大群体风险决策理论与方法研究现状及发展趋势

□徐选华 侯宇舟

[中南大学 长沙 410083]

引言

群体决策的研究始于1781年法国数学家Jena-Charles de Borda提出的方案选择模型。随着社会的发展，研究问题变得复杂化，简单的群体决策理论已无法满足现实需求，大群体决策理论与方法应运而生。大群体决策[1]是指由众多决策成员参与，根据所提供的决策信息对备选方案进行偏好表达，依据特定的规则将众多成员偏好集结成为大群体偏好，以得出方案排序或从众多备选方案中选择所需方案的过程。大群体决策主要有以下特征[2]：（1）决策成员规模庞大，数量扩大至20人以上；（2）决策成员来源广泛，其知识、经验、个人特征具有明显的多元化及异质性；（3）问题的复杂化使得决策依据、决策指标体系更加复杂多样；（4）决策环境更为复杂，决策信息难以精确；（5）决策问题的目标多元化及动态演化取代了传统的单一、静态决策模式。

大群体决策问题的特征意味着决策过程中必然出现更多的不确定性，我们将这种不确定性称为风险[3]。大群体决策的风险来源不仅有信息的不充分和高度动态性、决策机制不完善等客观因素，还涉及大量的决策主体的个人经验、知识水平、个人习惯、判断能力等主观因素[4]，将决策风险引入大群体决策方法中具备极大的现实意义，引起国内外学者的关注和研究。现有国内外研究对于大群体风险决策理论尚未有系统性定义，本文认为大群体风险决策是指众多决策成员参与、考虑决策机制的客观风险因素及决策成员主观因素的大群体决策过程。

大群体决策风险来源众多，本文据此将现有大群体风险决策的研究分为五个部分进行综述：（1）对大群体决策中可能存在的决策风险进行识别的相关研究，此部分研究主要结合应急背景，应用于重特大突发事件；（2）决策成员的风险态度对大群体决策过程的影响研究，部分学者结合语言型偏好识别决策成员风险态度，部分学者将实证、信息熵等工具应用于此研究，通过风险态度的测度解决决策成员、属性指标的权重分配及共识达成等问题；（3）决策成员的心理行为对最终决策结果形成研究，通过前景理论、后悔理论等风险决策工具，将决策成员心理行为融入最终方案排序结果；（4）社会网络环境下考虑信任风险的大群体决策研究。随着互联网的普及，社会网络的发展使得信任风险进入国内外学者的视野，社会网络环境下考虑信任风险的大群体决策具有十分重要的研究意义；（5）大数据环境下的大群体风险决策研究，大数据时代的到来为大群体决策带来了新的风险因素，研究大数据环境下的大群体风险决策十分必要。

经过十余年的发展，大群体风险决策理论不断得到完善与发展，在理论和实践方面都取得了许多成就。本文系统地梳理和回顾了大群体风险决策理论与方法的发展现状、研究热点和前沿进展，评述了当前大群体风险决策理论与方法研究面临的问题和挑战，探讨了大群体风险决策的发展趋势等。

一、大群体风险决策研究现状

（一）大群体应急决策风险识别

风险决策往往和突发事件密不可分，无论是突发的地震、洪水、泥石流等自然灾害，还是爆炸、火灾等人为事故，事件发生后力争在短时间内做出科学高效的决策以最大程度控制事态发展，降低事故损失。众多决策专家组成的大群体决策环境下，随着各决策成员偏好与认知水平差异而来的冲突和不一致性不可避免，也需要妥善应对突发事件背景下的不确定性因素，风险性大群体决策方法应运而生。Liu等[5]根据风险性应急响应的活动特点，构建紧急状态故障树，对突发事件的演化过程进行分析，测度在采取不同措施时发生不良结果的可能性，提出了一种基于故障树分析原理的风险应急决策方法。大群体应急决策风险来源众多，尹儇鹏等[6]将大群体应急决策风险分为个体因素及群体因素两部分进行识别，并将识别的风险因素群体认知冲突及关系冲突相关联，以构建大群体应急决策风险致因体系。Palomares等[7]基于模糊聚类的方法，检测和管理决策主体与聚集的非合作行为，提出了一个适用于管理大规模决策者非合作行为风险的共识模型。Yin等[8]认为，大群体应急决策可以采用不同的策略，并结合不同策略特点，提出了群体偏好融合规则，构建了大群体应急决策的风险度量模型。徐选华等[9]以风险决策理论和冲突理论为基础，以实证方法为工具，构建了一个被调节的中介模型，探索大群体冲突、风险感知和决策犹豫度影响应急决策质量的机制。尹儇鹏等[4]参考决策理论中的疏忽失误和误授失误的概念，研究大群体应急决策过程中因决策群体选择错误方案和拒绝最优方案导致决策失误带来的决策风险。

识别风险的目的是消减风险，使得决策过程中的不确定性因素降低，提高决策结果的可靠性。因此，在识别大群体应急决策风险成因的基础上，Xu等[10]结合信息熵工具，构建应急决策风险消解框架，成功降低了大群体决策风险，有效促进偏好集结达成。Zhong等[11]利用统计学指标量化决策风险及决策成员的风险态度，以达到消减风险的目的。

此外，极端行为及极端偏好也是大群体决策中一个很重要的风险因素。Cao等[12]结合观点动力学及意见领袖理论，构建风险偏好相似度模型和风险偏好演化模型，通过案例数据识别，将决策成员分为极端偏好表达者及非极端偏好表达者两种类型。在此基础上，曹静等[13]将极端偏好群体进一步划分为极端偏好同质群体集及极端偏好异质群体集，并结合风险偏好矢量的方向性及距离性，提出了一种新的决策成员风险偏好相似度模型。

（二）考虑决策成员风险态度的大群体决策

大群体决策是众多不同领域专家参与的过程，在各决策成员提供偏好时可能存在一定差异性。人们对风险的偏好往往不一致[14]，拥有不同风险态度的成员提供的偏好信息也各不相同，部分学者运用实证方法将风险因素量化。段婧等[15]设计实验研究了金钱和时间决策中决策者角色及相关因素对决策偏好的影响，实验结果表明，个体决策者在角色不同的情况下可能引起风险偏好的反转。陈俊霖等[16]通过Dospert量表对风险态度进行测量，引入时间压力变量研究时间压力对决策者在应急领域（自然灾害、事故灾难、公共卫生和社会安全）风险寻求或规避程度的影响。Suzuki等[17]设计实验研究他人风险决策行为对本身决策行为的影响，结果揭示了风险偏好可以通过对神经层面的观察得出。

对于语言型大群体决策问题，大量具有不同专业背景、个人特征和情感表达的决策成员在理解语言术语含义时可能存在个体差异，决策成员在提供语言偏好信息时应考虑其语言风险偏好。同一语言术语对不同的人可能有不同的意义。例如，一些专家都可以将备选方案评估为“良好”，但“良好”一词可能对每种选择都有不同的语义值。对于此问题，研究认为，决策成员提供的语言型偏好在转化成实际数值参与共识达成、偏好集结等过程时，可以将决策成员的语言风险偏好提取为特征[18～21]，通过对语言术语进行分析识别决策成员的风险态度。Zhou等[22]提出了一个通用的不对称语言术语集（GALTS）的概念，并将单个决策成员的风险偏好参数引入Sigmoid规模函数，通过对语言术语的风险偏好参数测度来体现心理预期语义值，Ebrahimnejad等[23]利用模糊语言表达的每位专家的风险态度，并将其与VIKOR方法结合以求解备选方案排序。Xu等[24]定义了广义不对称语言D数，考虑决策成员的语言风险偏好及在时间压力下提供的不完整偏好信息，提出了一种新的偏好集结方法。结合各类语言型偏好的特点，识别使用各相应算子转换时可能存在的基于决策成员风险态度的风险因素，降低大群体决策的不确定性。

对决策成员对于风险的态度，现有研究大多将其分为风险追求、风险中性、风险规避三种类型[25]。Song及Li[26]依据决策成员的积极、中性、消极的三种风险态度补全以概率语言术语集形式表达的决策成员偏好，从而完成偏好集结。Liu等[27]考虑决策成员的风险偏好，以决策结果公平最大化为目标，构建优化模型求解集结结果，Zhong等[11]从统计学的视角，利用统计学指标量化决策风险及决策成员的风险态度，以加强决策结果的可靠性。

对于考虑决策成员风险态度的大群体决策研究，部分学者通过风险决策理论将决策成员风险态度量化以解决属性及专家权重求解问题，另一部分学者则通过风险态度识别用于促进共识达成过程，或将其应用于补全完整的偏好信息，以便得到更高共识的决策结果。

（三）考虑决策成员心理行为的大群体决策

在风险性大群体决策的背景下，决策成员心理行为的不稳定性也可以看作是决策过程中的不确定因素，决策成员观点的不确定性是最终影响群体决策一致性的重要因素[28]。研究表明，先前情绪和过度自信对灾难事件后继风险决策存在一定影响[29]，说明决策成员的心理行为存在引发决策风险的可能。为解决这类问题，国内外学者做出了许多积极尝试，现有文献对于由决策成员心理行为引起的风险性大群体决策的探索主要集中于以下两方面。

一方面，部分学者运用后悔理论进行决策成员心理行为的测度。徐选华等[30]利用风险熵计算每个聚集中的决策专家在不同状态中的冲突风险，再结合后悔理论中的感知效用值获得方案排序。Zhang等[31]定义了备选决策的模糊后悔感知效用函数，并以此为基础测度群体一致性程度。Liu等[32]结合后悔理论、谈判聚集论及蒙特卡洛仿真，提出了一种解决多属性群体决策问题的新方法，并应用于工程决策项目。姚远[33]将后悔理论与云模型结合，考虑决策者后悔规避的心理行为特征，建立“后悔—欣喜”函数、构建感知效用矩阵，进而确定备选方案综合排序。

另一方面，部分学者通过前景理论以解决由决策成员心理行为引起的决策风险。糜万俊和戴跃伟[34]提出了一种基于前景理论的多准则群体决策方法。李欢等[35]考虑双参照点累积前景理论用于决策成员权重优化。耿秀丽等[36]提出结合聚类及熵权法的双层专家权重分配方法，通过确定专家权重和综合前景价值矩阵得出最终的决策结果。Liu等[37]提出了一种基于聚类分析及前景理论的失效模式与效果分析风险优先级方法，并结合熵理论客观测度各风险因素权重。胡彦和陈华友[38]将前景理论与三支决策相结合，以解决网络舆情突发事件应急群体决策。Zhao等[39]提出基于累积前景理论和二元组语言中智集的改进TODIM方法，将模糊因素进一步细分。此外，徐选华和杨玉珊[40]结合累积前景理论及马尔科夫决策技术，将其扩展至大群体风险性动态应急决策方法。

现有研究多将后悔理论、前景理论等考虑决策成员心理行为的风险决策理论与技术结合，不仅对静态的大群体风险决策有所研究，还结合现实情况将其扩展到从动态决策，对于决策成员心理行为的融入至偏好集结过程，不需要将风险因素提取后量化，直接可得到综合了决策成员心理行为的方案排序结果，简化了风险提取流程。

（四）社会网络环境下考虑信任风险的大群体决策

行为是具有传染性的，在学习他人风险决策行为后自身的风险偏好行为会发生改变[17]。以往大群体风险决策都建立在决策成员独立的前提下，而现实中，决策成员间的社会关系往往会影响决策成员偏好的提出及修正[41]，社会网络[42]的广泛应用为这一发展奠定了理论基础。随着社会网络技术的发展，由决策成员之间的信任关系构成的大群体社会网络对大群体风险决策提出了新的挑战。

考虑到信任传递过程中各决策成员可能存在不同信任风险的现实境况，Xu等[43]提出了一种风险定义的信任传递模型，将社会网络中信任传递关系分为四类，即信任、不信任、不确定性和不一致性。基于这一思考，徐选华[44]提出了信任风险偏好的概念，据此测度决策专家间的信任知识度网络，构建“信任–知识模型”对决策专家之间的信任关系进行集成及传递。Xu[45]在社会网络背景下，运用信任风险和偏好风险，促进共识达成过程，并据此对非合作行为实施了有效管理。

此外，大群体决策过程中，多数人的意见不一定正确，真理可能掌握在少数人手里，故而少数人意见也不可忽视[46]，但考虑少数意见存在一定风险性。因而，我们有必要对少数群体意见进行风险测度，从而进行不同程度的调节，降低决策风险。张前辉等[47]通过少数意见聚集的信任风险系数调节少数意见聚集的权重，并通过偏好风险系数调节群体共识，以得到共识水平较高的大群体决策方案。

（五）大数据环境下的风险型大群体决策

大数据时代的到来使得突发事件发生后社会公众得以通过社交媒体等渠道参与到决策过程中。随着网络的发展，短期内爆发的海量公众评论数据对于大群体风险性决策有一定参考价值[48]，证据推理算法可以得出公众对各备选方案的风险效用值，在此基础上，运用大数据技术识别大群体决策者风险偏好，进而筛选出风险中立的决策者构成新的决策群体，达到降低决策风险的目的[49]。

此外，Yin等[50]针对公众对大型突发事件大群体应急决策属性的关注，提出了一种基于公共属性偏好数据挖掘的大群体突发事件风险决策方法，通过信息熵风险度量模型，结合语言偏好对大群体成员给出的信息，对决策成员的决策风险进行了测度。

随着社会经济的发展，海量数据的产生为风险识别提供了一定来源，数据分析技术的日益发展也为大群体风险决策提供了决策辅助平台，大数据环境下的风险型大群体决策在决策领域初露头角，具有广阔的研究空间及应用意义。

二、大群体风险决策研究面临的问题和挑战

大群体风险决策已成为一个热门且富有一定成果的研究方向，具有常规群体决策没有的独特优势，但在其发展过程中，同样也存在一些制约因素。基于上述分析，大群体风险决策研究面临的问题和挑战总结如下：

1.在过去的十余年中，大群体风险决策取得了比较多的研究成果，已经开发了许多大群体决策风险识别的方法，但仍然未生成一套系统且公认的大群体决策风险因素体系。

2.在大群体风险决策问题中，决策者的意见、观点或偏好通常存在较大的差异。决策成员风险偏好、风险态度的获取主观性较大，且具有一定复杂性，决策成员是否能准确认识自己的风险态度难以求证，存在较大的研究空间。

3.信任关系虽然在社会网络环境下的大群体决策中起着重要作用，但在现实生活中却很难获得。因此，有必要制定办法，使决策者之间信任关系的识别自动化。此外，在现有的大群体风险决策中，信任关系、信任风险在共识达成过程中被默认为静态的。然而，在现实中，社交网络环境下决策者之间的信任关系、信任风险会发生动态变化，这对大群体风险决策过程有一定的影响。

4.互联网技术和大数据等技术日益发展，新的风险因素不断增多，大数据环境下的大群体风险决策研究十分必要，但如何利用大数据挖掘技术降低决策风险是一个新的挑战。

三、大群体风险决策研究发展趋势

基于上述大群体风险决策发展现状、研究热点和前沿进展的总结，并对面临的问题和挑战进行分析，提出下列大群体风险决策的发展趋势：

1.互联网的发展使得数据科学成为一个新兴崛起的学科，大数据时代的到来，掀起一股新的风潮，对各行各业带来新的挑战，数据科学与群体决策理论、风险理论相结合，对传统的决策理论与方法带来了巨大冲击，也为大群体风险决策带来了新的研究问题。海量的大数据将成为大群体风险决策重要的辅助工具，将从大数据中挖掘得到的客观信息与大群体决策的主观经验相结合，互为补充。结合决策过程的复杂风险因素需要进行风险识别及控制，形成新的大数据智能风险决策理论与方法。

2.由于网络技术的迅猛发展，信息传递速度加快，分秒之间便能悉知千里之外的信息。随着传递速度的增加，静态的大群体风险决策难以解决实际问题，已知信息的不断变化对大群体风险决策的及时状态更新提出了新的挑战，大群体动态风险决策研究将是非常具有现实研究价值的方向。

3.随着科学技术的发展，决策问题逐渐社会化，需要大群体决策解决的问题往往难以独立决策，需要多方协调。此外，网络技术的发展为分布各地、各行各业的决策专家乃至社会公众提供了交流分享平台，为公众参与提供了便利。我国公众数量庞大，难以统筹每条信息，信息的筛选存在众多风险，识别协同过程中的风险因素十分重要，社会公众参与下的大群体协同风险决策将成为未来发展趋势。

四、结论

大群体风险决策作为大群体决策领域的重要分支，为我国经济和社会发展中的复杂决策问题提供了科学可靠的解决途径。本文从大群体应急风险决策风险识别、考虑决策成员风险态度的大群体决策、考虑决策成员心理行为的大群体决策、社会网络环境下考虑信任风险的大群体决策及大数据环境下的风险型大群体决策五个主要方面的研究与发展现状进行了较为系统的回顾和综述，归纳了大群体风险决策当前的研究热点和前沿进展，分析了大群体风险决策面临的问题和挑战，在此基础上指出了大群体风险决策今后的发展趋势，为广大决策科学研究人员提供一个有益借鉴。