顺序。
CN201910682656.9A 2019-07-26 2019-07-26 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法 Active CN110442830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910682656.9A CN110442830B (zh) 2019-07-26 2019-07-26 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910682656.9A CN110442830B (zh) 2019-07-26 2019-07-26 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法

Publications (2)

Publication Number Publication Date
CN110442830A CN110442830A (zh) 2019-11-12
CN110442830B true CN110442830B (zh) 2022-12-23

Family

ID=68431697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910682656.9A Active CN110442830B (zh) 2019-07-26 2019-07-26 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法

Country Status (1)

Country Link
CN (1) CN110442830B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705080B (zh) * 2021-07-21 2024-02-09 杭州电子科技大学 一种基于dematel-anp的深海载人潜水器可靠性指标的分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016082263A1 (zh) * 2014-11-28 2016-06-02 东莞中国科学院云计算产业技术创新与育成中心 一种基于预案的多目标辅助决策平台及其实施方法
CN107622354A (zh) * 2017-09-29 2018-01-23 中国科学技术大学 一种基于区间二元语义的突发事件应急能力评估方法
CN108416530A (zh) * 2018-03-19 2018-08-17 辽宁工程技术大学 一种煤矿突发事件应急响应风险决策方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016082263A1 (zh) * 2014-11-28 2016-06-02 东莞中国科学院云计算产业技术创新与育成中心 一种基于预案的多目标辅助决策平台及其实施方法
CN107622354A (zh) * 2017-09-29 2018-01-23 中国科学技术大学 一种基于区间二元语义的突发事件应急能力评估方法
CN108416530A (zh) * 2018-03-19 2018-08-17 辽宁工程技术大学 一种煤矿突发事件应急响应风险决策方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于二元语义的非常规突发事件群决策方法;岳小云等;《河北科技师范学院学报》;20110615(第02期);全文 *
基于相对信息熵和语言加权算子的网络舆情突发事件模糊多指标应急决策方法;张倩生等;《数据采集与处理》;20180115(第01期);全文 *

Also Published As

Publication number Publication date
CN110442830A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
CN110807154B (zh) 一种基于混合深度学习模型的推荐方法与系统
KR102061987B1 (ko) 위험 평가 방법 및 시스템
Patel et al. Study of various decision tree pruning methods with their empirical comparison in WEKA
CN109857871B (zh) 一种基于社交网络海量情景数据的用户关系发现方法
CN110135460B (zh) 基于vlad卷积模块的图像信息强化方法
CN112685504B (zh) 一种面向生产过程的分布式迁移图学习方法
EP3138058A1 (en) Method and apparatus for classifying object based on social networking service, and storage medium
CN111340493A (zh) 一种多维度分布式异常交易行为检测方法
CN113591465B (zh) 基于关联增强的网络威胁情报多维IoC实体识别方法及装置
CN113378160A (zh) 一种基于生成式对抗网络的图神经网络模型防御方法及装置
WO2020024444A1 (zh) 人群绩效等级识别方法、装置、存储介质及计算机设备
CN110442830B (zh) 一种基于区间二元语义和dematel的突发事件应急管理优化策略的计算方法
CN113705242B (zh) 面向教育咨询服务的智能语义匹配方法和装置
CN111967574B (zh) 一种基于张量奇异值定界的卷积神经网络训练方法
CN109978013B (zh) 一种用于人物动作识别的深度聚类方法
CN111783688A (zh) 一种基于卷积神经网络的遥感图像场景分类方法
CN111783936A (zh) 卷积神经网络构建方法、装置、设备及介质
CN109460872B (zh) 一种面向移动通信用户流失不平衡数据预测方法
CN112200208A (zh) 基于多维度特征融合的云工作流任务执行时间预测方法
CN107402984B (zh) 一种基于主题的分类方法及装置
CN116303386A (zh) 一种基于关系图谱的缺失数据智能插补方法和系统
CN115600211A (zh) 基于CNN-BiLSTM多标签分类的智能合约未知漏洞检测方法
CN114611673A (zh) 神经网络压缩方法、装置、设备及可读存储介质
Wang et al. Hierarchical multimodal fusion network with dynamic multi-task learning
WO2021042517A1 (zh) 基于人工智能的文章主旨提取方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant