CN116402370A - 一种基于ahp改进critic的综合指标赋权方法 - Google Patents
一种基于ahp改进critic的综合指标赋权方法 Download PDFInfo
- Publication number
- CN116402370A CN116402370A CN202211661409.9A CN202211661409A CN116402370A CN 116402370 A CN116402370 A CN 116402370A CN 202211661409 A CN202211661409 A CN 202211661409A CN 116402370 A CN116402370 A CN 116402370A
- Authority
- CN
- China
- Prior art keywords
- index
- weight
- ahp
- evaluation
- comprehensive
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 4
- 230000000295 complement effect Effects 0.000 abstract description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于AHP改进CRITIC的综合指标赋权方法,涉及信息系统工程技术领域,其技术方案要点是:具体包括以下步骤:S1:确定AHP评估指标权重,得到最终的权重向量;S2:改进CRITIC法并确定评估指标权重;确定评估指标综合权重。该方法复合采用层次分析法AHP、CRITC方法和最大信息系数,计算指标权重,既借鉴了主客观赋权法各自的优点,又弥补了主客观赋权法各自存在的缺陷,使主客观赋权法在综合过程中形成互补。
Description
技术领域
本发明涉及信息系统工程技术领域,更具体地说,它涉及一种基于AHP改进CRITIC的综合指标赋权方法。
背景技术
评估指标体系按层次分布,总目标反映了动态适应能力的好坏,子指标反映了评估对象的各特征属性,各指标对总目标的贡献不同,相对重要性也有所差异。指标权重是对指标相对重要性的量化,评估指标权重的确定将直接影响评估结论的科学性、合理性、准确性。
目前针对评估指标的赋权方法研究多采用单一的主观或客观赋权法,以层次分析法(AHP)为代表的主观赋权法主要存在以下问题:1)指标权重计算依赖于专家的经验知识和主观判断,不同方法的决策差异性过大;2)没有考虑指标体系建立时指标之间的内在关联性,直接运用线性加权理论加权求和得到目标威胁值,忽视了线性加权理论必须满足各指标是线性无关的前提;3)单纯考虑各指标数值信息,不能挖掘评估指标的内部隐藏信息,缺乏对指标序列的综合考虑,从而影响决策结果的可靠性和准确性。客观赋权法主要问题是:1)缺乏评估者专业领域经验的参与,在具体应用过程及结果中,不能有效地对评估数据进行判断,可能会出现某些指标权重结果与实际经验或常识不符的问题;2)客观赋权法类型较多,每种方法与指标之间的关系存在一定关联,缺少通用性的赋权方法。
发明内容
本发明的目的是提供一种基于AHP改进CRITIC的综合指标赋权方法,该方法复合采用层次分析法AHP、CRITC方法和最大信息系数,计算指标权重,既借鉴了主客观赋权法各自的优点,又弥补了主客观赋权法各自存在的缺陷,使主客观赋权法在综合过程中形成互补。
本发明的上述技术目的是通过以下技术方案得以实现的:一种基于AHP改进CRITIC的综合指标赋权方法,具体包括以下步骤:
S1:确定AHP评估指标权重,得到最终的权重向量;
S2:改进CRITIC法并确定评估指标权重;其具体步骤是:
S2-1:建立评价矩阵:
其中,xij表示第i个指标的第j次评估值;
S2-2:表征各指标之间的权重大小,计算每个指标的标准差:
Ci=σi(1-rji)
其中,σi表示指标xj的标准差,用来表征对比强度,rji为指标xi,xj之间的相关系数;
得出第i个指标xi的客观权重βi改进计算公式:
S2-4:在二维空间上的X轴和Y轴上分别划分x个格子和y个格子,从而得到x×y的网格划分G;
S2-5:通过改变划分位置并分别计算对应的变量之间互信息,计算公式为:
其中D为给定的数据集,D={(xi,yi),i=1,2,…,n};p(X,Y)是联合密度函数,p(X)和p(Y)是边缘概率分布函数;
S2-6:记录最大互信息值,然后进行归一化处理;
S2-7:改变网格划分数量,得到关于变量之间的归一化后的互信息值的特征矩阵;特征矩阵为:
S2-8:取特征矩阵的最大值即为两个变量之间的最大信息系数MIC值,即:
MIC(D)=maxxy<B(n){M(D)x,y};
其中,B(n)为网格化分数;
S2-9:根据变量间的互信息系数计算变量间的相关性,并得到指标的CRITIC权重;
S3:确定评估指标综合权重。
进一步的,S1的具体步骤是:
S1-1:确定各评估指标相互之间的重要性标度;
S1-2:利用专家打分法,得到指标间两两比较的判断矩阵A=(aij)n×n;
