一种基于AHP改进CRITIC的综合指标赋权方法技术

本发明专利技术公开了一种基于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。过程中形成互补。过程中形成互补。

【技术实现步骤摘要】
一种基于AHP改进CRITIC的综合指标赋权方法


[0001]本专利技术涉及信息系统工程
，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。

技术介绍

[0002]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。
[0003]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。

技术实现思路

[0004]本专利技术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。
[0005]本专利技术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：
[0006]S1：确定AHP评估指标权重，得到最终的权重向量；
[0007]S2：改进CRITIC法并确定评估指标权重；其具体步骤是：
[0008]S2
‑
1：建立评价矩阵：
[0009][0010]其中，x
ij
表示第i个指标的第j次评估值；
[0011]S2
‑
2：表征各指标之间的权重大小，计算每个指标的标准差：
[0012]C
i
＝σ
i
(1
‑
r
ji
)
[0013]其中，σ
i
表示指标x
j
的标准差，用来表征对比强度，r
ji
为指标x
i
，x
j
之间的相关系数；
[0014]S2
‑
3:根据公式：
[0015][0016]得出第i个指标x
i
的客观权重β
i
改进计算公式：
[0017][0018]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；
[0019]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：
[0020][0021]其中D为给定的数据集，D＝{(x
i
,y
i
),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；
[0022]S2
‑
6：记录最大互信息值，然后进行归一化处理；
[0023]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：
[0024][0025]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：
[0026]MIC(D)＝max
xy<B(n)
{M(D)
x,y
}；
[0027]其中，B(n)为网格化分数；
[0028]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；
[0029]S3：确定评估指标综合权重。
[0030]进一步的，S1的具体步骤是：
[0031]S1
‑
1：确定各评估指标相互之间的重要性标度；
[0032]S1
‑
2：利用专家打分法，得到指标间两两比较的判断矩阵A＝(a
ij
)
n
×
n
；
[0033]其中，a
ij
表示元素u
i
和u
j
相对于上层元素意义的重要性的比例标度；
[0034]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；
[0035]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。
[0036]进一步的，S1
‑
3的具体步骤为：
[0037]S1
‑3‑
1：计算一致性指标
[0038][0039]其中，λ
max
是对比矩阵的最大特征值，可以通过以下公式得到
[0040][0041]其中W为求得的权重向量；
[0042]S1
‑3‑
2：计算平均随机一致性指标RI；
[0043]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：
[0044][0045]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。
[0046]进一步的，S3的具体步骤是：
[0047]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(ω
i
)为：
[0048][0049]其中约束条件为：
[0050][0051]ω
i
为综合权重，α
i
为主观权重向量，β
i
为客观权重向量；
[0052]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ω
i
。
[0053]综上所述，本专利技术具有以下有益效果：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本文档来自技高网...

【技术保护点】

【技术特征摘要】
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，x
ij
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：C
i
＝σ
i
(1
‑
r
ji
)其中，σ
i
表示指标x
j
的标准差，用来表征对比强度，r
ji
为指标x
i
，x
j
之间的相关系数；S2
‑
3:根据公式：3:根据公式：得出第i个指标x
i
的客观权重β
i
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＝{(x
i
,y
i
),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)＝max
xy<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...

【专利技术属性】
技术研发人员：徐成涛，陈洪辉，陈涛，刘俊先，罗爱民，舒振，张晓雪，张萌萌，任棒棒，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：