绿色经营网络风险的路径控制

时间：2022-06-01 百科知识版权反馈

【摘要】：，n）；企业系统E的风险熵值为风险熵值是衡量绿色经营网络中E整体风险的一个统计平均值，它取决于企业系统E内所有企业Si风险事件的概率分布空间和其价值结果，即绿色经营网络E整体风险激发的总体结构，它符合总体测度函数的基本条件。

根据复杂系统风险的相关研究并结合Shannon理论，我们可以对绿色经营网络的整体风险进行描述，具体定义为：假设在所选定的样本企业网络空间上，企业网络E有n个企业S＝｛S1，S2，…，Sn｝，各企业风险及其与E整体风险联系通过如下三类指标得到表征。

第一，定义企业Si风险被激发的概率为pi（i＝1，2，…，n），其中0＜pi＜1。

第三，定义在企业Si风险被激发的作用下导致企业系统E整体风险被激发的程度为bi，其中bi＞0，（i＝1，2，…，n），则bi指标的归一化值可视为企业Si在企业系统E整体风险激发的权重系数。

综合上述三类指标，我们可以进行如下推演：

企业Si的权重系数ci和Si导致E整体风险被激发的概率qi乘积的归一化值可以衡量企业Si对企业系统E整体风险被激发的影响程度。

根据前文所述的申农熵相关知识，我们可以进行如下定义：

对于企业Si而言，定义Iai＝－ailogai为企业Si的后果风险熵函数，定义Ipi＝－pilogpi为企业Si的概率风险熵函数。

则根据复杂系统理论可知：

企业Si的风险熵值为Ii＝－aipilogpi，（i＝1，2，…，n）；

风险熵值是衡量绿色经营网络中E整体风险的一个统计平均值，它取决于企业系统E内所有企业Si风险事件的概率分布空间和其价值结果，即绿色经营网络E整体风险激发的总体结构，它符合总体测度函数的基本条件。风险熵值既体现了企业网络系统E整体风险的根本来源是企业Si风险被激发的不确定性（即概率风险熵函数），同时还反映了其风险被激发对企业网络系统E整体风险被激发的影响（即后果风险熵函数）。

我们需要探讨绿色经营网络整体风险熵值的控制原理，而图论中的有向图描述了顶点传播的方向，加权图描述了顶点传播的权重大小，因而结合二者即可对绿色经营网络E内部各企业的状态和相互间的联系状况进行图形解析，从而达到研究目的。

一、绿色经营网络风险赋权图模型的构建

（一）复杂系统风险赋权图模型概述

根据复杂系统理论，复杂系统内部的风险关联可以用赋权图来表示：以复杂系统内部各企业为图中各顶点，以各企业间的风险关联为边，表示为：D＝〈V，R，E〉。

式中V为顶点集，用以表示复杂系统内企业的集合，且对于集合内每个顶点vi∈V（i＝1，2，…，n）而言，有Q（v）＝〈x（v），p（v）〉，式中x（v）表示顶点vi的状态，p（v）表示顶点vi受到外部因素影响时风险被激发的概率。

式中R为赋权图中各顶点之间的风险关系集合。如果顶点vi风险激发能够导致顶点vj风险被激发，则称顶点vi和vj之间有风险联系，记为：其中C为顶点vi和vj间风险联系熵的总体集合；如果有ri，j＝1，则在赋权图中存在一个从顶点vi指向顶点vj的边〈i→j〉；此处应当特别注意ri，j＝1时，rj，i不一定为1，亦即边〈i→j〉成立并不代表着边〈j→i〉一定成立。

式中E为赋权图中边的集合，图中每一条边e都根据复杂系统的实际情况被赋予一定的权值wi，j。其中边〈i→j〉的权值wi，j代表了顶点vi和vj之间的风险联系程度，亦即顶点vi风险激发能够导致顶点vj风险被激发的概率，即wi，j＝p（p（vj）p（vi））。

（二）绿色经营网络风险赋权图模型

根据上一章中的分析结论，我们从物流、资金流和信息流三个维度下分析绿色经营网络的风险赋权图模型。

第一，物流维度。将企业价值链上的九种活动SIL，SOR，SOL，S SM，SSE，SFM，SHR，SRD，SPR抽象为图论中的顶点集，其中上一节中后果风险熵Iai＝－ailogai即可作为顶点vi的状态x（v），概率风险熵Ipi＝－pilogpi即可作为顶点vi受到外部因素影响时风险被激发的概率p（v）。

根据前文所述企业网络中各节点企业间风险联系熵值的计算方法，可以确定企业绿色经营网络风险赋权图中边的权值wi，j，比如：当SOR风险被激发时，SIL风险被激发的风险联系熵值：HSORSIL即可作为wOR，OL＝p（p（vOL）p（vOR））。

第二，资金流维度。将企业价值链上的九种活动SIL，SOR，SOL，SSM，SSE，SFM，SHR，SRD，SPR抽象为图论中的顶点集，其中上一节中后果风险熵Iai＝－ailogai即可作为顶点vi的状态x（v），概率风险熵Ipi＝－pilogpi即可作为顶点vi受到外部因素影响时风险被激发的概率p（v）。

