一种基于队列智能算法的安全投资决策方法与流程

本发明属于企业生产经营活动安全投资技术领域，具体涉及一种基于队列智能算法的安全投资决策方法。

背景技术：

安全投资(罗云.安全经济学[m].北京:化学工业出版社，2010.)是指为了提高企业的系统安全性、预防各种事故的发生、防止因工伤亡、消除事故隐患、治理尘毒的全部费用，它属于主动性安全投入的范畴。保证合理的安全投资，是企业实现安全生产的必经之路，同时也可减少甚至避免被动性安全投入的支出。从这个意义上讲，研究安全投资具有更为积极的现实意义。由于安全投资的超前性和安全效益的滞后性，安全投资一直以来都是各企业所避讳的敏感问题，出于追求经济利益最大化的考虑，相对于企业在生产经营上的投入显得捉襟见肘。安全投资不足、安全投资缺乏科学性，是企业事故频发、安全状况不理想的原因所在(颜会芳，田水承，李红霞，等.基于实物期权博弈的安全投资决策研究综述[j].中国安全科学学报，2008，18(4):70-75.)。安全投资已经成为制约一个企业能否保证安全生产的瓶颈。为此，有必要对安全投资问题进行系统而深入的研究和探讨，其中安全投资优化决策便是破解这一问题的关键所在。目前，有关安全投资决策方面的研究，主要包括安全投资结构配比研究(杨高升，吴珊珊，黄歌.工程项目施工安全保证的投入效率分析[j].中国安全科学学报，2010，20(6):152-157.)、安全投资决策的目标规划模型研究(罗景峰，许开立.模拟退火算法在安全投资决策中的应用[j].安全与环境工程，2010，17(3):102-104.)、安全成本最小化模型研究(彭红军，李新春.安全投资最优化模型[j].煤矿安全，2007(2):57-59.)、危险度最小化模型研究(罗霞，吴海涛.道路运输企业安全投资决策研究[j].交通运输工程与信息学报，2008，6(4):1-4.)、兼顾事故损失最小化和安全度最大化的多目标安全投入优化模型研究(徐强，王如坤，王兴发，等.基于优化模型的煤矿安全投入分配决策研究[j].金属矿山，2013(11):139-142.)等。上述研究兼顾了每一个安全投资分项，达到了一定预期效果，但很难实现对每个安全投资分项需求的完全满足，而某些急需或重要的安全投资分项需求若不能完全得到满足，很可能会导致生产安全事故，影响企业的安全生产，该问题尚未见到相关研究报道。

技术实现要素：

本发明的目的是为了解决现有的投资决策方面的研究很难实现对每个安全投资分项需求的完全满足的问题，提供一种基于队列智能算法的安全投资决策方法，该方法以0-1背包问题为基础。

为实现上述目的，本发明采取的技术方案如下：

一种基于队列智能算法的安全投资决策方法，所述的方法具体步骤如下：

步骤一：对安全投资项目的分项安全投资额，分项安全投资效益，安全投资总额，安全投资总效益参数进行建模；

步骤二：各分项安全投资指标权重确定：采用二元比较模糊决策分析法确定；

令系统有待进行重要性比较的指标集{q1,q2,...,qm}，qi(i＝1,2,...,m)为系统指标集中的指标，m为指标总数；

定义1指标集{q1,q2,...,qm}中第k个元素qk与指标集{q1,q2,...,qm}中第l个元素ql作二元比较，若(1)qk比ql重要，则排序标度为ekl＝1，elk＝0；(2)qk与ql同样重要，则ekl＝0.5，elk＝0.5；(3)ql比qk重要，则排序标度为ekl＝0，elk＝1；k＝1,2,...,m；l＝1,2,...,m；

利用二元比较模糊决策分析法确定权重步骤具体为：

step1：确定指标集二元比较重要性排序标度矩阵e＝(ekl)，该k*l阶矩阵满足：(1)ekl仅在0、0.5、1中取值；(2)ekl+elk＝1；(3)ekk＝eu＝0.5；

step2：根据规则：设矩阵的第h行中(1)若ehk＞ehl，则ekl＝0；(2)若ehk＜ehl，则ekl＝1；(3)若ehk＝ehl＝0.5，则ekl＝0.5；(4)若ehk＝ehl＝0或ehk＝ehl＝1，则ekl＝1，0.5，0这样形成三个矩阵，对这三个矩阵进行一致性检验；

step3：若矩阵e为排序一致性标度矩阵，则转step4；否则进行修正，转step2；

step4：对矩阵e各行求和，并记为si(i＝1,2,...,m)；

step5：根据si(i＝1,2,...,m)值确定模糊语气算子，并结合模糊语气算子与模糊标度、相对隶属度关系表确定各指标的相对隶属度，得到指标相对隶属度向量w′；

step6：对w′进行归一化，得到指标权重向量w；

步骤三：建立目标函数：将安全投资决策抽象为0-1背包问题，建立以下安全投资决策模型为:

式中，p(x)为安全投资总效益，pi(i＝1,2,...,m)为第i个分项安全投资效益，xi(i＝1,2,...,m)为第i个安全投资决策变量，xi＝0表示第i项未投资，xi＝1表示第i项被投资；ci(i＝1,2,...,m)为第i个分项安全投资额，c为安全投资总额；

安全投资决策向量为x＝(x1,x2,...,xm)，其中x1、x2、xm代表第i项的投资状态，分项安全投资额向量为c＝(c1,c2,...,cn)，其中c1、c2、cn代表第i项的安全投资额，分项安全投资效益向量为p＝(p1,p2,...,pn)，其中p1、p2、pn代表第i项的安全投资效益；

步骤四：基于队列智能算法对安全投资进行决策，用队列智能算法求解0-1背包问题：首先定义队列的候选情况总数c和每代优化算法执行次数t，最初每组候选c(c＝1,...,c)随机选择一组对象负载，每组候选代表了一种投资方案，所有候选构成了问题的队列，针对每组候选，计算出相关的价值f^c＝{f(v¹),...,f(v^c),...,f(v^c)}和权重f^cw＝{f(w¹),...,f(w^c),...,f(w^c)}，

(1)为了衡量每个候选输出与最优解的相似程度，为轮盘赌法选择进化目标提供概率基础，定义相似度概率函数p^c如下：

其中，表示从容量方面衡量输出与最优解的相似程度，具体为表示从获利方面衡量输出与最优解的相似程度，具体为其中：w即系统容量最大值；

基于轮盘选择方法，每组候选c(c＝1,...,c)都将选择一个目标候选f(v^c[？])来进化自身，在算法中，进化是指通过结合来自目标候选的一些对象来达到优化其自身解决方案的目的；上标[？]表示每个候选c在选择目标候选时，是基于相似概率函数的轮盘赌法进行随机选择的，事先无法确定；

(2)方案分类如下：

1、如果候选c(c＝1,...,c)的解是可行的，即满足公式(1)给出的权重约束条件，则随机选择以下修改之一：

1.1.从目标候选中添加随机选择的对象，要求该对象没有被包含在当前候选c中，并且仍然满足由公式(1)给出的权重约束条件；

1.2.从目标候选中随机选择的对象替换原候选中的一个随机选择的对象，同样满足公式(1)；

2、如果候选c(c＝1,...,c)是不可行的，则随机选择下列修改之一：

2.1.从候选中随机移除一个对象；

2.2.用目标候选中随机选择的对象从原候选c中替换一个随机选择的对象，以减少候选c的总权重f(wc)；每个候选执行上述过程t次；这使得每个候选人c均可获得相关的价值输出集合f^c,t＝{f(v^c)¹,...,f(v^c)^j,...,f(v^c)^t},(c＝1,...,c)；在每次迭代完成后，每个候选都选择了其中的最优价值f*(v)，作为下次迭代的初始输入，由于在每次迭代进化中，都可能会出现不可行的结果，因此在选择最优价值时根据下列条件选择最优价值：

2.2.1.如果进化后的结果是可行的，则选择具有最大价值的结果；

2.2.2.如果进化后的结果是不可行的，则选择具有最小重量的结果；

2.2.3.如果存在不可行和可行的变化，则选择具有最大价值的可行结果；

(3)每组候选都通过互相学习的方式，优化了自身的解决方案；通过这样的方法，更新了队列中每个候选的价值输出f^c＝{f*(v¹),...,f*(v^c),...,f*(v^c)}，这个迭代过程一直持续到算法饱和，即收敛，即每一个候选输出的结果都趋于一致，并且在连续的大量进化尝试中都没有变化，即视为算法收敛；

