CN105138838A - 基于ahp和专家排序赋权的指标权重分配方法 - Google Patents
基于ahp和专家排序赋权的指标权重分配方法 Download PDFInfo
- Publication number
- CN105138838A CN105138838A CN201510519017.2A CN201510519017A CN105138838A CN 105138838 A CN105138838 A CN 105138838A CN 201510519017 A CN201510519017 A CN 201510519017A CN 105138838 A CN105138838 A CN 105138838A
- Authority
- CN
- China
- Prior art keywords
- expert
- index
- weight
- ahp
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于AHP和专家排序赋权的指标权重分配方法,方法实施步骤如下:1)基于专家个人的判断,构造专家个体判断矩阵Ae,个体判断矩阵需要通过一致性校验;2)给每个专家赋予相同的权重,构造一次群体判断矩阵Aa,计算一次群体决策指标权重向量Ua;3)按照专家排序为专家赋予不同的权重we;4)计算二次群体决策指标权重计算的过程为向量Ub;5)根据Ub输出指标权重。本方法有效发挥多名专家群体决策集思广益的积极正效应,同时有效修正群体决策中的个人极端偏好对决策的负面影响。本方法与基于AHP和专家聚类的指标权重分配方法相比,不需要进行专家聚类迭代计算,不需要确定专家聚类收敛条件,所以具有计算步数明确及计算量少的优点。
Description
技术领域
本发明属于群体决策指标赋权领域,具体涉及一种基于AHP和专家排序赋权的指标权重分配方法。
技术背景
为指标分配权重是评价和决策的重要步骤,采用层次分析法AHP(AnalyticHierarchyProcess)为评价指标分配权重是常见的方法,通常需要多名专家一起对指标进行赋权。在专家群体决策中,每位专家自身知识背景不同,个人经验和职业偏好不同,对评判方案的了解不同,每个专家的权重也应该有所区别,所以,为群体决策中专家赋权是群体决策的重要内容。目前文献中根据专家评判结果进行专家聚类赋权的方法,具有迭代终止条件缺乏说服力,当专家人数较大时迭代计算步骤繁琐及计算量大的不足(文献1:高阳,罗贤新,胡颖.基于判断矩阵的专家聚类赋权研究[J].系统工程与电子技术.Vol.31No.3.Mar.2009;文献2:YANGYu-lan,TAIHui-xin,SHITao.Weightingindicatorsofbuildingenergyefficiencyassessmenttakingaccountofexperts’priority[J].JournalofCentralSouthUniversity,Vol19,March2012,PP.803-808.)。
本发明提出一种基于AHP和专家排序赋权的指标权重分配方法,不需要进行专家聚类迭代计算,不需要确定专家聚类收敛条件,所以具有计算步数明确及计算量少的优点。群体决策根据多名参与者的集体智慧进行决策,具有能作出客观评估集思广益的积极正效应,但是也有个人极端偏好影响到决策质量的消极负效应。本方法将AHP和专家排序赋权相结合,应用于群体决策环境下的评价指标权重分配,能有效地发挥群体决策的积极正效应,并能修正群体决策中的个人极端偏好对决策的负面影响,提高群体决策的质量,改善决策。
发明内容
本发明克服现有技术的上述缺点,提供基于AHP和专家排序赋权的指标权重分配方法,该方法具有计算步数明确、计算量小的优点。该方法应用于群体决策环境下的评价指标权重分配,有效地修正了群体决策环境下个人极端偏好对指标赋权的负面影响,发挥了群体决策积极正效应,所以,提高了群体决策环境下为指标分配权重的决策质量。
基于AHP和专家排序赋权的指标权重分配方法,其技术方案和实施步骤如下所示:
1)基于专家个人的判断,构造专家个体判断矩阵Ae;
2)一次群体决策指标权重计算的过程为:给每个专家赋予相同的权重,在此基础上,构造一次群体判断矩阵Aa,并计算一次群体决策指标权重向量Ua;
3)按照专家个体判断与一次群体决策的接近程度为专家排序并赋权的过程为:基于每个专家的个体判断矩阵Ae计算专家个体判断指标权重向量Ue,基于Ue和Ua计算专家个体判断与一次群体决策的接近程度,按照接近程度对专家进行排序,在排序基础上对每个专家赋予不同的权重we;
