在基于激励效应的多粒度概率语言组合评估方法中，对区域绿色发展水平进行评估

《Engineering Applications of Artificial Intelligence》：Evaluating regional green development levels within an incentive effects-based multiple granular probabilistic linguistic combination evaluation method

区域绿色发展水平评估方法研究基于多粒度概率语言与激励效应，提出创新组合评价模型。该方法通过分层概率语言描述评估对象，构建动态激励阈值体系，结合共识度融合技术实现区域绿色发展差异识别与政策优化。

　　

张晓璐

江西财经大学统计与数据科学学院，南昌，330013，中国

摘要

绿色发展水平是评估地方政府官员绩效的关键指标。实施基于激励的措施可以有效提高官员推动绿色发展的积极性。本研究旨在开发一种基于激励效应的多粒度概率语言组合评估方法，以评估地区的绿色发展水平。在多粒度背景下使用概率语言术语集来表示被评估对象的表现。提出了新的概率语言排序方法，强调相对于参考点的相对定位。引入了两种有效的方法来确定不同标准下的激励参考点。在多粒度概率语言环境中实施激励机制，根据激励阈值对对象进行奖励或惩罚。随后，采用了四种具有不同特点和优势的评估方法，从多个角度评估地区的绿色发展水平。设计了一种基于共识度的信息融合技术来得出对象的综合评估结果。最后，将所提出的方法应用于评估十一个城市的绿色发展水平。评估结果使评估者能够清晰地区分奖励和惩罚，并准确识别不同对象在绿色发展水平方面的优势和劣势。比较分析和敏感性分析进一步验证了所提出方法的优点和可行性。

引言

经济的快速发展一方面极大地提高了人们的生活水平，另一方面也给生态环境带来了前所未有的挑战。实施经济绿色和可持续发展战略是保护和改善社会及生态环境的关键步骤。中国已经明确表示要实现绿色和可持续的高质量发展，并已采取了许多措施，包括推广清洁能源（Su和Urban，2021；Tarhan和?il，2021）和减少排放（Cheng等人，2022；Meng等人，2016），目标是实现二氧化碳排放峰值和碳中和，同时建立了统一规范的国家生态文明试点区。由于经济发展不平衡，中国各地区之间的绿色发展水平（GDLs）仍存在明显差异（Meng等人，2016；Zhang等人，2020a）。在这种情况下，建立一个区域GDL评估框架来分析和比较区域GDLs，为制定绿色发展政策提供了重要基础，以促进生态文明建设。Wang等人（2018）采用了基于熵的多级评估方法，从五个维度评估城市GDLs，包括改善生活环境、处理和利用污染物、提高生态效率、优化经济增长以及发展创新潜力。Xue等人（2021）从绿色自然、绿色经济和绿色社会三个方面评估了不同国家的GDLs。Pan等人（2022）提出了衡量中国江苏省GDLs的“三圈”概念框架。

由于评估环境的复杂性和主观或客观因素的不确定性，Luo和Liu（2022）使用犹豫模糊Fermatean数而不是离散值来模拟GDL表现，并开发了HFFS-MULTIMOORA方法，从生态建设、绿色环境和循环经济维度评估长江经济区的GDLs。但犹豫模糊Fermatean数通常用于模拟定量性质的表现。概率语言术语集（PLTS）（Pang等人，2016）是一种流行的工具，用于模拟评估者的复杂语言感知，非常适合描述定性性质的被评估对象的GDLs。PLTS的最大优势在于它允许评估者不仅提供几个可能的语言术语（LTs）来表达他们不精确的观点，还能提供LTs出现概率的信息（Zhang等人，2020b）。PLTS已成功应用于多个领域（Liu和Teng，2019；Song和Li，2019；Zhang，2018），并且已经完成了许多与PLTS相关的研究（Wu和Liao，2019；Jiang和Liao，2020；Luo等人，2019；Ma等人，2020；Wu等人，2018）。最近，Liao等人（2020）和Xu等人（2019）分别对使用概率语言信息的评估和决策方法进行了详细调查。由于PLTS的优势，引入了具有不同粒度级别的概率语言表达形式，以便评估者在不同标准下表达被评估对象的GDLs。然而，大多数已发表的GDL评估方法未能处理多粒度PLTS形式的数据。

同时，区域GDLs的评估结果不仅有助于客观全面地了解当地的绿色发展状况，也是评估地方政府官员绩效和选拔政府官员的重要指标。实施基于激励的措施可以有效提高官员推动绿色发展的积极性。考虑激励效应的评估称为激励评估，指的是在评估过程中以某种方式实现奖励和惩罚的目的（Yi等人，2014，2016）。激励措施的实施将引导被评估对象积极实现决策者（DMs）预期的目标。Yi等人（2018）将激励值整合到信息聚合过程中，并提出了分位数诱导的重排序加权平均运算符。Gong等人（2017）开发了一种综合考虑主体和对象需求的综合激励评估方法。此外，还开发了一系列动态激励评估方法来处理多阶段评估问题（Dong和Guo，2013；Guo等人，2017；Zhang，2013）。此外，为了处理大型群体激励评估问题，Fang和Peng（2019）开发了一种考虑预定义激励特征群体的群体评估方法。尽管这些激励评估方法很有用，但在处理对象表现为多粒度PLTS的现实评估问题时仍存在一些局限性。因此，本文旨在开发一种考虑激励效应的多粒度概率语言评估方法，用于评估区域GDLs。表1概述了上述关于GDL评估和激励评估的综述，重点介绍了它们解决的问题和采用的方法。

本研究的主要贡献是：（1）开发了新的PLTS排序方法；（2）设计了两种确定激励阈值的方法；（3）提出了基于共识度的组合评估方法。本文的其余部分组织如下：第2节回顾了PLTS的基本概念，并提出了比较PLTS的排序方法；第3节提出了一种新的组合评估方法；第4节应用所开发的方法评估区域GDLs；第5节总结了本文。

章节片段

初步介绍

在评估区域GDLs时，假设$m$$X=\left\{x_1,x_2,\; \dots \dots ,x_m\right\}$个对象根据$C=\left\{C_1,C_2,\; \dots \dots ,C_n\right\}$个标准进行评估，这些标准由$L^{(\tau }(p)=\{l_{\sigma }\left(p^{\sigma }\right)|l_{\sigma }\in L^{(\tau },p^{\sigma }\ge \mathrm{0,\; <mi>\sigma \in <mi>\Lambda ,\; <msub><mo>\sum </mo><mrow><mi>\sigma </mi><mo>\in </mo><mi>\Lambda </mi></mrow></msub><msup><mi>p</mi><mi>\sigma </mi></msup><mo>\le </mo></mi></mi>}$

开发的基于激励效应的多粒度概率语言组合评估方法

在本节中，我们开发了一种基于激励效应的概率语言综合评估方法，以在实际评估问题中实施激励机制。该方法的第一步是确定PLTS环境下的激励阈值。第二步是确定评估标准的权重。最后一步是对备选方案进行排序。

案例研究

在本节中，将开发的基于激励效应的多粒度概率语言组合评估方法应用于评估中国江西省的GDLs。通过比较分析和敏感性分析来说明该方法的稳健性和优势。

结论

在本研究中，我们开发了一种新的基于激励效应的多粒度概率语言组合评估方法。该方法不仅提供了一种使用定性指标评估区域GDLs的新方法，还提供了一种激励机制，以指导被评估对象实现评估者的目标。该方法已进一步应用于评估江西省十一个城市的GDLs。比较分析和敏感性分析表明……

利益冲突声明

a. 本手稿是作者的原创作品，尚未发表，也未同时提交到其他地方。

b. 作者已检查了手稿并同意提交。

致谢

本工作部分得到了江西省社会科学基金项目（项目编号24GL13）和江西省教育厅科技青年项目（项目编号GJJ2500405）的支持。