步骤五：完成安全投资决策，规划各项安全投资，实现既满足安全投资总额的要求，又满足安全投资总效益最大化目标。

本发明现对于现有技术的有益效果是：本发明完善了安全投资决策的实现过程，实时评估每一次重构的结果，从而采取相应的措施，使整个过程完整、可靠。同时，通过轮盘赌法，改进了算法的搜索精度，提高了算法的解的可靠性。

附图说明

图1为本发明基于队列智能算法的安全投资决策方法的整体流程图；

图2为本发明的安全投资决策方法所采用的队列智能算法流程图；

图3为概率分布图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修正或等同替换，而不脱离本发明技术方案的精神范围，均应涵盖在本发明的保护范围之中。

本发明提出了一种基于队列智能算法的安全投资决策方法，属于企业生产经营活动安全投资技术领域。该方法包括：确定安全投资项目各项参数、确定各分项安全投资指标权重、建立目标模型、制定基于队列智能算法对安全投资决策的方案、完成安全投资决策，满足既定要求。本发明中一方面基于队列智能算法对安全投资进行决策，提高方案生成的可靠性，避免陷入局部最优，另一方面调整了搜索时的选择算法，利用轮盘赌法，提高算法的搜索精度，最后，基于实例分析验证了所提出的方法的有效性和优越性。

具体实施方式一：本实施方式记载的是一种基于队列智能算法的安全投资决策方法，所述的方法具体步骤如下：

步骤一：对安全投资项目的分项安全投资额，分项安全投资效益，安全投资总额，安全投资总效益参数进行建模；

步骤二：各分项安全投资指标权重确定：采用二元比较模糊决策分析法确定；二元比较模糊决策分析法以中国语言与思维习惯为基础，严格遵循一致性检验条件，适合处理无结构决策问题；

令系统有待进行重要性比较的指标集{q1,q2,...,qm}，qi(i＝1,2,...,m)为系统指标集中的指标，m为指标总数；

定义1指标集{q1,q2,...,qm}中第k个元素qk与指标集{q1,q2,...,qm}中第l个元素ql作二元比较，若(1)qk比ql重要，则排序标度为ekl＝1，elk＝0；(2)qk与ql同样重要，则ekl＝0.5，elk＝0.5；(3)ql比qk重要，则排序标度为ekl＝0，elk＝1；k＝1,2,...,m；l＝1,2,...,m；

利用二元比较模糊决策分析法确定权重步骤具体为：

step1：确定指标集二元比较重要性排序标度矩阵e＝(ekl)，该k*l阶矩阵满足：(1)ekl仅在0、0.5、1中取值；(2)ekl+elk＝1；(3)ekk＝eu＝0.5；

step2：根据规则：设矩阵的第h行中(1)若ehk＞ehl，则ekl＝0；(2)若ehk＜ehl，则ekl＝1；(3)若ehk＝ehl＝0.5，则ekl＝0.5；(4)若ehk＝ehl＝0或ehk＝ehl＝1，则ekl＝1，0.5，0这样形成三个矩阵，对这三个矩阵进行一致性检验；

step3：若矩阵e为排序一致性标度矩阵，则转step4；否则进行修正，转step2；

step4：对矩阵e各行求和，并记为si(i＝1,2,...,m)；

step5：根据si(i＝1,2,...,m)值确定模糊语气算子，并结合模糊语气算子与模糊标度、相对隶属度关系表确定各指标的相对隶属度，得到指标相对隶属度向量w′；

step6：对w′进行归一化，得到指标权重向量w；

步骤三：建立目标函数：将安全投资决策抽象为0-1背包问题，背包问题是一个经典的np-hard组合问题，具体描述如下：给定集合n中，每个对象i,i＝1,...,n都有各自的利润属性vi和权重属性wi；要求解将集合中的哪些对象装入背包，可以保证在重量不超过给定容量的前提下，价值最大化；数学描述如下：

subjecttof(w)≤w

其中，f(v)为总价值，f(w)为总重量，w为系统容量最大值；

安全投资决策的0-1背包问题模型；安全投资的效益是将安全资本配置在某一安全生产过程中，对降低事故损失和增加生产增值等产出的贡献度；当安全投资额度不能完全满足投资需求时，不同的投资组合导致系统安全效果差异较大；于是，安全投资优化决策可以归结为如何将有限的安全投资合理分配到发挥最大安全效益的投资项目上的问题，其本质是一个组合优化问题；于是，可以得出安全投资决策问题与0-1背包问题存在一一对应关系，其中各“分项安全投资额”对应“物品体积”，各“分项安全投资效益”对应“物品价值”，“安全投资总额”对应“物品总体积”，“安全投资总效益”对应“物品总价值”，