4)二次群体决策指标权重计算的过程为:结合专家权重we,构造二次群体决策判断矩阵Ab,计算二次群体决策权重向量Ub;
5)根据Ub输出指标权重。
进一步,所述步骤1)构造专家个体判断矩阵包括以下步骤:
(11)假设有m个专家参与指标权重分配决策,有n个评价指标需要分配权重;
(12)每个专家独立地对指标重要性做两两对比,基于专家的独立判断构造专家个体判断矩阵,第e个专家的判断矩阵如矩阵Ae所示,ae ij表示第e个专
家对指标i和指标j重要程度的判断,ae ij的取值采用AHP的9点法;
(13)按照AHP判断Ae的一致性,如果一致性未通过校验,需要专家重新对指标的重要性做两两对比,按照步骤(12)重新构造专家个体判断矩阵并进行一致性校验;
所述步骤2)一次群体决策指标权重计算包括以下步骤:
(21)认为每位专家权重均相同,按照公式(1)构造一次群体判断矩阵Aa;
(22)计算一次群体判断矩阵Aa最大特征值对应的向量特征Va(va1,va2,…,van);
(23)根据Va计算一次群体决策指标归一化权重向量Ua(ua1,ua2,…,uan);
所述步骤3)按照专家个体判断与一次群体决策的接近程度为专家排序并赋权过程实施步骤如下:
(31)计算每一位专家的个人判断矩阵Ae最大特征值对应的特征向量Ve(ve1,ve2,…,ven);
(32)计算每一位专家个人判断指标归一化权重向量Ue(ue1,ue2,…,uen);
(33)专家个体判断与一次群体决策之间的一致性程度采用向量夹角余弦dea来定义,dea按照公式(2)计算,
(34)根据dea(e=1、2、…、m)数值的大小将m个专家进行排序,dea的数值越大,说明该专家的个体判断与一次群体决策越接近,排序越靠前;
(35)按照专家排序给专家赋权指:采用简单排序编码法对专家赋权,排序越靠前,专家权重越大;
所述步骤4)二次群体决策指标权重计算的步骤如下:
(41)按照公式(3)构造二次群体判断矩阵Ab;
式中we指第e位专家的权重。
(42)计算二次群体判断矩阵Ab最大特征值对应的特征向量Vb(vb1,vb2,…,vbn);
(43)计算二次群体决策指标归一化权重向量Ub(ub1,ub2,…,ubn);
所述步骤5)根据Ub输出指标权重指Ub中的元素与评价指标归一化权重一一对应。
附图说明
图1是本发明的方法流程图
具体实施方式
参照附图,进一步说明本发明的具体实施:
本发明所述的基于AHP和专家排序赋权的指标分配权重方法,包括以下步骤:
1)基于专家个人的判断,构造专家个体判断矩阵矩阵Ae;
2)一次群体决策指标权重计算的过程为:给每个专家赋予相同的权重,在此基础上,构造一次群体判断矩阵Aa,并计算一次群体决策指标权重向量Ua;
3)按照专家个体判断与一次群体决策的接近程度为专家排序并赋权过程为:基于每个专家的个体判断矩阵Ae计算专家个体判断指标权重向量Ue,基于Ue和Ua计算专家个体判断与一次群体决策的接近程度,按照接近程度对专家进行排序,在排序基础上对每个专家赋予不同的权重we;
4)二次群体决策指标权重计算的过程为:结合专家权重we,构造二次群体决策判断矩阵Ab,计算二次群体决策权重向量Ub;
5)根据Ub输出指标权重。
所述步骤1)构造专家个体判断矩阵具体包括以下步骤:
(1)假设有m个专家参与指标权重分配决策,将专家用1……m进行编号,将需分配权重的指标数量设为n;
(2)每个专家独立地对指标重要性做两两对比,并基于专家的独立判断构造专家个体判断矩阵,第e个专家的判断矩阵如矩阵Ae所示,ae ij表示第e个专家对指标i和指标j重要程度的判断;
(3)Ae中元素ae ij的取值采用AHP的9点法,e=1、2、…、m,i=1、2…、n,j=1、2…、n,ae ij取值方法如表1所示:
表1判断矩阵元素取值方法
ae ij取值 | 指标重要性两两对比的描述 |
1 | 表示两个指标相比,指标i和指标j具有相同重要性 |
3 | 表示两个指标相比,指标i比指标j稍重要 |
5 | 表示两个指标相比,指标i比指标j明显重要 |
7 | 表示两个指标相比,指标i比指标j强烈重要 |
9 | 表示两个指标相比,指标i比指标j极端重要 |
2,4,6,8 | 表示上述相邻判断的中间值 |
(4)一致性校验指按照AHP判断Ae的一致性,如果一致性未通过校验,需要专家重新对指标的重要性做两两对比,重新构造专家个体判断矩阵,直到通过一致性校验,一致性校验的具体实施如下:按照计算一致性指标C.I.,式中λmax指Ae的最大特征值,在matlab中采用[d,v]=eig(Ae)命令进行计算,按照计算一致性比率C.R.,式中随机一致性率R.I.取值按照表2所示,当C.R.<0.10时,认为判断矩阵Ae的一致性通过校验;