根据前文所述企业网络中各节点企业间风险联系熵值的计算方法，可以确定企业绿色经营网络风险赋权图中边的权值wi，j，比如：当SOR风险被激发时，SSM风险被激发的风险联系熵值：HSORSSM即可作为wOR，SM＝p（p（vSM）p（vOR））。

第三，信息流维度。将企业价值链上的九种活动SIL，SOR，SOL，SSM，SSE，SFM，SHR，SRD，SPR抽象为图论中的顶点集，其中上一节中后果风险熵Iai＝－ailogai即可作为顶点vi的状态x（v），概率风险熵Ipi＝－pilogpi即可作为顶点vi受到外部因素影响时风险被激发的概率p（v）。

二、绿色经营网络风险赋权图模型的最大崩溃路径

根据复杂系统理论，复杂系统整体风险被激发的过程就是由于系统的某一企业风险激发，通过熵值的交换导致系统其他企业的风险被激发，进而使复杂系统的整体风险被激发的连锁反应过程，所以由企业的风险联系建立的复杂系统风险理论中赋权图模型D＝〈V，R，E〉中，必然存在着一条道路使得D中的每个顶点风险都被激发，这样的道路就是复杂系统的一条崩溃路径。

于是对于一个满足：“V（H）＝V（D）”，“E（H）＞E（D）”，“经过每个顶点一次且仅有一次”三个条件的有向道路H，称为复杂系统风险赋权图的崩溃路径。根据复杂系统理论研究的相关分析结论可知，崩溃路径H的权值为路径中经历所有的边的权值乘积，即：wH＝wi1，i2×wi2，i3×…×win－2，in－1×win－1，in，且所有崩溃路径H中权值最大者称为复杂系统风险赋权图的最大崩溃路径，记为Hmax。

从上述定义可以看出，复杂系统风险赋权图D的崩溃路径，表示复杂系统风险源的风险被激发，然后通过有向道路H的风险传播，导致系统内部所有其他企业的风险均随之被激发，最终导致系统整体风险被激发的过程。

因此，复杂系统的崩溃路径H反映了在动态的不确定性环境中，风险源引起整个复杂系统风险被激发的可能顺序以及风险作用的运动方向，而最大崩溃路径Hmax就是复杂系统受到外部干扰时，其内部各企业之间风险传播的最可能路径，其起点就是最有可能成为风险源的企业所在，这就对复杂系统风险的路径控制提供了绝佳的研究载体。

三、绿色经营网络风险赋权图模型最大崩溃路径的蚁群算法仿真原理

综上所述，我们可以总结出绿色经营网络整体风险的路径控制范式，具体思路如下：

第一，根据企业绿色经营的实际情况，结合前面物流、资金流、信息流三个维度下确定样本企业脆弱性赋权图模型各参数的方法，构建符合样本企业实际的企业脆弱性赋权图模型。

第二，根据企业网络风险赋权图中各顶点之间的风险关系集合R归纳出D中的各种可能的崩溃路径。

第三，在所有列举出的企业网络风险赋权图崩溃路径中确定Hmax，Hmax的起点即为绿色经营网络中最有可能成为企业系统E风险源Sj的企业所在，而Hmax所经历的顶点集（起点除外）即为绿色经营网络中企业系统E的关键企业集合Sr，r＞（1，2，…，n）。

第四，结合样本企业经营的实际情况，便可对绿色经营网络中企业系统E进行切实有效的路径控制：在风险激发尚未开始时，对最有可能成为企业系统E风险源Sj的企业进行重点监控从而实施前馈控制；在风险源风险被激发后，在Hmax上依照风险在关键企业集合Sr，r＞（1，2，…，n）上传播的顺序对企业系统E内部风险传播的状态进行实时监测和现场控制。

从绿色经营网络整体风险的路径控制范式可以看出，除了明确样本企业的具体经营状况之外，我们还需要从所列举的企业赋权图各种可能的崩溃路径中确定Hmax，这是一类特殊的旅行商问题（Traveling Salesman Problem，TSP），属于组合优化问题的研究范畴。由于我们所面对的系统中含有的企业数目一般较多，无法利用简单的穷举法进行运算，因此我们引入蚁群算法进行求解。

蚁群算法是20世纪90年代由意大利的Dorigo等学者受真实蚁群行为研究的启发而提出的。蚁群找到食物时，它们总能找到一条从食物到巢穴之间的最优路径。因为在寻找路径时会在路径上释放出一种特殊的信息素（pheromone）。当它们碰到一个还没有走过的路口时，就随机地挑选一条路径前行。与此同时释放出与路径长度有关的信息素。路径越长，释放的激素浓度越低。当后来的蚂蚁再次碰到这个路口的时候，就会通过感知这种物质的存在及其强度，指导自己的移动方向。

根据蚁群算法的基本原理，蚂蚁k在运动过程中，将根据各条可能路径上现有的信息量决定其下一步的转移方向。pik，j（t）表示蚂蚁在t时刻由位置i转向位置j的概率：

具有代表性的蚁群算法为：

另外，蚂蚁还使用了一种伪随机比率规则（pseud－random－proportional rule），即：设一个参数0≤q0≤1，在每一次蚂蚁选择下一个顶点前取一个随机数q∈［0，1］，将q与参数q0进行比较，提出状态转移规则：J的取值将由蚂蚁k从顶点i转移到j的概率决定。