战略领导最早是由阿代尔在20世纪80年代提出的.战略领导是从战略目标的实现及组织绩效达成的角度诠释领导者能力的理论体系，同时是领导者预测事件、保持灵活性和指导组织做出长期判断的能力^[1].研究者越来越认为杰出的企业将更多地以团队工作的方式开展相关活动^[2].所以领导者的选择以及高管团队成员之间的匹配问题在近期的研究中变得非常重要.

战略领导理论关注组织层面的领导，并且“把对组织整体发展的关注作为标志，包括其不断变化的目标和能力”.战略领导关注对组织有全权责任的人，不仅包括名义上的组织领导还包括上层管理团队或组织当权者^[3].与战略领导相关的活动包括做出战略决定，创造和交流真知灼见，发展组织结构、进程和控制；管理多重部门；选拔和培养下一代领导人；持续发展有效的组织文化；把道德价值体系融入到组织文化当中^[4].战略领导的精髓在于创造、吸收和适应能力以及管理的智慧^[5].因此按照战略管理过程将战略领导能力分为愿景能力、战略驱动能力、关系能力、战略执行能力及战略决策能力五个维度^[6].

Sosik等认为高层领导所具有的战略特质，使他们能够制定决策并在危急关头保证战略的正确执行.高层视角强调把高层管理者视为一个团队，因为战略决策的制定和实施通常是管理者们相互交流、商议、辩论的动态过程^[7].领导者不仅需要感知组织的需求和目标，还要根据它们调整团队行为和个人处事方式.此外，一些研究表明跨界活动影响高层管理者的认知，从而影响公司的战略决策.高管倾向于依赖已建成的渠道及获得的信息与团队成员进行深入交流，并进行战略决策.

1989年Atanassov 首次提出“区间直觉模糊集”的概念，在随后的一段时间内，诸多学者将区间直觉模糊集应用于多属性决策领域.由于受客观环境、决策者认知水平与个性偏好等诸多因素影响，决策者无法给出对候选人员的准确偏好.此时用“区间直觉模糊集”来构造区间直觉判断矩阵以便于全面、细致、直观地描述和刻画决策者的偏好信息，因而对该类问题的研究有着较高的实际应用价值.赵希男等按照目标规划的思想基于个体优势识别研究企业团队胜任特征^[8].

通过对文献的回顾可以发现,以往战略领导能力研究中的焦点是企业高层管理者，认为他们是企业绩效的核心.然而，组织也常常会面对这样的情境，即企业高层管理者战略领导能力的提升并没有带来团队和组织绩效的提升.在新的环境中,企业高层管理者必须面对诸多事情，非高层管理者个人所能主导，此时企业高层管理团队逐渐成为管理的核心,因此在研究中分析单元不仅应关注高管个体,还应该关注高管团队.对高管团队而言,则更多表现为成员间的优势互补、合理配置，成员为实现共同的目标而努力.

但是,以往关于高层管理团队战略领导能力的研究多以定性描述为主，尤其是针对多个决策者的高管成员选择问题，缺少有效的定量决策方法.本文应用区间直觉模糊集来描述决策者判断信息的模糊程度，根据反映决策者判断信息模糊程度的直觉模糊熵来确定评价权重，引入区间直觉模糊集的模糊交叉熵计算被评候选人到完全匹配候选人和完全不匹配候选人的距离，据此给出一种基于模糊熵的区间直觉模糊多属性群决策方法进行高管团队成员选择，从而实现高管团队的最优匹配,以弥补以往该方面研究的不足.

定义1 设R为实数域，=[a^L,a^U]闭区间，称为区间数，其中a^L∈R，a^L≤a^U，特别地，当a^L=a^U时，就退化为确定数.

定义2 设X是一个非空集合，直觉模糊集A={〈x,u_A(x),v_A(x)|x∈X〉］}，那么它的u_A(x)和v_A(x)分别为X中元素x属于A的隶属度和非隶属度，即u_A:X→[0,1],x∈X→u_A(x)∈[0,1]，v_A:X→[0,1],x∈X→v_A(x)∈[0,1]且满足条件0≤u_A(x)+v_A(x)≤1,x∈X.

定义3 设X中的任一直觉模糊集，如果π_A(x)=1－u_A(x)－v_A(x),x∈X,则称π_A(x)为元素x属于A的犹豫度或不确定度.显然0≤π_A(x)≤1,x∈X.

定义4 设X是一个非空集合，则称A={〈x,[u_AL(x),u_AU(x)],[v_AL(x),v_AU(x)]|x∈X〉}为区间直觉模糊集，其中0≤u_AU(x)+v_AU(x)≤1，u_AL(x)≥0,v_AL(x)≥0，则其犹豫程度π_A(x)=[1－u_AU(x),1－v_AU(x)].

定义5 设A∈IVIFS(X)，那么区间直觉模糊数A的模糊熵被定义为：E(A)=，式中∧，∨分别代表最小和最大函数min和max.如果区间直觉模糊集B比A模糊,则E(A)≤E(B).

定义6 设区间直觉模糊集A和B之间模糊相对熵

定义7 两个区间直觉模糊集A和B之间的模糊相对熵距离为：D(A,B)=I(A,B)+I(B,A).可证明区间模糊相对熵D(A,B)有如下性质：

性质1 D(A,B)≥0，

性质2 D(A,B)=D(B,A).

对于某一企业高层管理者，可供选择的高层管理者候选人为A={A_i|i=1,…,m}，匹配属性集为X={X_j|j=1,…,n}，由于时间压力和决策者对决策问题的了解程度等原因，决策者很难给出各高层管理者候选人A_i相对于属性X_j的准确匹配程度，所以决策者k给出的高层管理者候选人A_i在匹配准则X_j的匹配信息为区间直觉模糊集_ij^k=〈[a_ij^k,b_ij^k],[c_ij^k,d_ij^k]〉，它表示决策者基于准则X_j赞成高层管理者候选人A_i和反对高层管理者候选人A_i的程度分别为[a_ij^k,b_ij^k],[c_ij^k,d_ij^k]，则^k=[_ij^k]_m×n为判断信息为区间直觉模糊集的高层管理者候选人匹配矩阵，可表示为

匹配属性集X_j的权重由决策者给出：ω_j^k(j=1,2,…,n).0≤ω_j^k≤1,j=1,2,…,n，ω_j^k=1.决策者权重λ=(λ₁,λ₂,…,λ_k)未知.

步骤 1 确定完全匹配、完全不匹配候选人，按照组织原则完全匹配和完全不匹配的候选人是不存在的，所以该模型确定的完全匹配、完全不匹配候选人为虚拟候选人，计算公式为

步骤2 分别计算各候选人与完全匹配候选人和完全不匹配候选人的模糊相对熵距离.

步骤3 确定决策者权重λ_k=(λ₁,λ₂,…,λ_k).决策者提供信息的确定性程度决定着决策者的权重.决策者提供的信息越模糊越不确定，则其对决策对象的了解程度越少，赋予较小权重；否则，其权重较大.模糊熵可用来计算决策者提供信息的确定性程度，决策者权重的计算公式为

其中：, .

可见，0≤H_k≤1，0≤λ_k≤1，且.

步骤4 决策者判断信息的集结.加权算术算子和加权几何算子的集结距离分别用D_i和S_i表示.

步骤5 计算贴近度，选择最优候选人.

显然，C_i越大，高层管理者候选人A_i距离完全匹配候选人的距离越小，因而选择高层管理者候选人.

将上述模型应用于具体事例，来说明所提出方法的有效性.某企业为了进一步开拓市场，新成立一家IT公司，总经理和其他高管成员也已到位，人员有一定的磨合，有较好的匹配度.为了保证新公司的有效运营，仍需要招聘有管理经验的运营总监1名，现有4名候选人.需要从以下几方面进行考虑：一是，就运营总监的战略领导能力而言，应具备X₁愿景能力；X₂战略驱动；X₃关系能力；X₄战略执行能力和X₅战略决策能力五项要素，这是候选运营总监应达到基本的要求.二是，对于候选运营总监进行决策评价的是其他4位公司已有的高层管理者，应聘的运营总监候选人将和评价者一起形成高管团队.因此除了个人能力外，还要考虑到候选运营总监的能力与现有团队的匹配性.

每位决策者根据在每一决策准则上赞成和反对结果给出模糊决策矩阵，由于评价问题的综合性、复杂性、动态性和不确定性以及决策者的认知有限性等原因，打分结果以区间直觉模糊数的形式存在，由于篇幅限制，只列出PM公司第1个高层管理者对4名候选人A₁，A₂，A₃，A₄的模糊决策信息和各属性权重信息，如表 1所示，决策者的权重未知.

