编辑推荐：
为解决灾害中即兴应急供应商选择（IESS）这一复杂多属性决策（MADM）问题，研究人员提出部分序数优先方法（OPA-P）。该方法通过线性规划优化权重，生成对抗哈斯图分析帕累托最优解，经郑州暴雨案例验证有效，为应急决策提供新工具。
在全球气候变暖与各类突发事件频发的当下，灾害应对成为考验社会治理能力的重要课题。地震、洪水、疫情等灾害往往具有突发性强、不确定性高、影响范围广的特点，不仅会造成基础设施损毁、交通通信中断，还会引发应急物资短缺等问题，严重威胁生命财产安全与社会稳定。以武汉新冠疫情为例，病毒的快速传播导致医疗资源极度匮乏，防护物资短缺迫使医护人员重复使用装备，加剧了感染风险。此时，能否快速、精准地选择合适的应急供应商，直接关系到物资调配效率与救灾成效。然而，传统的供应商选择方法在极端灾害场景下弊端凸显：高不确定性环境中，预先制定的供应商方案难以满足即时需求，且现有方法稳定性不足，难以有效分析帕累托最优解；过度依赖专家主观评价，不仅耗时费力，还可能因多利益相关方意见差异导致决策偏差；数据标准化、权重预设等流程增加了模型复杂度，代数逻辑的聚合方式也难以客观反映专家真实偏好。因此，如何在信息不确定和多利益相关方参与的情况下，实现应急供应商的快速、稳定选择，成为灾害管理领域亟待解决的关键问题。
为攻克上述难题，国内研究人员开展了针对即兴应急供应商选择（Improvisational Emergency Supplier Selection, IESS）的多属性决策（Multi-Attribute Decision-Making, MADM）方法研究，相关成果发表在《Expert Systems with Applications》。
研究团队提出了部分序数优先方法（Partial Ordinal Priority Approach, OPA-P）。该方法基于序数优先方法（Ordinal Priority Approach, OPA），通过引入偏序理论与图论，构建了适用于信息不确定和多利益相关方场景的决策框架。
研究主要采用了两大关键技术方法：一是基于序数偏好信息的权重优化模型，通过线性规划问题同步确定专家、属性和备选方案的权重，利用易于获取且稳定的序数排名数据作为输入，避免了传统方法对复杂数值评价的依赖；二是偏序累积变换与对抗哈斯图（adversarial Hasse diagram）生成，通过简化备选方案间的支配关系结构，直观呈现帕累托最优解、次优解及其聚类信息，为决策提供清晰的可视化依据。
研究结果
方法构建与理论验证
OPA-P 首次将偏序理论融入原 OPA 模型，实现了 OPA 的偏序扩展。通过推导保序性质及其与基于单一综合评价值的全序集、严格帕累托最优偏序集的关系，证明了偏序累积变换所得偏序集的理论基础，为 OPA-P 及其他 MADM 方法生成支配结构和识别帕累托最优解提供了理论支撑。
案例验证与模型有效性
以郑州 “7?20” 特大暴雨灾害的即兴应急供应商选择为案例，验证了 OPA-P 的实用性。研究结合应急响应能力、应急供应能力等核心评价属性，通过权重优化与对抗哈斯图分析，成功识别出帕累托最优供应商集群，且经敏感性分析与对比分析，证实了模型在信息不确定环境下的稳定性与可靠性。
应用拓展与实践价值
OPA-P 不仅适用于 IESS 场景，还可推广至具有类似特征的决策问题。其通过整合代表性属性体系，为实际决策提供了可操作的指导框架，有助于提升灾害应对中供应链的效率与韧性。
研究结论与意义
OPA-P 的提出为即兴应急供应商选择提供了一种兼具科学性与高效性的新工具。该方法通过序数信息驱动的权重优化与偏序结构分析，有效解决了传统方法在高不确定性、多利益相关方参与场景下的决策困境，能够快速识别潜在的帕累托最优解，增强决策的透明度与稳定性。其理论贡献在于拓展了多属性决策方法的偏序分析框架，实践价值则体现在为灾害管理部门提供了可落地的供应商选择策略，有助于缩短应急响应时间、优化资源配置，从而最大限度减少灾害损失。未来研究可进一步探索 OPA-P 在更多复杂决策场景中的应用，推动其与人工智能、大数据技术的融合，以提升应急管理的智能化水平。
