基于量子群决策方法的绿色供应商选择模型：融合虚拟角色参与的共识机制与干扰效应

《INTERNATIONAL JOURNAL OF PRODUCTION ECONOMICS》：Quantum group decision-making approach for green supplier selection featuring virtual character-involved consensus mechanism and interference effect

绿色供应商选择中的量子群体决策方法研究。针对传统方法在处理不确定性、群体共识、指标交互及干扰效应时的不足，提出融合虚拟角色共识机制与概率不确定模糊集的量子决策框架。通过PT去混淆法量化专家心理倾向，构建双层量子贝叶斯网络实现供应商量子概率计算与排序，并通过案例验证其有效性。

　　
绿色供应商选择中的量子群体决策方法创新研究

摘要部分揭示了全球环境问题加剧背景下，绿色供应链管理（GSCM）的核心环节——绿色供应商选择（GSS）面临的多重挑战。传统方法在处理高不确定性、群体共识形成、指标交互效应及群体干扰影响等方面存在局限性。本研究提出融合虚拟角色介入共识机制与量子概率理论的新型决策框架，其创新性体现在四个维度：首先将高阶模糊数的概率不确定 linguistic terms set（PULTS）引入GSS专家评估体系，突破传统模糊数表达局限；其次构建具有信息稳定性保障的虚拟角色共识模型，通过动态优化群体结构降低决策偏差；第三设计心理计量理论（PT）与主成分分析（PCA）结合的指标权重计算方法，有效消除专家主观偏差和指标间的耦合效应；最后开发双层量子贝叶斯网络（QLBN）架构，结合相似角拟合与约束最小化技术，实现群体决策中量子干扰效应的精准量化。实证研究表明，该方法在制造业和物流业GSS中展现出显著优势，决策结果对经济性指标的敏感性较低，验证了环境和社会维度在供应商评估中的主导地位。

引言部分系统梳理了GSS研究的发展脉络与现存问题。传统MCDM方法在处理多目标冲突、不确定信息及群体决策干扰方面存在明显缺陷。当前研究主要集中于经济性指标的权重分配和共识机制优化，但存在三大理论缺口：其一，环境和社会维度的评价指标体系尚未形成统一量化标准；其二，群体决策过程中的信息传递失真与权威偏差问题缺乏有效解决方案；其三，现有方法难以量化决策路径间的量子式干扰效应。这些理论缺陷导致传统方法在复杂供应链场景中应用受限，无法满足企业动态调整供应商组合的需求。

文献综述部分重点评述近五年相关领域的关键进展。在GSS评价体系构建方面，Zhou和Chen（2023）提出的三维评价模型（经济-环境-社会）被广泛引用，但指标权重确定仍依赖专家主观判断。针对此问题，Almasi等（2021）开发的区间模糊数方法虽能部分量化不确定性，但无法处理概率分布特征。最新研究趋势显示，PULTS（概率不确定 linguistic terms）因其融合区间模糊数与概率分布的双重优势，正在逐步替代传统模糊数模型（Lin等，2018）。在群体决策机制方面，Tang等（2020）提出的多轮反馈修正机制虽能提升共识水平，但存在专家意见抵抗和交互成本过高等问题。Shen等（2025）的动态权重调整模型虽缓解了指标耦合问题，但未考虑决策路径的量子叠加特性。

方法论创新部分详细阐述四大核心突破。首先，PULTS的表达范式允许专家在保持信息完整性的同时，通过概率分布描述其对模糊指标的判断强度。这种表达方式既克服了传统模糊数信息丢失的缺陷，又通过概率参数有效量化专家的决策犹豫性，特别适用于环境绩效评估中存在显著主观性的场景。其次，虚拟角色共识机制通过构建"真实专家+虚拟代理"的混合决策群体，利用代理角色的信息稳定性保障功能，动态调整专家组合结构。实验证明，该机制可使群体决策效率提升40%以上，同时将信息交互成本降低至传统方法的1/3。第三，PT-whitening方法创新性地将行为经济学中的前景理论应用于指标权重计算。通过构建心理账户矩阵，量化专家在风险偏好下的指标重要性认知差异，再结合主成分分析的白化处理，消除指标间的多重共线性影响，使权重分配更贴近实际业务场景。

技术实现层面，双层量子贝叶斯网络架构具有显著创新价值。底层网络处理专家个体偏好，通过量子概率幅的叠加特性，实现多路径评估信息的并行处理；上层网络整合群体决策结果，运用量子测量原理提取最优解。针对量子干扰效应的量化难题，研究提出相似角动态拟合算法，通过计算各决策路径间的相位角差异，建立量子干扰强度评估模型。该模型创新性地引入约束最小化原则，确保干扰效应的量化结果在[-1,1]合理区间内，有效避免传统方法中量子叠加导致的数值失真问题。

案例验证部分选取制造业供应链作为实证对象。研究构建包含经济性（成本、质量、交期）、环境性（碳排放、资源利用率）、社会性（环保认证、劳工权益）三维度共15项指标的评估体系。通过对比分析发现：量子决策模型在环境和社会指标权重识别上准确率达92.7%，显著优于传统熵权法（78.4%）和AHP法（85.6%）；虚拟角色介入使群体共识达成速度缩短60%，且最终供应商排名与实际业务数据吻合度达89.3%。敏感性分析表明，经济性指标权重波动在±15%范围内，对最终供应商选择影响系数低于0.3，验证了环境因素的主导作用。

管理启示部分提出三个实践价值：其一，构建动态虚拟角色数据库，可实时追踪专家意见变化轨迹，为供应链中断风险预警提供决策支持；其二，开发基于量子干扰测度的供应商风险评估模型，能有效识别潜在的环境违规风险；其三，建立双阶段权重计算机制，使企业能灵活调整战略重点，适应不同环境政策强度下的市场变化。研究特别强调，在碳关税等国际贸易规则趋严的背景下，该模型对ESG（环境、社会、治理）指标的量化能力，可帮助企业提前3-6个月识别合规供应商，降低供应链重构成本达35%。

结论部分总结研究发现：在制造业GSS场景中，环境和社会维度指标对供应商选择的解释力达83.2%，显著高于经济性指标（21.7%）；虚拟角色介入使群体决策的纳什均衡达成率提升至91.4%；量子干扰效应量化模型成功将决策偏差控制在±2.1%以内。研究局限性主要在于虚拟角色行为模型尚未考虑文化差异因素，未来可结合跨文化心理学理论进行拓展。

该研究为解决复杂供应链环境下的供应商选择难题提供了新的方法论工具。其理论贡献体现在三个方面：首先，建立了概率不确定 linguistic terms与量子决策的数学映射关系；其次，提出群体决策动态权重分配模型，将专家意见的波动率降低42%；最后，开发量子干扰效应评估算法，使供应链风险预测准确率提升至87.5%。实践价值方面，已与3家世界500强制造企业合作，帮助企业优化供应商组合，年均减少碳排放量达12.7万吨，验证了模型在提升供应链环境绩效方面的有效性。