如图1所示，借鉴0-1背包问题数学模型，建立以下安全投资决策模型为:

式中，p(x)为安全投资总效益，pi(i＝1,2,...,m)为第i个分项安全投资效益，xi(i＝1,2,...,m)为第i个安全投资决策变量，xi＝0表示第i项未投资，xi＝1表示第i项被投资；ci(i＝1,2,...,m)为第i个分项安全投资额，c为安全投资总额；

安全投资决策向量为x＝(x1,x2,...,xm)，其中x1、x2、xm代表第i项的投资状态，分项安全投资额向量为c＝(c1,c2,...,cn)，其中c1、c2、cn代表第i项的安全投资额，分项安全投资效益向量为p＝(p1,p2,...,pn)，其中p1、p2、pn代表第i项的安全投资效益；

安全投资效益具有长期性、隐含性和滞后性，因此，在进行具体安全投资决策时很难得到量化标准值，但各分项安全投资指标的重要性程度是可以确定的；为此，本发明利用各分项安全投资指标的重要性程度，即权重值来近似代替安全投资效益向量中的每一项安全投资所能够产生的效益值；

步骤四：基于队列智能算法对安全投资进行决策，算法流程如图2所示；用队列智能算法求解0-1背包问题：将ci算法应用于背包问题后，每个对象i,i＝1,...,n的特性直接决定了背包的整体价值f(v)和整体权重f(w)；首先定义队列的候选情况总数c和每代优化算法执行次数t，最初每组候选c(c＝1,...,c)随机选择一组对象负载，每组候选代表了一种投资方案，所有候选构成了问题的队列，针对每组候选，计算出相关的价值f^c＝{f(v¹),...,f(v^c),...,f(v^c)}和权重f^cw＝{f(w¹),...,f(w^c),...,f(w^c)}，

(1)为了衡量每个候选输出与最优解的相似程度，为轮盘赌法选择进化目标提供概率基础，定义相似度概率函数p^c如下：

其中，表示从容量方面衡量输出与最优解的相似程度，具体为表示从获利方面衡量输出与最优解的相似程度，具体为其中：w即系统容量最大值；

其中：w即系统容量最大值；为使解决方案偏向于可行性，图3设计了一种概率分布，概率随背包总重量的增加而线性增加，在最大容量w处达到峰值，随着重量的继续增加，概率迅速降低，斜率是之前的两倍；因此，在最大容量w附近的概率是最高的，即在这一时刻从容量的角度来看，候选输出与最优解最为接近；

基于轮盘选择方法，每组候选c(c＝1,...,c)都将选择一个目标候选f(v^c[？])来进化自身，在算法中，进化是指通过结合来自目标候选的一些对象来达到优化其自身解决方案的目的；上标[？]表示每个候选c在选择目标候选时，是基于相似概率函数的轮盘赌法进行随机选择的，事先无法确定；

(2)方案分类如下：

1、如果候选c(c＝1,...,c)的解是可行的，即满足公式(1)给出的权重约束条件，则随机选择以下修改之一：

1.1.从目标候选中添加随机选择的对象，要求该对象没有被包含在当前候选c中，并且仍然满足由公式(1)给出的权重约束条件；

1.2.从目标候选中随机选择的对象替换原候选中的一个随机选择的对象，同样满足公式(1)；

2、如果候选c(c＝1,...,c)是不可行的，则随机选择下列修改之一：

2.1.从候选中随机移除一个对象；

2.2.用目标候选中随机选择的对象从原候选c中替换一个随机选择的对象，以减少候选c的总权重f(wc)；每个候选执行上述过程t次；这使得每个候选人c均可获得相关的价值输出集合f^c,t＝{f(v^c)¹,...,f(v^c)^j,...,f(v^c)^t},(c＝1,...,c)；在每次迭代完成后，每个候选都选择了其中的最优价值f*(v)，作为下次迭代的初始输入，由于在每次迭代进化中，都可能会出现不可行的结果，因此在选择最优价值时根据下列条件选择最优价值：

2.2.1.如果进化后的结果是可行的，则选择具有最大价值的结果；

2.2.2.如果进化后的结果是不可行的，则选择具有最小重量的结果；

2.2.3.如果存在不可行和可行的变化，则选择具有最大价值的可行结果；

(3)每组候选都通过互相学习的方式，优化了自身的解决方案；通过这样的方法，更新了队列中每个候选的价值输出f^c＝{f*(v¹),...,f*(v^c),...,f*(v^c)}，这个迭代过程一直持续到算法饱和，即收敛，即每一个候选输出的结果都趋于一致，并且在连续的大量进化尝试中都没有变化，即视为算法收敛；

步骤五：完成安全投资决策，规划各项安全投资，实现既满足安全投资总额的要求，又满足安全投资总效益最大化目标。

实施例1：

表1为某旅行社安全投资项目表实例。旅行社以保障旅游安全为基础来协调旅行社各项生产经营管理活动的过程中，需要进行必要的安全投资。旅行社通过安全投资，可以识别早期旅游安全隐患、降低或防止旅游安全事故的发生，这一点已经成为众多旅行社业界人士的共识。综合对泉州市旅行社进行调研和访谈数据，旅行社安全投资主要包括个人安全防护用品用具、消防设施器材等12项，依次记为x1～x12。其次利用二元比较模糊决策分析法确定各项安全投资权重，进而确定各项安全投资产生的效益向量。为利用二元比较法确定各项安全投资权重，需对表1中所列12个项目进行重要性排序，此处以旅行社高管对各项安全投资重要性认识为准进行重要性排序，如下表所示。某旅行社某年各项安全投资(单位:元)需求分别为500、500、200、500、500、1500、1000、500、1000、500、1000、1000，拟定本年度安全投资总额为6500元。

表1某旅行社安全投资项目表

表2是基于队列智能算法实现安全投资决策结果。根据二元比较模糊决策分析法可具体确定各安全投资项目权重向量为w＝(0.0688，0.0859，0.0542，0.0954，0.0415，0.1431，0.1057，0.0358，0.1295，0.1171，0.0688，0.0542)。进而，根据前面安全投资决策的0-1背包问题模型这一部分中的内容，可以确定安全投资效益向量为p＝(0.0688，0.0859，0.0542，0.0954，0.0415，0.1431，0.1057，0.0358，0.1295，0.1171，0.0688，0.0542)。

表2基于队列智能算法实现安全投资决策结果表

然后，利用队列智能算法对其进行求解，确定该旅行社安全投资决策方案。设参数c＝6，t＝12，得到最优解为x_opt＝(1，1，1，1，1，1，1，0，1，1，0，0)，对应最优安全投资额向量为c_opt＝(500，500，200，500，500，1500，1000，0，1000，500，0，0)、最优安全投资总效益为p_opt＝0.8412，最优安全投资总额为c_opt＝6200元，

由上述中所得优化求解结果可知，该旅行社最优安全投资方案为(1，1，1，1，1，1，1，0，1，1，0，0)，即将有限的安全投资投在个人安全防护用品、用具，消防设施、器材，安全教育培训费用，安全标志、标语等标牌费用，安全评优费用，与安全隐患治理有关的支出，季节性安全费用，事故应急救援器材、物资、设备投入及维护保养和事故应急救援演练费用，安全保证体系、安全评价及检验检测支出等9个项目上，最优安全投资总效益为0.8412，最优安全投资总额为6200元，这与拟定6500元的总投资额相差300元，而所余300元不能满足第8项、11项及12项安全投资分项投资需求。这说明，安全投资决策的0-1背包问题模型，可以使有限的安全投资得到合理分配，而且还可以实现安全投资效益最大化的目标。因此，验证了本发明所提出的基于队列智能算法的安全投资决策方法具有较好的可行性和有效性，能够为旅行社等相关企业在进行安全投资决策方面提供较为科学合理的决策参考方案。