表 1

Table 1

表 1 (Table 1)

表 1 PM公司高层管理者1模糊决策矩阵 Table 1 Fuzzy decision matrix of top manager 1 in PM corporation X1 X 2 X 3 X 4 X 5 <[0.60,0.80],[0.1,0.15]> <[0.60,0.75],[0.15,0.20]> <[0.6,0.65],[0.25,0.30]> <[0.70,0.80],[0.15,0.15]> <[0.70,0.8],[0.20,0.25]> <[0.60,0.75],[0.15,0.20]> <[0.65,0.80],[0.10,0.15]> <[0.65,0.70],[0.25,0.30]> <[0.70,0.75],[0.2,0.25]> <[0.60,0.65],[0.30,0.35]> <[0.80,0.85],[0.1,0.15]> <[0.60,0.65],[0.25,0.30]> <[0.70,0.70],[0.20,0.25]> <[0.60,0.70],[0.25,0.30]> <[0.65,0.70],[0.25,0.30]> <[0.60,0.65],[0.25,0.30]> <[0.70,0.85],[0.10,0.15]> <[0.70,0.80],[0.15,0.20]> <[0.70,0.75],[0.15,0.20]> <[0.50,0.55],[0.4,0.45]> 0.22 0.17 0.25 0.15 0.21

表 1 PM公司高层管理者1模糊决策矩阵 Table 1 Fuzzy decision matrix of top manager 1 in PM corporation

首先，利用式(1)，(2)确定完全匹配候选人和完全不匹配候选人.然后，利用式(3)，(4)计算各候选人到完全匹配候选人和完全不匹配候选人的加权模糊相对熵距离，按照式(10)计算贴近度C_i和每位决策者的排序结果，如表 2所示.决策者1选择第1个候选人为新公司运营总监，决策者2，3，4则分别选择第3，第2和第4名候选人，在群决策过程中很难让不同决策者给出一致决定.

表 2

Table 2

表 2 (Table 2)

表 2 各候选人贴近度与每位决策者排序结果 Table 2 Candidates’ closeness and each decision maker’s sorting results 候选人 决策者1 决策者2 决策者3 决策者4 C1 排序 C2 排序 C3 排序 C4 排序 A1 0.77 1 0.53 3 0.46 3 0.28 3 A 2 0.41 0.56 2 0.78 1 0.50 2 A 3 0.65 2 0.67 1 0.43 4 0.19 4 A 4 0.33 4 0.41 4 0.50 2 0.57 1

表 2 各候选人贴近度与每位决策者排序结果 Table 2 Candidates’ closeness and each decision maker’s sorting results

利用式(5)求出决策者权重为λ=(0.230,0.275,0.252,0.243).再利用式(6)~(9)分别计算决策者集结距离.最后，根据式(10),(11)求出各候选人的贴近度，给出候选人排序如表 3所示.可以看出：加权算术算子和加权几何算子得到的候选人排序均为A₂＞A₁＞A₃＞A₄，应选择A₂为企业新公司的运营总监.

表 3

Table 3

表 3 (Table 3)

表 3 各候选人集结贴近度与排序 Table 3 Candidates’ aggregated closeness and sorting 候选人 加权算术算子 加权几何算子 集结贴近度 排序 集结贴近度 排序 A 1 0.527 2 0.516 2 A 2 0.616 1 0.572 1 A 3 0.486 3 0.475 3 A 4 0.441 4 0.450 4

表 3 各候选人集结贴近度与排序 Table 3 Candidates’ aggregated closeness and sorting

应用文献[9]的方法来解决本文的实际问题，同样选择A₂为企业新公司的运营总监.但是与本文的方法相比，是在决策者权重已知的前提下做出的，不能解决决策者权重未知的高管团队成员选择问题.文献[8]的方法与本文方法的主要区别在于，假定一个决策者进行评价选择，没有考虑多个决策者的群体选择和决策行为；文献[10]考虑多个决策者的群体决策行为，但是假定决策者权重已知，没有客观地考虑决策者提供信息的模糊程度和决策者权重的关系.

1) 本文引入区间直觉模糊集来描述高管成员选择问题，更为细腻地描述了决策者的认识特点；针对多个决策者群体选择高管成员不一致的问题提出具体的决策方法，该方法为企业高管团队的组建和协同配合提供可以借鉴的思路.如果不能有效识别企业高层管理者的战略领导能力，即使与团队成员非常和谐仍然达不到提升企业绩效的目的.

2) 本文在解决多人决策的高管成员选择问题时借鉴了多属性决策的思路，将具有战略领导能力，同时与现有高管团队成员匹配的成员进行选择，提高了团队的整体融合能力.需要指出的是，还可以考虑采用其他方法如模式识别、多目标优化模型和博弈论等来识别企业高层管理者的战略领导能力与团队匹配度.