基于元胞自动机的非常规突发事件群体应对决策行为演化仿真

□刘 嘉 谢科范 [武汉理工大学 武汉 430070]

引言

近年来，世界上类似于美国“911”恐怖袭击，中国汶川大地震等重大的突发事件频发，因其罕见性、破坏性被划分为非常规突发事件。非常规突发事件往往成因复杂，影响范围广，且很可能导致各种次生灾害。人们往往不能在短时间内完全控制事态的发展，而只能一步步根据情景的变化做出应对决策。

决策者的应激能力或者心理韧性是个体克服由于遭遇到对自身至关重要而又难以应付的环境因素而产生的紧张和精神压力的能力，是调节应激生活事件对其影响的重要能力[1]。应激能力强的人往往看待问题更加冷静乐观、自信[2]，且自我控制力较强[3]。应激能力与个体在突发事件中的持久承受能力和耐压能力直接相关[4，5]。应激能力强的人在遇到问题时思想是坚定的[6]，并且有对他人施加影响的能力[7]。在能否采取与当前环境相适应的行为方面，应急能力强的人与应激能力弱的人差别很大[8]。因此可以推断，在非常规突发事件情景下，个体的应激能力对其决策行为也有显著影响。

在非常规突发事件中，群体的应对决策行为会受到其中每个个体的应激能力及其决策的影响。而关于非常规突发事件中，群体应对决策行为的研究大多集中在当事人的恐慌逃逸方面。如Dirk等研究了突发事件下群体恐慌逃逸行为的非理性特征[9]。Paris等研究了恐慌状态下行人之间运动的相互作用[10]。但是，关于非常规突发事件决策者的决策行为，目前还罕有学者研究。而通过真实场景模拟实验的方法虽然是展开此类研究的直接手段，但是由于完全模拟非常规突发事件情景的难度极大，且有可能对被试造成伤害，所以本文采用计算实验的方法来达到研究的目的。元胞自动机是目前计算试验中最常见的模型，本文拟采用该模型来研究非常规突发事件群体应对决策行为的演化规律。

一、仿真背景和假设

在非常规突发事件中，决策者的决策行为受到自身应激能力的影响。低应激能力的人往往在非常规突发事件情景下表现出紧张、焦虑的情绪，从而其决策行为的准确度较平常大幅降低；而高应激能力的人能够更加冷静地对当前情景做出判断，从而较为准确地选择决策行为。在非常规突发事件情景下，当个体在一个决策群体中做出决策时，往往会受到周围人的影响而改变自己的决策。另外，在非常规突发事件发生时，决策者不可能收集到群体中其他所有人的决策信息，而只能得到自己附近人的决策信息。所以，他的决策行为会受到自身的应激能力和周围人的决策行为的共同影响。

本文假设在非常规突发事件中，有R和C两个决策供决策者选择；决策者的类型分为应激能力高（H）和应激能力低（L）两种。文章利用元胞自动机模型对决策者群体的决策行为进行模拟，每一个元胞代表一个人。假设在二维元胞空间中，元胞能够看到的所有附近元胞为它的Moore邻居，元胞只能收集到其Moore邻居的决策信息，如图1所示。

图1 Moore邻居

高应激能力的人选择R和C决策的分别影响力记为hr和hc，低应激能力的人选择R和C决策的分别影响力记为lr和lc。并令：

设X为一个元胞的决策选择参数，当X大于0时，它下阶段选择R决策行为。当X小于等于0时，它下阶段选择C决策行为。M为该元胞自身与其Moore邻居集合，则定义

二、系统运行流程和实现

仿真系统首先设置决策群体中高应激能力子群体和低应激能力子群体中个体的比例，以及两个子群体中初始决策行为R和C的比例。然后系统执行初始化操作，其中包括：第一，按照预设比例随机分布H和L型决策者；第二，设置各决策者在初始情况下的决策行为（R或C）。最后，系统进入运行阶段，并依次循环以下操作：第一，计算周边邻居的决策影响力之和X；第二，如果X大于0则下阶段选择R行为，如果X小于等于0则下阶段选择C行为；第三，重新设置自身的决策影响力的值。具体运行过程如图2所示。