表2随机一致性率R.I.取值
所述步骤2)一次群体决策指标权重计算的具体实施包括以下步骤:
(1)认为每位专家权重均相同,按照公式(1)构造一次群体判断矩阵Aa;
(2)采用matlab提供的[d,v]=eig(Aa)命令计算一次群体判断矩阵Aa最大特征值对应的特征向量Va(va1,va2,…,van);
(3)通过归一化公式计算一次群体决策指标权重向量Ua(ua1,ua2,…,uan);
所述步骤3)按照专家个体判断与一次群体决策的接近程度为专家排序并赋权过程的实施包括以下步骤:
(1)在matlab中应用[d,v]=eig(Ae)命令计算每位专家个体判断矩阵Ae最大特征值对应的特征向量Ve(ve1,ve2,…,ven),e=1、2、…、m;
(2)基于Ve,通过归一化公式计算每个专家个体判断指标权重向量Ue(ue1,ue2,…,uen),e=1、2、…、m;
(3)个体专家判断与一次群体决策之间的一致性程度采用向量夹角余弦dea来定义,dea按照公式(2)计算,
(4)根据dea(e=1、2、…、m)数值的大小将m个专家进行排序,dea的数值越大,说明该专家的个体判断与一次群体决策越接近,排序越靠前,相应的专家权重越大;
(5)根据专家排序为专家赋权的具体实施为:排在最前一位的专家的归一化权重为m/(1+2+…+m),排在第二位的专家的归一化权重为(m-1)/(1+2+…+m),依次进行,排在最后一位专家的归一化权重为1/(1+2+…+m);
(6)按照专家编号,将所对应的归一化权重赋予该专家,得到每个专家的权重向量We(w1,w2,…,wm);
所述步骤4)二次群体决策指标权重计算的具体步骤如下:
(1)结合专家权重,按照公式(3)构造二次群体判断矩阵Ab;
(2)在matlab中采用[d,v]=eig(Ab)命令计算二次群体判断矩阵Ab最大特征值对应的特征向量Vb(vb1,vb2,…,vbn);
(3)通过归一化公式计算二次群体决策指标权重向量Ub(ub1,ub2,…,ubn);
所述步骤5)根据Ub输出指标权重具体实施为:指标1的归一化权重为ub1,指标2的归一化权重为ub2,依次类推,指标n的归一化权重为ubn。
Claims (6)
1.一种基于AHP和专家排序赋权的指标权重分配方法,实施步骤如下:
1)基于专家个人的判断,构造专家个体判断矩阵Ae;
2)一次群体决策指标权重计算的过程为:给每个专家赋予相同的权重,在此基础上,构造一次群体判断矩阵Aa,并计算一次群体决策指标向量Ua;
3)按照专家排序为专家赋权的过程为:基于专家个体判断与一次群体决策的接近程度进行专家排序并赋权;
4)二次群体决策指标权重计算的过程为:结合专家权重,构造二次群体决策判断矩阵Ab,计算二次群体决策权重向量Ub;
5)根据Ub输出指标权重。
2.根据权利要求1所述的基于AHP和专家排序赋权的指标权重分配方法,其特征在于:所述步骤1)构造专家个体判断矩阵包括以下步骤:
11)将参与指标权重分配决策的专家人数设为m,将需分配权重的评价指标数量设为n;
12)每个专家独立地对指标重要性做两两对比,并基于专家的独立判断构造专家个体判断矩阵,第e个专家的判断矩阵如矩阵Ae所示,ae ij指根据第e个专
家的个体判断,指标i与指标j的重要程度,其值采用AHP的9点法;
13)每个专家的个体判断矩阵均需通过AHP一致性校验。
3.根据权利要求1所述的基于AHP和专家排序赋权的指标权重分配方法,其特征在于:所述步骤2)一次群体决策指标权重计算包括以下步骤:
21)认为每位专家权重均相同,按照公式(1)构造一次群体判断矩阵Aa;
22)计算一次群体判断矩阵Aa最大特征值对应的特征向量Va(va1,va2,…,van);
23)基于Va计算一次群体决策指标归一化权重向量Ua(ua1,ua2,…,uan)。
4.根据权利要求1所述的基于AHP和专家排序赋权的指标权重分配方法,其特征在于:所述步骤3)基于专家个体判断与一次群体决策的接近程度进行专家排序并赋权包括以下步骤:
31)计算每一位专家的个体判断矩阵Ae最大特征值对应的特征向量Ve(ve1,ve2,…,ven);
32)基于Ve计算每一位专家个体判断指标归一化权重向量Ue(ue1,ue2,…,uen);
33)评判专家个人判断与一次群体决策之间的一致性程度采用向量夹角余弦dea来定义,dea按照公式(2)计算,
34)根据dea(e=1、2、…、m)数值的大小将m个专家进行排序,dea的数值越大,说明该专家的个体判断与一次群体决策越接近,排序越靠前;
