《权重的确定方法汇总》由会员分享，可在线阅读，更多相关《权重的确定方法汇总（23页珍藏版）》请在金锄头文库上搜索。
1、一、指标权重的确定1.综述目前关于属性权重的确定方法很多，根据计算权重时原始数据的来源不同， 可以将这些方法分为三类：主观赋权法、客观赋权法、组合赋权法。主观赋权法是根据决策者（专家）主观上对各属性的重视程度来确定属性权 重的方法，其原始数据由专家根据经验主观判断而得到。常用的主观赋权法有专 家调查法（Delphi法）、层次分析法（AHP ） 106-108、二项系数法、环比评分法、 最小平方法等。本文选用的是利用人的经验知识的有序二元比较量化法。主观赋权法是人们研究较早、较为成熟的方法，主观赋权法的优点是专家可 以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序，不 至于出现
2、属性权重与属性实际重要程度相悖的情况。但决策或评价结果具有较强 的主观随意性，客观性较差，同时增加了对决策分析者的负担，应用中有很大局 限性。鉴于主观赋权法的各种不足之处，人们又提出了客观赋权法，其原始数据由 各属性在决策方案中的实际数据形成，其基本思想是：属性权重应当是各属性在 属性集中的变异程度和对其它属性的影响程度的度量，赋权的原始信息应当直接 来源于客观环境，处理信息的过程应当是深入探讨各属性间的相互联系及影响， 再根据各属性的联系程度或各属性所提供的信息量大小来决定属性权重。如果某 属性对所有决策方案而言均无差异（即各决策方案的该属性值相同），则该属性 对方案的鉴别及排序不起作用，其
3、权重应为0；若某属性对所有决策方案的属性 值有较大差异，这样的属性对方案的鉴别及排序将起重要作用，应给予较大权重. 总之，各属性权重的大小应根据该属性下各方案属性值差异的大小来确定，差异 越大，则该属性的权重越大，反之则越小。常用的客观赋权法109-110有：主成份分析法、熵值法111-112、离差及均方差 法、多目标规划法等。其中熵值法用得较多，这种赋权法所使用的数据是决策矩 阵，所确定的属性权重反映了属性值的离散程度。客观赋权法主要是根据原始数据之间的关系来确定权重，因此权重的客观性 强，且不增加决策者的负担，方法具有较强的数学理论依据。但是这种赋权法没 有考虑决策者的主观意向，因此确定的
4、权重可能与人们的主观愿望或实际情况不 一致，使人感到困惑。因为从理论上讲，在多属性决策中，最重要的属性不一定 使所有决策方案的属性值具有最大差异，而最不重要的属性却有可能使所有决策 方案的属性值具有较大差异。这样，按客观赋权法确定权重时，最不重要的属性 可能具有最大的权重，而最重要的属性却不一定具有最大的权重。而且这种赋权 方法依赖于实际的问题域，因而通用性和决策人的可参与性较差，没有考虑决策 人的主观意向，且计算方法大都比较繁锁。从上述讨论可以看出，主观赋权法在根据属性本身含义确定权重方面具有优 势，但客观性较差；而客观赋权法在不考虑属性实际含义的情况下，确定权重具 有优势，但不能体现决策者
5、对不同属性的重视程度，有时会出现确定的权重与属 性的实际重要程度相悖的情况。针对主、客观赋权法各自的优缺点，为兼顾到决 策者对属性的偏好，同时又力争减少赋权的主观随意性，使属性的赋权达到主观 与客观的统一，进而使决策结果真实、可靠。因此,合理的赋权方法应该同时基 于指标数据之间的内在规律和专家经验对决策指标进行赋权。目前，这种确定权 重的主客观信息集成方法的研究已经引起了重视，并且得到了一些初步的研究成 果113-115。本文在权重的选取上采用了第三类赋权法，即主客观综合赋权法（或称组合 赋权法）。主客观组合赋权法的两种常用方法是：“乘法”集成法、“加法”集 成法。其公式分别是w =aa +
6、(1 -a)b , (0 a 1)其中w表示第i个指标的组合权重；a , b分别为第i各属性的客观权重和主观权重。前者的组合实质上是乘法合成的归一化处理，该方法使用于指标个数 较多、权重分配比较均匀的情况。后者实质上是线性加权，称为线性加权组合赋 权方法。当决策者对不同赋权方法存在偏好时， a 能够根据决策者的偏好信息来确定。2有序二元比较量化法本文选用的方法是利用人的经验知识的二元比较量化原理与方法(二元对比 模型)去确定主观权重116-120。对于定量目标相对优属度的求解，权重的确定需要将方案集 X 换成目标集 G 模糊概念优越性变换为重要性，人的经验知识换成决策者的意向。但多目标系统 决
7、策要求系统目标权重值之和等于“1”，故在系统目标对重要性的相对隶属度的 基础上还需要进行归一化。将 m 个目标进行二元比较重要性定性排序，经过一致性检验判断与调整得 到排序一致性二元对比标度矩阵E。根据标度矩阵E各行元素值之和，从大到小 排列，得到关于优的排序次数，再以排序第 1 位的目标作为标准，与其他目标进 行重要性程度的比较，可得非归一化目标权向量w = (w,w ,w )。12m然后进行归一化计算，即可得目标权向量式：w = (w ,w，,w )满足 w = 112mii=13 熵值法在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小； 信息量越小，不确定性越
8、大，熵也越大。根据熵的特性，我们可以通过计算熵值来判断一个 事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大， 该指标对综合评价的影响越大。人们在决策中获得信息的多少和质量，是决策的精度和可靠性大小的决定因素之一。 信息论中，信息熵是系统无序程度的度量，信息是系统有序程度的度量，两者绝对值相等， 符号相反。熵是信息论中最重要的基本概念，它表示从一组不确定事物中提供信息量的多少。 在多指标决策问题中，某项指标的变异程度越大，信息熵越小，该指标提供的信息量就越大， 那么在方案评价中所取得的作用就越大，该指标的权重也就越大；反之，某指标的变异程度 越小，信息熵越大，该
9、指标所提供的信息量越小，那么该指标的权重也就越小。根 据各指标值的变异程度，利用信息熵计算各指标的权重121-125。熵技术就是利用决策矩阵和各指标的输出熵来确定各指标的权系数的一种 方法。若考虑n个方案，m个指标的多指标决策问题的决策矩阵X = （x ）。ij mxn首先，为了便于计算和优选分析，消除指标间由于量纲不同而带来比较上的 困难，可利用标准化公式（4-1）（4-2）将决策矩阵 X 转变成为标准化决策矩阵R= (r )ij mxn定义1 （评价指标的熵）：在有n个被评价对象，m个评价指标的评估问题中，第i个评价指标的熵定义为：H =_KLf Inf i=l,2,m ； j = l,2
10、,niij ijj=1其中 K= Gnn)j , f =;并假定，当 f 0, f ln f = 0。 ij nijij ij乙rijj=1由于0 f 1，所以0 -Ef lnf lnn，也由此可知，0 H 1ijij ijij=1定义2 （评价指标的熵权）：在（m, n）评价问题中，第i个评价指标的熵权w定义为:i1-Hw =im- Hii=1由上述定义以及熵函数的性质可以得到如下熵权的性质:（1）各被评价对象在指标 i 上的值完全相同时，熵值达到最大值 1，熵权为0。这也意味着该指标向决策者未提供任何有用信息，该指标可以考虑被取消。（2）当各被评价对象在指标 i 上的值相差较大、熵值较小、
11、熵权较大时， 说明该指标向决策者提供了有用的信息。同时还说明在该问题中，各对象在该指 标上有明显差异，应重点考察。（3）指标的熵越大，其熵权越小，该指标越不重要，而且满足0 w 缺乏各指标之间的横向比较； 各指标的权重随着样本的变化而变化，权数依赖于样本，在应用上限制。4层次分析法（AHP）1 概述层次分析法，是应用网络系统理论和多目标综合评价方法的一种层次权重决策分析方法。 层次分析法本质是一种决策方法，所谓决策是指在面临多种方案时需要依据一定的标准选择 某一种方案，详见运筹学。层次分析法可应用于决策、评价、分析、预测。2层次分析法的步骤和方法运用层次分析法构造系统模型时，大体可以分为以下五
12、个步骤：2.1建立层次结构模型2.2构造判断矩阵2.3一致性检验2.4计算各层权重2.5总体一致性检验下面我们依次分析：2.1建立层次结构模型层次分析法强调决策问题的层次性，我们必须认清决策目标与决策因素之间的关系。 简单地说，就是处理各个因素之间的包含关系，再把它们放在一个层次结构图中。一般 地，我们把层次结构图分成3 个层次：目标层：决策的目的、要解决的问题准则层：考虑的因素、决策的准则。方案层：决策时的备选方案。 作为本文的例子，我们以选择旅游地作为问题，演示层次分析法的过程。 选择旅游地是决策目标那么应放在目标层。同时我们在选择旅游地时会考虑到不同的因素，如景色、费用等，这些作为准则层
13、。 最后，我们把各个景点纳入考虑的范围，就有方案层。值得注意的是分层取决于问题本身，所以决策目标不同时，层次结构图就可能大 不相同。这时候，就可能出现多个层次。2.2构造判断矩阵建立层次结构图，之后我们就必须讨论同一层因素的权重。仍用上述例子，这时我们要得出c1,c2,c3对O的影响权重，可把权重记为：w二叫吧叫_i 叫。我们可以直接查找资料，或咨询有关专家的方式得到w。可是，当影响因素很多时，权 重就非常难估计，而且常常不容易被别人接受。Santy等人提出一致矩阵法，即：2.2.1 不把所有因素放在一起比较，而是两两相互比较。2.2.2 对此时采用相对尺度，以尽可能减少性质不同的诸因素相互比较的困难，以提高 准确度。这意思很简单，如果说a比b重要2倍，b比c重要3倍，这时我们就可以说a,b,c三 者的权重为 6：3：1，归一化之后就有0.6：0.3：0.1。也就是先两两地进行比较权重，最后我们再得到总的权重。具体情况是这样的，我们用