本文采用Netlogo仿真平台，以非常规突发事件群体应对决策行为研究对象，建立元胞自动机仿真系统，系统的仿真界面如图3所示。

三、仿真结果分析

本文首先固定决策群体中的高应激能力和低应激能力个体各占50%。然后通过设置不同初始决策行为的比例，来研究决策行为演化的趋势。令hr=9，hc=−9，lr=5，lc=−5。用HR表示H型群体中决策行为是R的个体比例；用LR表示L型群体中决策行为是R的个体比例；用HC表示H型群体中决策行为是C的个体比例；用LC表示L型群体中决策行为是C的个体比例。则以下按照各种典型初始情况来研究决策行为的演化趋势，图4显示了系统的仿真结果。

图2 仿真系统流程

图3 系统仿真界面

当初始状态为60%HR和40%LR时，因为H型个体对周围个体的影响力高于L型个体，所以尽管HR高于平均水平10%，LR低于平均水平10%，但是决策集结状态并不是选择两种决策行为的个体数相等，而是选择R行为的个体明显高于选择C行为的个体。再进一步扩大HR的比例到70%，可以看到选择C行为的个体与决策R行为的个体的数量差距较前一种情况更大。

当初始状态为40%HR和60%LR时，尽管HR低于平均水平10%，LR高于平均水平10%，但是决策集结状态并不是选择两种决策行为的个体数相等，而是选择C行为的个体明显高于选择R行为的个体，这也是因为L型个体对周围个体的影响力低于H型个体。再进一步缩小HR的比例到30%，可以同样看到选择两种决策行为的个体的数量差距变得更大。

当初始状态为40%HR和30%LR时，无论是H型还是L型群体，选择R行为的个体比例均低于选择L行为的个体比例。在决策集结的过程中，选择R行为的个体比例会进一步减少，选择L行为的个体比例会进一步增大。与这种情况相反，当初始状态为60%HR和70%LR时，两种类型的群体中选择R行为的个体比例均高于选择L行为的个体比例。在决策集结的过程中，选择R行为的个体比例会进一步增大，选择L行为的个体比例会进一步减少。

图4 系统仿真结果

四、结论

本文通过基于元胞自动机的仿真，研究了非常规突发事件中群体应对决策行为的演化规律。仿真结果证明了应激能力强的决策者对周围其他决策者的影响要明显大于应激能力弱的决策者，并且当决策者群体的初始决策有明显的偏向性的时候，最终的集结决策就会使这个偏向性更加明显。根据该仿真结果，可以得出非常规突发事件中关于决策者选择方面一般性建议：最好选择对该事件有过经验并且应激能力很强的决策者，这样一来决策群体的初始状态就会偏向于正确的决策，并且经过群体决策的一段时间的演化过程，最终的决策会更加集结于正确的决策。本研究的不足之处在于，仅考虑了个体的应激能力对群体决策行为的影响，而忽略了个体决策行为的其他影响因素。在以后的研究中，逐步将更多影响因素考虑进来，会使得研究结果更接近实际情况。

[1]KOBASA S C.Stressful life events, personality and health: an inquiry into hardiness [J].Journal of Personality and Social Psychology, 1979,37(1):1-11.

[2]FLORIAN V, MIKULINCER M, HIRSCHBERGER G.An existentialist view on mortality salience effects: Personal hardiness, death-thought accessibility, and cultural worldview defense[J].The British Journal of Social Psychology, 2001, 40:437-453.

[3]RICH V L, RICH A R.Personality hardiness and burnout in female staff nurses [J].Journal of Nursing Scholarship, 1987(19):63-66.

[4]COSTANTINI A, SOLANO L, DI N R, et al.Relationship between hardiness and risk of burnout in a sample of 92 nurses working in oncology and AIDS wards [J].Psychother Psychosom, 1997(66):78-82.

[5]FRASER M W, RICHMAN J M, et al.Risk, production,and resilience: Toward a conceptual framework for social work practice [J].Social Work Research, 1999, 23(3):131-143.

[6]CHRISTIANSEN J, CHRISTIANSEN J L, et al.Using protective factors to enhance resilience and school success for at-risk students [J].Intervention in School & Clinic, 1997, 33(2):86-89.

[7]PAUNONEN S V.Hierarchical organization of personality and prediction of behavior [J].Journal of Personality and Social Psychology, 1998(74):538-556.

[8]LAMBERT C E, LAMBERT V A.Psychological hardiness: State of the science [J].Holistic Nursing Practice,1999, 13(3):11-19.

[9]HELBING D, FARKAS I, VICSEK T.Simulating dynamical features of escape panic[J].Nature,2000, 407(6803):487-490.

[10]PARIS S, PETTRÉ, DONIKIAN S.Pedestrian Reactive Navigation for Crowd Simulation: a Predictive Approach [J].Computer Graphics Forum, 2007, 26(3): 665-674.