其中,aij表示元素ui和uj相对于上层元素意义的重要性的比例标度;
S1-3:对判断矩阵进行一致性检验,判断是否存在标度传递不合逻辑的情况;
S1-4:在得到各个专家的比较矩阵后,计算各个专家的权重向量,然后把权重向量进行几何平均,以得到最终的权重向量。
进一步的,S1-3的具体步骤为:
S1-3-1:计算一致性指标
其中,λmax是对比矩阵的最大特征值,可以通过以下公式得到
其中W为求得的权重向量;
S1-3-2:计算平均随机一致性指标RI;
S1-3-3:计算并检验一致性比例;根据S1-3-1得到Cl和S1-3-2得到的RI,来得到平均一致性比率CR:
通过判断CR与0.1数字进行比较,即可判断是否具有可靠的一致性。
进一步的,S3的具体步骤是:
S3-1:通过最小二乘法对所得的主观和客观权重进行组合优化,目标函数F(ωi)为:
其中约束条件为:
ωi为综合权重,αi为主观权重向量,βi为客观权重向量;
S3-2:使用拉格朗日乘数法求解上式,即得各指标综合权重值ωi。
综上所述,本发明具有以下有益效果:该方法针对传统CRITIC客观赋权法存在的不足,引入最大信息系数用来表征指标的对比强度和相关性,使得评估指标权重计算可具有普适性,将AHP评估指标权重与CRITIC评估指标权重进行最优化策略组合,使每个评估指标权重的确定是其他评估指标权重确定的最优反应,从而缩小主客观综合权重与实际权重之间的偏差,得到的综合赋权结果更科学、准确,弥补了单一赋权法的缺陷。
附图说明
图1是本发明实施例中一种基于AHP改进CRITIC的综合指标赋权方法的流程图。
具体实施方式
以下结合附图1对本发明作进一步详细说明。
实施例:一种基于AHP改进CRITIC的综合指标赋权方法的流程图,具体包括以下步骤:
S1:确定AHP评估指标权重,得到最终的权重向量;
S1的具体步骤是:
S1-1:确定各评估指标相互之间的重要性标度;
本实施例中,按1,2,……,9比例标度对价值高低程度赋值,1-9的标度表示的含义如表1所示:
表1比较标度表
标度 | 含义 |
1 | 两元素相比具有同样的价值 |
3 | 两元素相比前者比后者价值稍微高 |
5 | 两元素相比前者比后者价值一般高 |
7 | 两元素相比前者比后者价值非常高 |
9 | 两元素相比前者比后者价值极其高 |
2、4、6、8 | 表示上述判断的中间值 |
S1-2:利用专家打分法,得到指标间两两比较的判断矩阵A=(aij)n×n;其中,aij表示元素ui和uj相对于上层元素意义的重要性的比例标度;
在本实施例中,每次比对只考虑两个元素,直到所有的元素对都比较完毕,形成比对判断矩阵;假设计算4个指标的权重时,某个专家给出的比较矩阵如表2:
表2比对判断矩阵举例
该矩阵的现实意义表示该专家认为:
指标1的重要性与指标2相比,稍微低;
指标1的重要性与指标3相比,非常高;
指标1的重要性与指标4相比,一般高;
指标2的重要性与指标3相比,极其高;
指标2的重要性与指标4相比,稍微高;
指标3的重要性与指标4相比,稍微低。
S1-3:对判断矩阵进行一致性检验,判断是否存在标度传递不合逻辑的情况;
本实施例采取简单有效的一致性比率(CR)检验,来进行一致性判断,具体包括如下步骤:
S1-3-1:计算一致性指标
其中,λmax是对比矩阵的最大特征值,可以通过以下公式得到
其中W为求得的权重向量,根据上述公式,得到
AW=(1.45 2.31 0.19 0.51)T;
再依次除以对应权向量中的权值,得到:
最后平均值,得到最大特征根:
在求得矩阵的最大特征根后,就得到了矩阵的一致性指标;
S1-3-2:计算平均随机一致性指标RI;
这一步是指随机选取标度值,构成对比矩阵时,计算得到的一致性指标,对上述过程进行重复,把取得到的随机一致性指标的平均值,就得到了RI。
由于本实施例限定的标度值为1-9,所以计算步骤如下:
①从1-9和1/2-1/9这17个数以相同的概率随机选取,构成对比矩阵A;
②计算矩阵A的一致性指标CI1;
③重复①-②,得到m个CIk(k=1,2,……,n),计算平均随机一致性指标:
其中,采样值m越大,RI越趋向稳定;
S1-3-3:计算并检验一致性比例
根据S1-3-1得到Cl和S1-3-2得到的RI,来得到平均一致性比率CR:
当CR<0.1时,认为判断矩阵基本满足随机一致性指标;当CR≥0.1时,认为判断矩阵A不满足随机一致性指标,必需进行调整并重新计算,使其满足CR<0.1,从而具有可靠的一致性。
CR代表了专家的对比结果和随机的结果的对比,如果CR越接近1,即CI越接近RI,就表明专家的意见越接近随机,可信度低;相反,如果CR低于0.1,就表明专家的对比结果不是随机的,包含逻辑性,可信度高。
最后根据公式得到:
可见举例的对比矩阵符合一致性检验要求,具有较高的可信度S1-4:在得到各个专家的比较矩阵后,计算各个专家的权重向量,然后把权重向量进行几何平均,以得到最终的权重向量。
其中,计算权重向量的具体方法是:
将判断矩阵A的各列作归一化处理:
然后求判断矩阵A各行元素之和:
结果如表3所示:
表3权重向量归一化结果
W=(ω1,ω2,…,ωn)T为权重向量,其表示各个元素的权重分布;如表10所示,表10中的示例表示某专家认为的每个指标在项目重要度这一价值准则上的分布比例,占比分别为:
指标1对项目重要度的评价占33%;
指标2对项目重要度的评价占51%;
指标3对项目重要度的评价占5%;
指标4对项目重要度的评价占12%。
S1-5:确定评价结果;把权重向量进行几何平均,以得到最终的权重向量;具体的方法是:
根据最终确定的权重向量WF可以对不同项目的重要性程度进行比较,假设总共有N个评价指标,共M个专家根据上述四个指标对这些项目重要性进行评价(如按0-10进行打分),对于第i个评价指标,所有专家的评价结果为:
Ei=(s1,s2,…,sM),i=1,2,…N
sk=(sk1,sk2,sk3,sk4)T,k=1,2,…M
其中skj表示第k个专家的第j项指标打分;
对于第i个指标,综合所有专家的评价结果为:
S2:改进CRITIC法并确定评估指标权重;其具体步骤是:
S2-1:建立评价矩阵:
其中,xij表示第i个指标的第j次评估值;
S2-2:表征各指标之间的权重大小,计算每个指标的标准差:
Ci=σi(1-rji)
其中,σi表示指标xj的标准差,用来表征对比强度,rji为指标xi,xj之间的相关系数;
得出第i个指标xi的客观权重βi改进计算公式:
S2-4:在二维空间上的X轴和Y轴上分别划分x个格子和y个格子,从而得到x×y的网格划分G;其中,X和Y表示任意两个指标,x和y是其取值范围;
S2-5:通过改变划分位置并分别计算对应的变量之间互信息,计算公式为:
其中D为给定的数据集,D={(xi,yi),i=1,2,…,n};p(X,Y)是联合密度函数,p(X)和p(Y)是边缘概率分布函数;
S2-6:记录最大互信息值,然后进行归一化处理;
S2-7:改变网格划分数量,得到关于变量之间的归一化后的互信息值的特征矩阵;特征矩阵为:
S2-8:取特征矩阵的最大值即为两个变量之间的最大信息系数MIC值,即:
MIC(D)=maxxy<B(n){M(D)x,y};
其中,B(n)为网格化分数;
S2-9:根据变量间的互信息系数计算变量间的相关性,并得到指标的CRITIC权重;
S3:确定评估指标综合权重。
S3的具体步骤是:
S3-1:通过最小二乘法对所得的主观和客观权重进行组合优化,目标函数F(ωi)为:
其中约束条件为:
ωi为综合权重,αi为主观权重向量,βi为客观权重向量;
S3-2:使用拉格朗日乘数法求解上式,即得各指标综合权重值ωi。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (4)
1.一种基于AHP改进CRITIC的综合指标赋权方法,其特征是:具体包括以下步骤:
S1:确定AHP评估指标权重,得到最终的权重向量;
S2:改进CRITIC法并确定评估指标权重;其具体步骤是:
S2-1:建立评价矩阵:
其中,xij表示第i个指标的第j次评估值;
S2-2:表征各指标之间的权重大小,计算每个指标的标准差:
Ci=σi(1-rji)
其中,σi表示指标xj的标准差,用来表征对比强度,rji为指标xi,xj之间的相关系数;
得出第i个指标xi的客观权重βi改进计算公式:
S2-4:在二维空间上的X轴和Y轴上分别划分x个格子和y个格子,从而得到x×y的网格划分G;
S2-5:通过改变划分位置并分别计算对应的变量之间互信息,计算公式为:
其中D为给定的数据集,D={(xi,yi),i=1,2,…,n};p(X,Y)是联合密度函数,p(X)和p(Y)是边缘概率分布函数;
S2-6:记录最大互信息值,然后进行归一化处理;
S2-7:改变网格划分数量,得到关于变量之间的归一化后的互信息值的特征矩阵;特征矩阵为:
S2-8:取特征矩阵的最大值即为两个变量之间的最大信息系数MIC值,即:
MIC(D)=maxxy<B(n){M(D)x,y};
其中,B(n)为网格化分数;
S2-9:根据变量间的互信息系数计算变量间的相关性,并得到指标的CRITIC权重;
S3:确定评估指标综合权重。
2.根据权利要求1所述的一种基于AHP改进CRITIC的综合指标赋权方法,其特征是:S1的具体步骤是:
S1-1:确定各评估指标相互之间的重要性标度;
S1-2:利用专家打分法,得到指标间两两比较的判断矩阵A=(aij)n×n;
其中,aij表示元素ui和uj相对于上层元素意义的重要性的比例标度;
S1-3:对判断矩阵进行一致性检验,判断是否存在标度传递不合逻辑的情况;
S1-4:在得到各个专家的比较矩阵后,计算各个专家的权重向量,然后把权重向量进行几何平均,以得到最终的权重向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211661409.9A CN116402370A (zh) | 2022-12-23 | 2022-12-23 | 一种基于ahp改进critic的综合指标赋权方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211661409.9A CN116402370A (zh) | 2022-12-23 | 2022-12-23 | 一种基于ahp改进critic的综合指标赋权方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116402370A true CN116402370A (zh) | 2023-07-07 |
Family
ID=87009162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211661409.9A Pending CN116402370A (zh) | 2022-12-23 | 2022-12-23 | 一种基于ahp改进critic的综合指标赋权方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402370A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579633A (zh) * | 2023-07-12 | 2023-08-11 | 湖南省计量检测研究院 | 基于数据驱动实现风电设备的服役状态质量分析方法 |
-
2022
- 2022-12-23 CN CN202211661409.9A patent/CN116402370A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579633A (zh) * | 2023-07-12 | 2023-08-11 | 湖南省计量检测研究院 | 基于数据驱动实现风电设备的服役状态质量分析方法 |
CN116579633B (zh) * | 2023-07-12 | 2023-11-17 | 湖南省计量检测研究院 | 基于数据驱动实现风电设备的服役状态质量分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376434B (zh) | 卷烟多点加工质量的综合评价方法 | |
CN116402370A (zh) | 一种基于ahp改进critic的综合指标赋权方法 | |
CN112329349B (zh) | 一种边坡可靠度评估方法 | |
CN112926893A (zh) | 基于模糊综合评判和层次分析的水平井调剖效果评价方法 | |
CN110581783A (zh) | 基于ahp和topsis的通信方案决策方法 | |
CN111598171A (zh) | 一种基于层次结构实现信息安全评估的方法 | |
CN109491709B (zh) | 一种基于ahp与神经网络的软件代码可控度综合评价方法 | |
CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
CN114021915A (zh) | 基于改进均衡权重和可变模糊集的电气火灾风险评估方法 | |
CN112729292A (zh) | 基于层次分析方法的多重统计参数的重力适配区选取方法 | |
CN111932081A (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN114189313B (zh) | 一种电表数据重构方法及装置 | |
CN115829373A (zh) | 一种阀门产品装配质量评价方法 | |
CN114021905A (zh) | 一种中小企业信用风险评价方法 | |
CN102129515A (zh) | 一种气候变化下水资源脆弱性的评价方法 | |
US20220058735A1 (en) | Methods for prediction and rating aggregation | |
CN116305725A (zh) | 一种绝缘工器具工频耐压试验周期确定方法及装置 | |
CN107526710A (zh) | 一种基于蒙特卡罗算法的场地适宜性层次分析方法 | |
CN112330046A (zh) | 基于多维灰色-神经网络混合协调的电力需求预测方法 | |
CN109766522B (zh) | 一种刮板输送机链轮的非概率可靠性灵敏度分析方法 | |
CN112418644A (zh) | 一种结合可信度评估的引水工程结构安全状态评价方法 | |
CN110852536A (zh) | 一种储罐维修决策确定方法及装置 | |
CN116976665A (zh) | 一种基于改进topsis模型的风险评估方法 | |
Liao et al. | a q-EW-TOPSIS model of grey correlation for supply capacity evaluation | |
CN113221332B (zh) | 一种基于云模型理论的海岸侵蚀脆弱性评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |