第五章 安全决策54安全决策方法.docx

第五章 安全决策54安全决策方法.docx

《第五章 安全决策54安全决策方法.docx》由会员分享，可在线阅读，更多相关《第五章 安全决策54安全决策方法.docx（12页珍藏版）》请在冰豆网上搜索。

第五章安全决策54安全决策方法

5.4安全决策方法

前已述及，安全决策学是一门交叉学科，它即含有从运筹学、概率论、控制论、模糊数学等引入的数学方法，也有从安全心理学、行为科学，计算机科学、信息科学引入的各种社会、技术科学。

根据决策环境，考虑属性量化程度，可以把多属性决策（MADM）问题区分为确定性和非确定性两类，相应的决策方法就有确定性多属性决策方法、定性与定量相结合的决策方法和模糊多属性决策方法。

本节重点介绍前两种决策方法，对模糊性多属性决策本节只从评价的角度作了简单介绍。

5.4.1确定性多属性决策方法

一种多属性决策（MADM）方法就是一个对属性及方案信息进行处理选择的过程。

该过程所用的基础数据主要是决策矩阵、属性fj（j∈M）和/或方按xi（i∈N）的偏好信息（倾向性）。

决策矩阵A一般由决策分析人员给出，它提供了分析决策问题的基本信息，是各种MADM方法的基础。

需要指出的是，A的元素从形式上看不一定非是定量化的，它们也可以是定性的，甚至是模糊的。

对应于确定性多属性决策则A多是定量化的，fj（j∈M）和/或xi（i∈N）的倾向性信息一般是由决策者给出。

根据决策者对决策问题提供倾向性信息的环节及充分程度的不同，可将求解MADM的问题的方法归纳为：

无倾向性信息的方法、有关于属性的倾向性信息的方法和有关于方案的倾向性信息的方法三类。

由于安全决策问题是个很复杂的课题，本书只介绍一类无倾向性信息的决策方法—筛选方案的方法。

5.4.1.1优势法

该方法的操作过程是，从备选方案集R中

R＝｛x1，x2，x3，x4｝

任取两个方案，（记为和），），若决策者（或决策分析者）认为（或决策矩阵A已知）劣于，则剔去，保留；若无法区分两者的优劣时，皆保留。

将留下的非劣方案与R中的第三个方案作比较，如果它劣于，则剔去前者，如此进行下去，经n－1步后便确定了非劣解集。

这种方法不需要对属性作任何假设和变换，也不要求确定权系数。

那么经过这种方法筛选后，n个原方案中将有多少个非劣方案保留下来呢？

卡尔皮尼（H.C.calpine）和戈尔丁（A.Golding）导出了一个具m个属性n个方案的MADM问题经优势法筛选后保留下来的非劣解期望数估计公式：

（5.14）

式中ν是欧拉常数（≈0.5772）。

显然，N（m,1）＝N（1，n）＝1

5.4.1.2连接法（满意法）

该方法就是要求决策者对表征方案的每个属性提供一个可接受的最低值，称为切除值（cutoffvalues）。

只有当一个方案的每个属性值均不低于对应的切除值时，该方案才能保留。

即方案x被接受，即

（j∈M，x∈R）（5.15）

式中是j个属性的切除值。

可以看出，切除值的规定是这个方法的关键所在，如果定得过高，将淘汰过多方案，定得太低，又会保留过多方案，可按下列方式来确定切除值。

令r为被淘汰方案的比例，Pc为任一随机选出的方案其各属性值满足式（5.17）的概率，则有

（5.16）

或有（5.17）

例如：

若m＝6，r＝0.75，则Pc＝0.79。

即对每个属性所设定的切除值应保证有至少79％的方案数其对应的属性值超过该切除值。

另外，也可以用迭代法由低到高逐步提高切除值，直到得到所希望保留的方案数为止。

5.4.1.3分离法

该方法用来筛选方案时仍要对每个属性设定切除值，但和连接法不同的是，并不要求每个属性值都超过这个值，而只要求方案中至少有一个属性值超过切除值就被保留。

按此原则方案x，即满足

（当j＝1或2或…或m，x∈R）（5.18）

其中仍为规定的切除值。

总起来看，分离法保证了凡在某一属性上占优势的方案皆被保留，而连接法则保证了凡在某一属性上处劣势的方案皆被淘汰。

显然，它们虽不宜用于方案排序，但却可以保障经上述两种方法筛选后，方案集R中所剩的方案已基本上是非劣方案。

设某生产线，安全技术改造方案所涉及的各种因素的集合如表5.2。

表5.2安全技术改造方案集

备选方案

（xi）

属性（fj）

最大生产量

f1

多品种生产性

f2

可靠性

f3

自动化程度

f4

安全技术改造费

f5

风险率

f6

x1

20

中

中等

中

900万

10-6

x2

25

低

低

低

1200万

10-3

x3

18

高

高

高

1000万

10-4

x4

22

中

中等

中等

900万

10-4

该安全技术改造问题决策矩阵为：

解1（优势法）在多准则决策问题（MCDM）中，定义：

设∈R,若不存在x∈R满足F（x）≥F（），则称为MCDMP的非劣解。

（R—备选方案集）

我们用此概念去考察这4个方案，并不存在F（x）≥F（）的情况，所以x1，x2，x3，x4均为非劣解。

若假设f1（x1）＝f1（x4）则可导出x1＞x4，此时x4是劣解，应剔除。

解2（连续解）若设定切除值则可接受的方案集合Rc为：

解3（分离法）设定Fd=[20，中，中，中，1000，低]T

则可接受的方案集合为Rd：

5.4.2评分法

评分法就是根据预先规定的评分标准对各方案所能达到的指标进行定量计算比较，从而达到对各个方案排序的目的。

5.4.2.1评分标准

一般按5分制评分：

优、良、中、差、最差。

当然也可按7个等级评分，这要视决策方案多少及其之间的差别大小和决策者要求而定。

5.4.2.2评分方法

多数是采用专家打分的办法，即以专家根据评价目标对各个抉择方案评分，然后取其平均值或除去最大，最小值后的平均值作为分值。

5.4.2.3评价指标体系

评价指标一般应包括三个方面的内容：

技术指标、经济指标和社会指标。

对于安全问题决策，若有几个不同的技术抉择方案，则其评价指标体系大致有如下内容：

技术先进性、可靠性、安全性、维修性、可操作性等；经济方面有成本、质量可靠性、原材料、周期、风险率等；社会方面有劳动条件，环境、精神习惯、道德伦理等。

当然要注意指标因素不宜过多，否则不但难于突出主要因素，而且会造成评价结果不符合实际。

5.4.2.4加权系数

由于各评价指标其重要性程度不一样，必须给每个评价指标一个加权系数。

为了便于计算，一般取各个评价指标的加权系数gi之和为1。

加权系数值可由经验确定或用判断表法计算。

判断表如表5.3所示，将评价目标的重要性两两比较，同等重要各给2分；某一项重要者则分别给3分和1分；某一项比另一项重要得多，则分别给4分和0分。

将上述对比的给分填入表中。

表5.3判断表

被比者

比较者

A

B

C

D

Ki

A

1

0

1

0.083

B

3

1

2

6

0.250

C

4

3

3

10

0.417

D

3

2

1

6

0.250

重要程度排序C＞B，D＞A

计算各评价指标的加权系数公式为：

（5.19）

式中，ki—各评价指标的总分；

n—评价指标数。

5.4.2.5计算总分

计算总分也有多种方法，如表5.4所示，可根据其适用范围选用，总分或有效值高者当为首选方案。

表中，Q—方案总分值；

N—有效值；

n—方案指标数；

ki—各评价指标的评分值；

gi—各评价指标的加权系数；

Q0—理想方案总分值。

表5.4总分计算方法

序号

方法名称

公式

适用范围

1

分值相加法

计算简单直观

2

分值相乘法

各方案总分相差大，便于比较

3

均值法

计算简单直观

4

相对值法

Q1，能看出与理想方案的差距

5

有效值法

总分中考虑了各评价指标的重要程度

5.4.3决策树法

决策树是风险决策的基本方法之一。

决策树分析进行方法又称概率分析决策方法。

决策树法与事故树分析一样是一种演绎性方法，即是一种有序的概率图解法。

5.4.3.1决策树形

图5.3决策树示意图

决策树的结构如图5.3所示，图中符号说明如下：

方块□—表示决策点，从它引出的分支叫方案分支，分支数即为提出的方案数。

圈○—表示方案结点（也称自然状态点）。

从它引出的分支称为概率分支，每条分支上面应注明自然状态（客观条件）及其概率值，分支数即为可能出现的自然状态数。

三角△—表示结果节点（也称末稍），它旁边的数值是每一方案在相应状态下的收益值。

5.4.3.2决策步骤

首先根据决策问题绘制决策树；计算概率分支的概率值和相应的结果节点的收益值；计算各概率点的收益期望值；确定最优方案。

5.4.3.3应用举例

某厂因生产需要，考虑是否自行研制一个新的安全装置。

首先，这个研制项目是否需要评审，如果评审，则需要评审费5000元，不评审，则可省去这评审费用，这一事件的决策者完全可以决定，这是一个主观抉择环节。

如果决定评审，评审通过概率为0.8，不通过的概率为0.2，这种不能由决策者自身抉择的环节称为客观随机抉择环节。

接下来是采取“本厂独立完成”形式还是由“外厂协作完成”形式来研制这一安全装置，这也是主观环节。

每种研制形式都有失败可能，如果研制成功（无论那一种形式），能有6万元收益；若采用“本厂独立完成”形式，则研制费为2.5万元，成功概率为0.7，失败概率为0.3；若采用“外厂协作”形式（包括先评审），则支付研制费用为4万元，成功概率为0.99，失败概率为0.01。

解：

①首先画出决策树，见图5.4所示。

图5.4决策树形

②根据上述数据计算各结点的收益（收益＝效益－费用）

独立研制成功的收益：

60－5－25＝30（千元）

独立研制失败的收益：

0－5－25＝－30（千元）

协作研制成功的收益：

60－5－40＝15（千元）

协作研制失败的收益：

0－5－40＝－45（千元）

按照期望值公式计算期望值，期望值公式：

（5.20）

式中，Vi—事件i的条件值；

Pi—特定事件i发生的概率；

n—事件总数

独立研制成功的期望值：

E（V0）＝0.7×30＋0.3×（－30）＝12

协作研制成功的期望值：

E（V7）＝0.99×15＋0.01×（－45）＝14.4

③根据期望值决策准则，若决策目标是收益最大，则采用期望值最大的行为方案，如果决策目标是使损失最小，则选定期望值最小的方案，本例选用期望值最大者，即选用协作完成形式。

5.4.3.4决策树分析法的优点

①决策树能显示出决策过程，形象具体，便于发现问题；

②决策树能把风险决策的各个环节联系成一个统一的整体，有利于决策过程中的思考，易于比较各种方案的优劣；

③决策树法即可进行定性分析，也可进行定量分析。

5.4.4技术经济评价法

技术经济评价法是对抉择方案进行技术经济综合评价时，不但考虑评价指标的加权系数，而且所取的技术价和经济价都是相对于理想状态的相对值。

这样更便于决策判断与方案筛选。

5.4.4.1技术评价

①确定评价的技术项目和评价指标集。

②明确各技术指标的重要程度。

在指标集的众多技术指标中，要明确哪些是必须满足的，低于或高于该指标就不合格，即所谓固定要求，哪些是可以给出一个允许范围的，也即有一个最低要求；哪些又是希望达到的要求。

③分别对各个技术指标评分。

④进行技术指标总评价：

在各个技术指标评分的基础上，进行总的评分，即求出各技术指标的评分值与加权系数乘积之和与最高分（理想方案）的比值：

（5.21）

式中，Wt—技术价；

Vi—各技术评价指标的评分值；

gi—各技术评价指标的加权系数；取

Vmax—各技术评价指标的最高分（对理想方案，5分制的5分）；

n—技术评价指标数。

技术价