35)按照专家排序给专家赋权指:采用简单排序编码法对专家赋权,排序越靠前,专家权重越大。
5.根据权利要求1所述的基于AHP和专家排序赋权的指标权重分配方法,其特征在于:所述步骤4)二次群体决策指标权重计算具体步骤如下:
41)按照公式(3)构造二次群体判断矩阵Ab;
式(3)
式中we指第e位专家的权重;
42)计算二次群体判断矩阵Ab最大特征值对应的特征向量Vb(vb1,vb2,…,vbn);
43)计算二次群体决策指标归一化权重向量Ub(ub1,ub2,…,ubn)。
6.根据权利要求1所述的基于AHP和专家排序赋权的指标权重分配方法,其特征在于:所述步骤5)根据Ub输出指标权重指:Ub中的元素与评价指标的归一化权重一一对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510519017.2A CN105138838B (zh) | 2015-08-21 | 2015-08-21 | 基于ahp和专家排序赋权的指标权重分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510519017.2A CN105138838B (zh) | 2015-08-21 | 2015-08-21 | 基于ahp和专家排序赋权的指标权重分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105138838A true CN105138838A (zh) | 2015-12-09 |
CN105138838B CN105138838B (zh) | 2017-11-07 |
Family
ID=54724183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510519017.2A Active CN105138838B (zh) | 2015-08-21 | 2015-08-21 | 基于ahp和专家排序赋权的指标权重分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105138838B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109309847A (zh) * | 2018-09-11 | 2019-02-05 | 四川长虹电器股份有限公司 | 一种影视实体热度综合评估方法 |
CN109446646A (zh) * | 2018-10-29 | 2019-03-08 | 河北工业大学 | 一种基于ahp的关键技术元素识别方法 |
CN109711671A (zh) * | 2018-11-28 | 2019-05-03 | 中国科学院科技战略咨询研究院 | 一种基于指标体系谈判的群决策系统与方法 |
CN112668871A (zh) * | 2020-12-25 | 2021-04-16 | 中国人民解放军63892部队 | 多轮群体决策中专家权重动态分配方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617371A (zh) * | 2013-12-10 | 2014-03-05 | 国家电网公司 | 一种基于灰色理论的电能质量综合评估方法 |
CN103870695A (zh) * | 2014-03-18 | 2014-06-18 | 国家电网公司 | 一种大电源接入电网电压等级的判别方法 |
KR20140108000A (ko) * | 2013-02-28 | 2014-09-05 | 서울대학교산학협력단 | 선표 계획 평가를 위한 방법 및 시스템 |
-
2015
- 2015-08-21 CN CN201510519017.2A patent/CN105138838B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140108000A (ko) * | 2013-02-28 | 2014-09-05 | 서울대학교산학협력단 | 선표 계획 평가를 위한 방법 및 시스템 |
CN103617371A (zh) * | 2013-12-10 | 2014-03-05 | 国家电网公司 | 一种基于灰色理论的电能质量综合评估方法 |
CN103870695A (zh) * | 2014-03-18 | 2014-06-18 | 国家电网公司 | 一种大电源接入电网电压等级的判别方法 |
Non-Patent Citations (2)
Title |
---|
刘鹏,张园林,晏湘涛,匡兴华: "基于专家动态权重的群组AHP交互式决策方法", 《数学的实践与认识》 * |
李明奇,刘玉娟,赵美玲: "一种基于判断矩阵的专家赋权方法", 《科技信息》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109309847A (zh) * | 2018-09-11 | 2019-02-05 | 四川长虹电器股份有限公司 | 一种影视实体热度综合评估方法 |
CN109446646A (zh) * | 2018-10-29 | 2019-03-08 | 河北工业大学 | 一种基于ahp的关键技术元素识别方法 |
CN109711671A (zh) * | 2018-11-28 | 2019-05-03 | 中国科学院科技战略咨询研究院 | 一种基于指标体系谈判的群决策系统与方法 |
CN109711671B (zh) * | 2018-11-28 | 2020-12-29 | 中国科学院科技战略咨询研究院 | 一种基于指标体系谈判的群决策系统与方法 |
CN112668871A (zh) * | 2020-12-25 | 2021-04-16 | 中国人民解放军63892部队 | 多轮群体决策中专家权重动态分配方法 |
CN112668871B (zh) * | 2020-12-25 | 2023-10-13 | 中国人民解放军63892部队 | 多轮群体决策中专家权重动态分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105138838B (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694467B (zh) | 一种对配电网线损率进行预测的方法及系统 | |
CN105138838A (zh) | 基于ahp和专家排序赋权的指标权重分配方法 | |
CN105023195B (zh) | 含分布式光伏配电网可靠性评价方法 | |
CN110728401A (zh) | 基于松鼠杂草混合算法的神经网络短期电力负荷预测方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN106204154A (zh) | 基于层次分析法和熵值法的用户价值评分系统及其方法 | |
CN106408008A (zh) | 一种基于负荷曲线距离和形状的负荷分类方法 | |
CN113655385B (zh) | 锂电池soc估计方法、装置及计算机可读存储介质 | |
CN107769237A (zh) | 基于电动汽车接入的多能源系统协同调度方法及装置 | |
CN105048479B (zh) | 一种光伏电站无功分组调节方法 | |
CN106156885A (zh) | 一种电网整体脆弱性综合评价方法 | |
CN105007170A (zh) | 一种基于fahp-svm理论的wlan网络负载综合评价方法 | |
CN105225021A (zh) | 配电网待建项目的优化选择方法 | |
CN105335902A (zh) | 电力通信网的可靠性确定方法及装置 | |
CN115986817A (zh) | 一种虚拟电厂多成员综合贡献度分配方法 | |
CN107274079A (zh) | 基于改进灰色聚类的供电区域划分方法 | |
CN104331613A (zh) | 一种多目标多属性决策方法 | |
CN110851913B (zh) | 一种直升机气动噪声确定方法 | |
CN107316503B (zh) | 一种基于多级物元熵权的拥堵热点空域扇区识别方法 | |
CN104156878A (zh) | 用于农网改造升级工程评估指标权重的确定方法 | |
Peng et al. | Information systems risk evaluation based on the AHP-fuzzy algorithm | |
CN110347972A (zh) | 机电特种设备安全性评价指标体系的权重集组合量化方法 | |
CN113363991B (zh) | 一种基于综合灵敏度的潮流控制方法 | |
CN108711867A (zh) | 一种计及电压稳定约束的配电网无功规划方法 | |
CN108898322A (zh) | 一种基于fcm算法的电网投资策略效益综合评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |