权重确定

权重确定（精选九篇）

权重确定 篇1

建筑火灾风险指数法是北欧各国普遍接受的一种方法[1],它由瑞典的Magnusson等人提出,最初是为评估北欧木屋的火灾安全性而建立的。它是从“木制房屋的火灾安全”项目发展演化而来,子项目“风险评估”部分由瑞典隆德(Lunds)大学承担,目标是建立一种简单的火灾风险评估方法,可同时应用于多层公寓建筑。经过多年的发展,现在的火灾风险指数法已可用于评估各类建筑了。国外多家保险公司采用该评价方法,或采用与此类似的方法。研究的基本步骤是[1]:(1)建立建筑火灾风险评价模型和评价等级;(2)辨识出影响整体建筑火灾风险的因素,建立一套科学的指标体系;(3)确定各指标的评价尺度;(4)利用AHP确定各指标权重;(5)计算系统(整体建筑火灾风险)得分,并确定相应的火灾风险等级。其中,各评价指标权重的确定是一个最重要的问题。

2 建筑火灾风险评价指标体系的建立

2.1 建立原则

(1)根据国际公共安全评估体系关于能力与脆弱性评估的思想

抵御和破坏能力风险分析方法也被称作能力和脆弱性风险评价方法,国际公共安全评估框架存在能力与脆弱性评估两个构面。

基于能力与脆弱性视角的国际公共安全评估框架,可归纳为三大类:单纯评估脆弱性的框架,DRI等;单纯评估能力的框架,如COOP等;综合评估能力与脆弱性两个方面的框架,如DRMI等。

这里,采用综合评估能力与脆弱性两个方面的框架,即将建筑火灾风险评价体系分为致灾因子和损失控制因子两个方面。即:起火因素属于致灾因子,其它都属于损失控制因子。

(2)借鉴安全系统工程学中的“5M”模型和“SHELL”模型

指标体系的建立应遵循下列基本原则[2]:①目标性原则;②适当性原则;③可操作性原则;④独立性原则。借鉴安全系统工程学中的“5M”模型(The Five-Model)和“SHELL”模型(The SHELL Model),辨识出建筑火灾风险评价的基本要素,并分析、确定其相互隶属关系,从而建立合理的建筑火灾风险评价指标体系[3]。

(3)根据火灾统计年鉴的数据

参阅2003~2008年的火灾统计年鉴,对四类建筑起火的主要原因进行了具体分析,对各类建筑中的主要起火因素,如电气火灾等,在指标体系中都有所体现。

(4)结合保险赔付统计数据

通过与保险公司、保险公估公司等进行多次的沟通,对指标体系进行了多次反复的修改。例如,使用年限这个评价指标,就是在此基础上增加的。

2.2 四类建筑的评估要素

进行建筑火灾风险评价应根据建筑物的不同使用性质分类,将建筑分为四类,四类建筑的评估要素如图1。建筑物火灾风险评估指标体系至少应包含图1中的每类建筑物火灾风险评估的基本要素,根据实际情况可对基本要素中的评价指标进行适当调整。

3 利用AHP确定指标权重

3.1 确定权重的主要方法

目前确定权重的方法大概有3种[4]:客观赋权法、主观赋权法、主客观组合赋权方法。主观赋权法主要是由专家根据经验主观判断而得到,如AHP法、Delphi法等。客观赋权法的原始数据是由各指标在评价中的实际数据组成,它不依赖于人的主观判断,因而此类方法客观性较强,如变异系数法。主客观组合赋权方法是上述二者相结合的一种方法。

3.2 利用层次分析法确定权重

(1)一般认为层次分析法属于主观赋权方法,这是不正确的。

因为如果构造判断矩阵的信息来源是客观的,则这时的层次分析法就属于客观赋权方法。

(2)一般认为客观赋权方法优于主观赋权方法。

实际上,主观赋权方法比客观赋权方法更能反映权重的本质特征,更能反映领域专家的知识和经验,也更能反映综合评价过程的实质。主观赋权方法的关键问题是如何设计从定性到定量的综合集成方法[5]。

3.3 层次分析法确定权重的主要步骤

(1)专家组的确定

从标准研究的目的出发,有针对性地选择了三类专家共计40人,分别是:“火灾科学与消防工程”领域的科研工作者15人(均为教授)、消防部队的建审工程师15人(均为高级职称)和保险公司的高级核保人10人。

(2)专家问卷的设计

在参阅了国内外问卷设计和AHP的相关应用文献的基础上,设计出一种更为科学合理、更符合人的思维模式的问卷形式。将需要两两比较的因素(Ai、Aj)以表格的形式逐行列出,专家只要分别对每两个因素进行定性判断,避免了纵横交错的矩阵和定性定量切换对其判断的影响。

(3)利用软件Yaahp 0.4.1计算权重

对判断矩阵的计算借助软件Yaahp 0.4.1,这是一个层次分析法的可视化建模与计算软件。它用类似Vision B的绘制方法来完成层次结构模型,支持1~9和E^0/5~E^8/5两种标度类型。当使用1~9标度方法时,对判断矩阵会实时进行一致性检验。计算结果不仅包括最底层指标的累积权重,还有各级非底层指标的权重。最后还可以以PDF、rtf、html、txt四种形式导出数据。该软件主要操作流程如图2所示:

(4)一致性检验与调整

利用Yaahp 0.4.1软件可以实时进行一致性检验,发放的40份问卷(共计160份子问卷)中未通过一致性检验的子问卷有22份,具体分布情况如表1所示。

对于未通过检验的问卷,我们没有简单地将其作废,而是具体分析其不一致的原因,在条件允许的情况下,与专家本人探讨,重新做出判断,直到调整后的结果符合一致性的要求。

(5)专家评价的综合结果

综合专家组评价结果的方法一般有算术平均法、调和平均法、几何平均法、加权平均法等等,各有其优缺点及使用范围。

①算术平均法,这是计算最简单、也最常用的一种求平均数的方法,具有直观简明的特点,但其缺点是对极差较大的孤立点很敏感,适用于求平均身高、平均产量、平均成绩等。

②调和平均法,这是当原始数据不是直接的原始值,而是已经分组计频后再求平均的一种方法,适用于行程问题,计算电阻,计算经济学中的股东分红问题等。

③几何平均法,适用于本质上数据有相乘关系或指数关系的情况,如人口增长率、金融投资利息率等。

④加权平均法,适用于数据组各数据的重要程度不均等的情况。假设被咨询的40位专家的重要性均等,因此,不采用加权平均法。

通过上面的分析,由于权重的计算结果比较符合实际判断,40组数据具有较大的一致性,因此,采用算术平均法求专家组的综合结果。

4 各类型建筑物的评价指标及指标权重

各级指标的计算结果见表2。

5 结束语

本文基于安全系统工程学的基本思想,根据火灾风险指数法的步骤,构建了建筑火灾风险评价的指标体系。科学设计了专家问卷,邀请多方面的专家评分,利用层次分析法和软件Yaahp 0.4.1,构建判断矩阵,计算得出了评价指标的权重,为正确的火灾风险评价和费率厘定提供了技术帮助。但是,该部分的研究今后还需要做以下修改和完善:

(1)利用利用层次分析法得出的权重,还需利用其它方法进行比较和验证。

(2)所得权重的分布,今后还需要结合保险理赔数据、火灾统计年鉴等进一步修正。

摘要：建筑火灾风险指数法中指标权重的确定是一个关键技术问题。本文探讨了基于的AHP的评价指标权重的确定方法,通过专家调查表的形式,邀请40位相关专家评分,通过层次分析法建立判断矩阵,对判断矩阵的计算借助软件Yaahp0.4.1,得出各位专家的权重值,再采用算术平均法求专家组的综合结果,从而得出总体累计权重的分布。研究结果为厘定火灾保险费率提供依据,为制定财产保险火灾风险评价标准提供技术上的支持,将填补我国在该领域的空白。

关键词：火灾指数法,风险评价,评价指标体系,层次分析,权重

参考文献

[1]范维澄,等.火灾风险评估方法学[M],北京:科学出版社,2004FAN Wei-cheng,et al.Fire Risk Assessment,Beijing:Science Press,2004

[2]许谨良.风险管理[M].上海:上海财经大学出版社,2007XUNJin-liang.Risk management,Shanghai:Shanghai Fi-nance University Press,2007

[3]Gregory A.Norris and Harold E.Marshall.MultiattributeDecision Analysis Method for Evaluating Buildings and Building Systems[EB].http://www.google.com/.2003.10

[4]李洁.精算学原理[M].北京:清华大学出版社,2006LI Jie.Actuarial Science Principle,Beijing:Qing Hua U-niversity Press,2006

权重确定 篇2

介绍了高等医学院校学生满意度测量的重要性和战略意义,通过专家评分法和层次分析法确定医学生满意度量表一级指标的权重,并对结果进行了分析以提高测量的有效性和可操作性.

作 者：马林 陈平雁 丰硕 MA Lin CHEN Ping-yan FENG Shuo 作者单位：马林,MA Lin(南方医科大学学生处,广东,广州,510515)

陈平雁,丰硕,CHEN Ping-yan,FENG Shuo(南方医科大学公共卫生与热带医学学院,广东,广州,510515)

权重确定 篇3

[关键词] 权重确定 组合赋权 相对比较法 熵值法

一、评价指标权重确定的方法

由于目前我国的循环经济建设正处于发展之中，有关区域循环经济发展水平的评价方法也还处于研究、发展之中，没有形成一套公认权威的方法可以选用。而在区域循环经济发展水平的评价方法中，关于指标的权重，是综合评价的重要信息，它反映了个指标在评价对象中价值地位的系数。目前，有关权重的确定方法有数十种之多，根据计算权重时原始数据的来源不同，可以分为主观赋权法、客观赋权法、组合赋权法三类。主观赋权法有专家咨询法、最小平方和法、相对比较法、AHP(层次分析法)等，其研究比较成熟。这类方法的优点是能较好地反映评价对象所处背景条件和评价者的意图，但这个指标权重系数的准确性依赖于评价专业知识和经验的积累，因而具有较大的主观随意性。客观赋权法的原始数据来自于评价矩阵的实际数据，如熵值法、拉开档次法等。这类方法切断了权重系数的主观性来源，是系数具有绝对的客观性，但容易出现“重要指标的权重系數小，不重要指标的权重系数大”的不合理现象。组合赋权法是结合主观赋权法和客观赋权法各自的特点形成的。其做法是:首先在主观赋权法和客观赋权法的内部找出最合理主、客观权重系数，再根据具体情况确定主客观赋权法权重系数所占的比例，最后求出综合评价权重系数。

通常评价区域循环经济发展水平所建的指标体系由两级指标体系组成，一级指标体系构成子系统层(指区域循环经济发展应体现哪些方面的特点，即为哪些类别的因素将直接影响某区域内循环经济的发展）,二级指标体系则为具体的指标(即采用可测的、可比的、可以获得的要素及要素群，对前面已确定的子系统层的数量表现、强度表现、速率表现给予直接的度量，例如,主要污染物排放强度、单位工业产值能耗、城镇生活垃圾无害化处理率、工业固体废物处置利用率等，各评价指标能全面系统地对区域循环经济发展进行定量的描述，从而构成指标体系的基层要素）。

为了最大程度地保证权重系数的准确性和客观性，现采用组合赋权法来确定二级指标的权重系数值。一级指标则采用主观赋权法中的层次分次法来确定权重系数。

二、一级指标体系（子系统层）权重的确定

子系统的权重用层次分析法来确定。层次分析法（The Analytic Hierarchy Process,AHP）,又称多层次权重解析方法，是20世纪70年代初期由美国著名运筹学家、匹茨堡大学萨蒂（T．L．Saaty）教授首次提出来的。该方法是定量分析与定性分析相结合的多目标决策分析方法，把数学处理与人的经验和主观判断相结合，能够有效地分析目标准则体系层次间的非序列关系，有效地综合测定评价决策者的判断和比较，其确定权重的步骤如下：

1.构造判断矩阵

判断矩阵由同一层次指标针对上一层次指标的相对重要性进行两两比较的结果而构成，假定A层因素中Ak与下一层次B中的B1,B2,…Bn有联系，则将构造的判断矩阵以表格形式表示为：

判断矩阵使得决策者判断思维数学化。但是，人类思维具有一致性特点，即认为因素之间的关系应该具有传递性:若已知因素 X2与因素X1的相对重要关系系数δ21，因素X3与因素X2的相对重要关系系数δ32，则可以根据δ21和δ32得到因素X3与因素X1的相对重要关系系数δ31=δ32 δ21。

2.求判断矩阵的最大特征值及其对应的特征向量

从上可知，求取各指标的权值，就是求取判断矩阵的最大特征向量。一般求解判断矩阵不需要太高的精度，所以特征值也不需要严格意义上的解析解(实际上，当矩阵阶数较高时，特征值的解析解很难求出）。通常有两种方法可求得判断矩阵的最大特征值及其特征向量的近似解，一种是几何平均值法，一种是求和法。这里采用几何平均值法，其计算过程为:

(1)对矩阵A先按行将各元素连乘并开n次方，求得各行元素的几何平均值:

称为随机一致性比率(consistencyratio）,当C.R.＜0.10时，判断矩阵有可以接受的不一致性，否则，就认为初步建立的判断矩阵是不能令人满意的，需要重新赋值，仔细修正，直到一致性校验通过为止。

三、（二级指标）各子系统中具体指标权重的确定

各子系统中具体指标是整个评价体系的基础，其权重系数的准确性对评价结果的可靠性影响很大。因此，选用组合赋权法来保证这一级指标的相对准确性，其中主观权重系数由相对比较法确定，客观权重系数由熵值法确定，主、客观系数各占综合系数的50%。其步骤为：

1.用相对比较法确定主观权重系数

相对比较赋权法的过程如下:将所有评价指标 Xj(j=1,2,…,n)分别按列和行排列，构成一个正方形的表；再根据三级比例标度对任意两个指标的相对重要性进行分析，并将评分值计入表中相应的位置；将各个指标评分值按行求和，得到各个指标的评分总和；最后做归一化处理，求得指标的权重系数。

三级比例标度两两相对比较评分的分值为 ，则标度值及其含义如下：

四、结束语

区域循环经济发展水平综合评价中，初选指标体系需经过筛选后确定最终各子系统具体指标，再利用上述主客观赋权法确定各级指标的权值，为后续评价模型的构建奠定基础。

参考文献:

[1]邹新月:企业作用等级模糊综合评价.系统工程.2001,19(7):386～389

[2]叶义成柯丽华等:系统综合评价技术及其应用．冶金工业出版社.2006:97～100

[3]飞思科技产品研发中心，辅助神经网络分析与设计.北京电子工业出版社．2002:54～60

权重确定 篇4

评价标准是指消费者在选择备选产品时所考虑的产品属性或特征, 这些属性或特征与消费者在购买中所追求的利益、所付出的代价直接相关[1]。教育本质上是一种服务, 学校教学过程既是教师生产教育服务产品的过程, 又是学生消费教育服务产品的过程[2]。学生选择就读哪所独立学院的过程实际上是消费者的扩展型决策过程。该类型决策的显著特点是, 消费者在购买过程中要进行大量的信息收集, 并对各种备选产品作广泛而深入的评价、比较。近年来, 我国高考报考人数呈逐年下降之势。而且, 随着生活水平的提高和人民币不断升值, 越来越多的家庭倾向于让子女出国读大学。这加剧了高校间的生源之争。2011年, 山东省本科二批录取招生中, 许多独立学院遭遇了“零投档”。在福建省, 公办本科高校生源爆满, 而独立学院的生源缺口比较大, 需要征求志愿录取和降分录取来完成招生计划。对于没有国家财政拨款的独立学院而言, 生源的多寡决定了其生存或灭亡。通过分析独立学院学生的择校评价标准权重, 独立学院可以有针对性地采取措施改善办学水平以提高其对生源的吸引力。

二、基于层次分析法的独立学院学生择校评价标准权重确定

层次分析法是美国匹兹堡大学教授萨泰于20世纪70年代提出的一种系统分析方法。它综合了定性与定量分析, 模拟人的决策思维过程, 是用以解决多因素复杂系统, 特别是难以定量描述的社会系统的分析方法。应用AHP解决问题的思路是, 首先, 把要解决的同题分层系列化, 即根据问题的性质和所要达到的目标, 将问题分解为不同的组成因素, 按照因素之间的相互影响和隶属关系将其分层聚类组合, 形成一个递阶的、有序的层次结构模型。然后, 对模型中每一层次因素的相对重要性, 依据人们对客观现实的判断给予定量表示, 再利用数学方法确定每一层次全部因素相对重要性次序的权值。最后, 通过综合计算各层因素相对重要性的权值, 得到最低层 (方案层) 相对于最高层 (目标层) 的相对重要性次序的组合权值, 以此作为评价和选择方案的依据[3]。

宁波大学科学技术学院是国家教育部和浙江省人民政府批准设立、由宁波大学举办、具有独立法人资格、实施本科层次学历教育的全日制普通高等学校。课题组把独立学院学生择校评价标准体系分为3层, 目标层是独立学院学生择校评价标准A, 准则层包括独立学院因素B1、母体高校因素B2两项指标, 方案层包括教育质量C1在内的7项指标 (C1-C7) 。具体见表1。

课题组向宁波大学科学技术学院学生发放“独立学院学生择校评价标准调查表”2 000份, 回收1 840份调查表, 回收表格占全部所发放调查表的92%。在回收表格中又剔除了填写质量较差的调查表, 最后实际有效调查表为1 772份, 有效表格占全部所发调查表的88.6%。

通过层次分析法可知, 独立学院学生择校评价标准的权重由高到低依次是:教育质量C1的权重为35.2%, 食宿条件C4的权重为17.7%, 有2%的机会C6的权重为15.4%, 所选专业是重点特色专业C2和办学声誉C5的权重均为9.3%, 可以共享母体高校教学资源C7的权重为7.9%, 校园治安C3的权重为5.2%。

三、实证结果分析

清华老校长梅贻琦先生曾经说过, “所谓大学者, 非有大楼之谓也, 有大师之谓也。”[4]教师是独立学院的灵魂, 其不仅是独立学院活动的承载者和体现者, 还是独立学院社会职能实现的具体实践者。独立学院教育质量的高低无疑对学校的人才培养、科学研究、社会服务具有举足轻重的影响。故学生在择校时最看重独立学院的教育质量。

美国社会心理学家Abraham Maslow把人的需要由低到高划分为生理需要、安全需要、社交需要、尊重需要和自我实现需要等5个层次[5]。他认为, 人人都有需要, 某一层次的需要相对满足了, 就会向高一层次发展, 追求更高一层次的需要就成为驱使行为的动力。食宿条件属于生理需要, 求学属于尊重需要, 故学生在求学过程中比较关注独立学院的食宿条件。食宿条件C4的权重高达17.7%也印证了这点。

打算就读独立学院的学生高考成绩一般不太理想, 但这不意味着他们甘于现状。他们中的大多数人仍然渴望有机会进入更好的大学学习。所以有2%的机会C6的权重位列第三。

根据Buehler的职业生涯发展理论, 中学时期属于职业生涯的探索阶段, 学生会考虑自己的需要、兴趣、能力、价值观和机会, 对职业做试探性选择。大多数高考生会根据自己将来想从事的职业来选择所读专业, 而所选专业如果是其就读独立学院的重点特色专业无疑有助于提高他毕业后的就业竞争力。因此, 所选专业是重点特色专业C2的权重是9.3%。

学生择校的过程实际上是对各独立学院所提供的教育服务产品进行“消费”选择的过程。服务营销学认为, 服务具有无形性, 即服务在购买之前, 服务无法被看到、尝到、摸到、听到或闻到。无形性越高, 消费者的风险感知就越高[6]。不满意的消费者不能“退回”一项服务, 当他意识到不满意时, 它已经消费了这项服务。为了降低“消费”风险, 学生在择校时往往关注独立学院的办学声誉, 故办学声誉C5的权重也有9.3%。

长期以来, 多数独立学院与其母体高校是校区共享、师资共享、硬件共享, 这引起了一些问题, 损害了一些学生的利益。为此, 教育部于2008年2月颁布了《独立学院设置与管理办法》以规范独立学院办学, 并设定了5年规范设置过渡期。时至今日, 大多数独立学院已经有了一定面积的独立校园、良好的师资、较好的硬件, 办学条件有了极大的改善。故学生在择校时已不是很关注是否可以共享母体高校教学资源以及校园环境状况。

四、提高独立学院招生竞争力的建议

根据上述分析可知, 独立学院为了提高招生竞争力, 首先要大力提高教育质量。为了改善教育质量, 独立学院要积极引进学科带头人、博士研究生、高级职称教师, 加大自有教师继续教育的实施力度, 着力构建基于教学技能和绩效的薪酬体系。独立学院一般以培养应用型人才为目标, 实践教育在教学活动中具有举足轻重的地位, 而且独立学院的学生在学习内容的选择上明显偏重实用。所以, 独立学院要尽可能聘请企事业单位、政府部门、社会团体中具有丰富实践经验的高级人才作为兼课教师以提高实践教育质量。

其次, 独立学院要努力给学生提供良好的食宿条件。独立学院不仅要为学生营造一个舒适、方便的用餐环境, 制作美味可口、品种多样的饭菜, 定期进行学生食堂满意度问卷调查以扎扎实实地提高饭菜质量和服务质量, 提高学生对食堂服务的满意度, 还要改善宿舍硬件, 增加体育和娱乐设施, 提高物业管理服务意识, 完善服务体系, 树立“以人为本、服务至上、学生至上”的服务理念。

目前, 我国高等教育市场类似于垄断竞争市场。美国经济学家E.H.Chamberlin指出, “垄断与竞争力量的混合来源于产品差别, 产品差别是造成垄断的一个决定性因素。”如果高考生偏好的专业是某独立学院的重点特色专业, 他显然会更加倾向于选择该校就读。在当下专业设置无法做到“人无我有”的情况下, 独立学院在专业建设中要根据如下三个原则来培育重点优势专业以形成“垄断”力量:一是错位发展设置新专业的原则;二是专业教学贴近区域经济发展的原则;三是根据培养目标灵活调整教学内容的原则。

除此之外, 独立学院也要为学生尽量创造进入更好高校学习的机会, 运用多种公共关系策略以提高独立学院的办学声誉, 充分利用母体高校的各种资源, 着力加强校园治安以增加对高考生的吸引力。

参考文献

[1]迈克尔R所罗门.消费者行为学[M].北京:中国人民大学出版社, 2011.

[2]袁曦.教育服务对大学生择校的心理和行为影响分析[J].高教探索, 2009, (4) .

[3]谭跃进.定量分析方法[M].北京:中国人民大学出版社, 2002.

[4]邢繁辉.高校和谐:大楼、大师、大学精神的和谐[J].航海教育研究, 2007, (4) .

[5]郗蕴超.看高校德育工作的有效实现途径[J].黑龙江高教研究, 2003, (5) .

权重确定 篇5

在保障性评估计算过程中,指标权重的确定具有举足轻重的地位,目前大部分保障性评估的算法都涉及到指标权重。因此,如何科学、合理地确定指标权重关系到保障性评估结果的可靠性和正确性。根据指标权重确定来源的不同,将指标权重分为主观赋权和客观赋权法:专家调查法、层次分析法、环比系数法。

主观赋权法的优点:专家可以根据实际的评估问题和专家自身的知识经验,合理地确定指标权重的排序。缺点:主观赋权法确定的权重是由专家根据自己的经验和对实际的判断主观给出的,因而方案的排序可能有很大的主观随意性,同时也受到评估专家的知识和经验缺乏的影响。

客观赋权法的优点:主要根据指标间的联系程度以及各指标提供的信息量大小对其他指标的影响程度来度量,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,便于计算。缺点:权重的确定没有考虑决策者的主观意向,确定的权重可能与主观愿望和实际情况不太一致,使人感到困惑。

从上述主观赋权法和客观赋权法的优缺点分析可知,两者具有一定的互补性。为了让保障性评估结果更科学,既兼顾到评估专家对指标的偏好,又力争减少评估的主观随意性,采用组合赋权法使排序结果既能体现主观愿望,又能反映客观信息。

1 问题描述

设S={s1,s2,…,sn}为效能评估中的方案集;F={f1,f2,…,fm}为指标集;权重向量为W={w1,w2,…,wm}T;方案si关于指标fi的评价值为xij,i∈N,j∈M,其中N={1,2,…,n},M={1,2,…,m}。由于指标中可能含有不同类型、不同量纲的指标,因此在进行组合赋权之前,必须对指标集进行规范化处理,并消除量纲。设指标评价值规范化处理后变为Z=(zij)n×m。

设决策者选取p种主观赋权法分别确定指标的权重为:

$u{}_k=(u{}_{k1},u{}_{k2},\cdots ,u{}_{km}),k=1,2,\cdots ,p(1)$

式中:${\displaystyle \sum _{j=1}^{m}u}{}_{kj}=1‚u{}_{kj}\ge 0(j\in {\rm M})$表示用第k种主观法对指标fj确定的权重。

设决策者选取q-p种客观法分别确定指标的权重为:

vl=(vl1,vl2,…,vlm),l=p+1,p+2,…,q (2)

式中:${\displaystyle \sum _{j=1}^{m}v}{}_{lj}=1‚v{}_{lj}\ge 0(j\in {\rm M})$表示用第l种客观法对指标fj确定的权重。

设集成后指标的权重可表示为:

$\mathit{W}=(w{}_1,w{}_2,\cdots ,w{}_m){}^{\text{Τ}}(3)$

式中:${\displaystyle \sum _{j=1}^{m}w}{}_j=1‚w{}_j\ge 0(j\in {\rm M})$,则各种方案的综合评价值为:

$y{}_i={\displaystyle \sum _{j=1}^{m}w}{}_{j}z{}_{ij},i\in {\rm N}(4)$

2 组合赋权方法研究

2.1 基于最小二乘原理的组合赋权

为了充分利用决策矩阵的客观信息,同时又考虑决策者的个人喜好,利用最小二乘原理[1]求组合赋权与主观赋权法的偏差:

$\begin{array}{l}d{}_i^k={\displaystyle \sum _{j=1}^m[}(w{}_j-u{}_{kj})z{}_{ij}]{}^2,i\in {\rm N},k=1,2,\cdots ,p(5)\\ h{}_i^k={\displaystyle \sum _{j=1}^m[}(w{}_j-v{}_{lj})z{}_{ij}]{}^2,i\in {\rm N},l=p+1,p+2,\cdots ,q(6)\end{array}$

要使得到的组合权重更加合理,必须使总的离差和最小。为此,构造下列目标规划函数:

$\begin{array}{l}\min \mu {\displaystyle \sum _{k=1}^p\alpha }{}_k({\displaystyle \sum _{i=1}^{n}d}{}_i^k)+(1-\mu ){\displaystyle \sum _{l=p+1}^q\alpha }{}_l({\displaystyle \sum _{i=1}^{n}h}{}_i^l)\\ \text{s}.\text{t}.{\displaystyle \sum _{j=1}^{m}w}{}_j=1,w{}_j\ge 0,j\in {\rm M}(7)\end{array}$

式中:μ为离差函数的偏好因子,如果0≤μ≤0.5,说明专家希望客观权重与集成权重越接近越好;当0.5≤μ≤1,则说明专家希望主观权重与集成权重的离差越小越好,即:

$\begin{array}{l}\min \mu {\displaystyle \sum _{k=1}^p{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^m\alpha }}}{}_k[(w{}_j-u{}_{kj})z{}_{ij}]{}^2+\\ (1-\mu ){\displaystyle \sum _{l=p+1}^q{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^m\alpha }}}{}_l[(w{}_j-v{}_{lj})z{}_{ij}]{}^2\\ \text{s}.\text{t}.{\displaystyle \sum _{j=1}^{m}w}{}_j=1,w{}_j\ge 0,j\in {\rm M}(8)\end{array}$

式中:αk(k=1,2,…,p)和αl(l=p+1,p+2,…,q)分别为p种主观赋权法和q-p种客观赋权法的权系数,由专家根据各种方法的重要性程度确定,且:

${\displaystyle \sum _{k=1}^p\alpha }{}_k=1,{\displaystyle \sum _{l=p+1}^q\alpha }{}_l=1$

通过构造拉格朗日函数:

$\begin{array}{l}L(w,\lambda )\mu {\displaystyle \sum _{k=1}^p{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^m\alpha }}}{}_k[(w{}_j-u{}_{kj})z{}_{ij}]{}^2+\\ (1-\mu ){\displaystyle \sum _{l=p+1}^q{\displaystyle \sum _{i=1}^n{\displaystyle \sum _{j=1}^m\alpha }}}{}_l[(w{}_j-v{}_{lj})z{}_{ij}]{}^2+2\lambda ({\displaystyle \sum _{j=1}^m}w{}_j-1)\end{array}$

可以得到目标规划式(8)有惟一解:

$\begin{array}{l}w{}_1=(\mu {\displaystyle \sum _{k=1}^p\alpha }{}_{k}u{}_{k1}+(1-\mu ){\displaystyle \sum _{l=p+1}^q\alpha }{}_{l}v{}_{l1})\\ w{}_2=(\mu {\displaystyle \sum _{k=1}^p\alpha }{}_{k}u{}_{k2}+(1-\mu ){\displaystyle \sum _{l=p+1}^q\alpha }{}_{l}v{}_{l2})\\ ⋮\\ w{}_m=(\mu {\displaystyle \sum _{k=1}^p\alpha }{}_{k}u{}_{km}+(1-\mu ){\displaystyle \sum _{l=p+1}^q\alpha }{}_{l}v{}_{lm})\end{array}$

2.2 权系数的确定

组合赋权的关键在于确定不同加权方法的权[2]。加权系数应既能反映决策者对每一种赋权方法的主观偏好,又能反映各种赋权方法的一致程度,可以表示为αk=θηk+(1-θ)ξk。其中,θ表示决策者对主观赋权方法的偏好程度;ηk表示主观方法求取的第k种赋权方法的权系数;ξk表示客观方法求取的第k种赋权方法的权系数。

设规范化后指标矩阵R=(rij)n×m,设决策者选取p种赋权法确定的指标权重为uk=(uk1,uk2,…,ukm),k=1,2,…,p,基于最小二乘原理的组合赋权法中定义第k种赋权方法所得评估结果与其他赋权方法所得评估结果间的距离为:

$d{}_k={\displaystyle \sum _{i=1}^n{\displaystyle \sum _{l=1}^m\left|u{}_{kj}-u{}_{lj}\right|}}r{}_{ij}$

则第k种赋权方法的加权系数为:

$\xi {}_k=(1/d{}_k)/({\displaystyle \sum _{k=1}^{p}1}/d{}_k)$

3 最小二乘组合赋权方法应用

(1) 主观赋权方法确定指标权重

利用专家评分法获得指标的主观权重向量[3]:

U1=[0.188 4,0.180 4,0.165 6,0.145 6,0.132 1,0.187 9]T

利用环比系数法得到的指标权重为:

U2=[0.270 4,0.216 2,0.167 3,0.138 6,0.068 9,0.138 6]T

利用层次分析方根法[4]确定指标的权重为:

U3=[0.357 8,0.211 4,0.142 1,0.003 1,0.050 0,0.235 6]T

(2) 客观赋权方法确定指标权重

利用变异系数法得到的客观权重:

V1=[0.056 9,0.171 8,0.487 0,0.072 8,0.103 0,0.108 5]T

利用信息熵法确定指标的客观权重,如表1所示[5]。

对上述数据进行规范化处理得到下列数据:

$\left[\begin{array}{cccccc}1& 0.9057& 1.4444& 0.9556& 1& 0.8864\\ 0.9787& 0.7547& 2& 0.9333& 0.9670& 0.9659\\ 0.9149& 0.8302& 1& 0.9556& 0.8791& 0.9091\\ 0.9574& 1& 1.7778& 1& 0.9890& 1\\ 0.9468& 0.9245& 1.3333& 0.9111& 0.9451& 0.8523\\ 0.9362& 0.8491& 1.5556& 0.8889& 0.8571& 0.9545\end{array}\right]$

对上述数据进行归一化处理得到归一化矩阵$\dot{\mathit{R}}=(\dot{r}{}_{ij}){}_{m\times n}$:

$\dot{\mathit{R}}=\left[\begin{array}{cccccc}0.1744& 0.1720& 0.1585& 0.1693& 0.1774& 0.1592\\ 0.1707& 0.1434& 0.2195& 0.1653& 0.1715& 0.1735\\ 0.1596& 0.1577& 0.1098& 0.1693& 0.1559& 0.1633\\ 0.1670& 0.1900& 0.1951& 0.1772& 0.1754& 0.1796\\ 0.1651& 0.1756& 0.1463& 0.1614& 0.1677& 0.1537\\ 0.1633& 0.1613& 0.1707& 0.1575& 0.1520& 0.1714\end{array}\right]$

基于信息熵赋权方法[6]得到指标的客观权重为:

V2=[0.011 6,0.127 9,0.732 6,0.023 3,0.058 1,0.046 5]T

(3) 权系数的确定

主观方法(层次分析法)得到5种赋权方法的权系数为:

$\eta {}_k=(0.2,0.1,0.3,0.3,0.1)‚\theta =0.6$

客观方法得到5种赋权方法的权系数为:

$\begin{array}{l}d{}_k=(2.4613,2.2121,2.9901,2.6969,3.8589)\\ \xi {}_k=(0.2229,0.2480,0.1835,0.2034,0.1422)\\ \alpha {}_k=(0.2092,0.1592,0.2534,0.2613,0.1169)\end{array}$

组合赋权权重:

W=(0.189 6,0.185 6,0.310 2,0.075 1,0.085 0,0.154 9)

4 结 语

权重的确定考虑了6个指标的重要程度,又兼顾了数据本身所反映的信息。从主观上讲指标MTTR/min是较为重要的指标,同时各方案相应的指标参数信息具有较大的差别。因此MTTR/min具有较大的权重;Ao,MTBF/h,rBZM是最为重要的指标,各方案间同一指标参数信息变化相对平缓;从主观上讲rFD,rFI与其他指标的重要性较小,指标参数的信息变化不大,因此组合权重较小。

参考文献

[1]毛定祥.一种最小二乘意义下主客观评价一致的组合评价方法[J].中国管理科学,2002,10(5):95-97.

[2]毛保华.评价指标体系分析及其权重系数的确定[J].系统工程,1991,9(4):37-41.

[3]韩华,徐廷学,张宗波.灰色关联法在保障性评价中的应用[J].海军航空工程学院学报,2008,23(6):655-658.

[4]陆明生.多目标决策中的权系数[J].系统工程管理与实践,1986,6(4):77-78.

[5]宣家骥.多目标决策[M].长沙:湖南科学技术出版社,1989.

[6]张杰,唐宏.效能评估方法研究[M].北京:国防工业出版社,2009.

[7]郭志刚.社会统计分析方法[M].北京:中国人民大学出版社,1999.

[8]YAN Shu-li,XIAO Xin-ping.Integrated approach based onmini mum deviation model for multi-attribute decision mak-ing[J].Sytem Engineering,2005,23(10):73-76.

[9]CHEN Hua-you.Combination determining weights methodfor multiple decision making based on maxi mizing deviation[J].Systems Engineering and Electronic,2004,26(2):194-197.

[10]王丽珍,黄跃飞,傅旭东.基于主客观组合赋权法的巴彦淖尔市生命体健康评价[J].应用基础与工程科学学报,2009(17):18-26.

基于偏好信息的多属性权重确定方法 篇6

多属性决策, 是决策理论与方法研究中的一个重要内容, 在工程设计、管理以及运筹领域中普遍存在。通常决策者确定一个方案的好坏需要考虑到相应的属性信息, 而属性信息之间却可能是彼此相互矛盾的, 这就要找出各属性信息的相对重要性。但在现实生活中, 由于各决策者的不同的文化教育背景以及个人偏好等主观因素的影响, 可能会对同一属性给出不同形式的偏好信息[1,2,3,4], 而这些偏好信息就被用来确定各个属性的权重值。目前, 国内外对具有不确定偏好信息的多属性决策问题的研究已有不少结果, 如文献[1]在国际上首次提出具有不同形式偏好信息的群决策问题的研究;文献[5]给出了群决策中具有两种形式偏好信息的集结方法。

在本文研究中, 首先提出了多种形式的属性偏好信息, 并将其分别规范化模糊互逆偏好关系, 再经过偏好集结, 最后给出了基于属性偏好信息的属性权重确定方法。

1 问题描述

本文考虑专家们给出关于属性偏好信息的多属性决策问题, 描述如下:

2 基于主观信息确定属性的权重

2.1 主观偏好信息的规范化

专家们给出的偏好信息可以通过下面方法规范化为模糊互逆偏好关系矩阵[6] (两两对比较矩阵) 。

4) 基于决策者给出的属性集合上区间数形式, 他们之间的模糊互逆偏好关系如下:

2.2 主观信息的集结与属性权重值的确定

将决策者给出的各属性的偏好信息规范化为模糊互逆偏好关系后, 将他们集结成群模糊互逆偏好关系矩阵pG= (pGij) n×n。方法如下:

其中, λ=[λ1, …, λK]为指数加权的权重向量, zl是{p1ij, p2ij, …pKij}中第l个大的数。基于模糊多数的概念, 采用模糊语言量化算子Q来计算权重向量λ:

然后将得到的权重ω= (ω1, ω2, …, ωn) T规范化, 得到关于主观信息的属性权重值。

3 算例

一个机器人用户想要购买机器人。4位专家e1, e2, e3, e4, 被邀请来帮助他做出购买决策。有4个属性C1, C2, C3, C4供专家们参考:成本、速度、可重复性、载重, 其中, C2和C4是效益型, 而C1和C3是成本型。

假设专家e1, e2, e3, e4分别给出4个属性的偏好信息意见如下:e1给出了偏好排序, {3, 1, 4, 2};e2给出了语言变量 (不重要, 一般, 重要, 很重要) ;e3给出了区间数 ([0.12, 0.23][0.36, 0.42][0.30, 0.38][0.05, 0.15]) ;e4严格偏好关系, 即C2严格优越于C1, 且C3严格优越于C4。

4 结束语

具有不同类型偏好信息的多属性决策问题已经引起了当前学者的高度重视。本文研究了专家们给出属性权重主观偏好信息问题。通过规范化处理并采用几何平均方法求得各属性的权重值。该方法有效、可靠, 具有可应用性。

摘要：本文提出基于属性主观偏好信息的权重确定方法 。研究了关于属性权重的多种不同形式的主观偏好信息的表达, 通过规范化方法转换并集结为群体偏好。最后通过几何平均法求出属性的权重值。

关键词：多属性决策,偏好信息,集结,几何平均法,权重

参考文献

[1]Chiclana F, Herrera F, Herrera-Viedma E.Integrating three representation models in fuzzy multipurpose decision making based on fuzzy preference relations[J].Fuzzy Sets and Systems, 1998, 97:33-48.

[2]Herrera F, Herrera-Viedma E, Chiclana F.Multi person decision-making based on multiplicative preference relations[J].European Journal of Operational Research, 2001, 129 (2) :372-385.

[3]王欣荣, 樊治平.一种具有不同形式偏好信息的群决策方法[J].东北大学学报:自然科学版, 2003, 24 (2) .

[4]徐泽水.几类多准则决策方法研究[D].南京:东南大学, 2002.

[5]Delgado M, Herrera F, Herrera-Viedma E, et al.Combining numerical and linguistic information in group decision making[J].Information Sciences, 1998, 107:177-194.

权重确定 篇7

对电信数据网评估的实质是以电信数据网的业务为核心,围绕相关资产,对其所具有的脆弱点和所面临的威胁展开分析,以确认电信数据网已经部署的安全措施是否发挥了应有的效力,寻找电信数据网在不同环境下的等级划分问题和电信数据网存在的风险问题,最终为电信安全监管中的数据网安全性测评提供技术依据和方法[1]。

1 电信数据网安全性评估的基本模型

要解决电信网络的安全评估问题,必须建立电信数据网统一的安全框架体系,在逻辑上把复杂的网络安全相关特征划分为多个构成部分,以便采用系统化的方法进行电信网络安全规划建设和运行维护[2,3]。

1.1 电信数据网的基本组成结构

在电信网络中有两种概念[4]:一是业务节点系统的概念;另一个是节点互联信息系统的概念。结合业务节点和互联信息的数据流向,电信数据网又可划分为核心层区域、汇聚层区域和接入层区域,如图1所示。

1.2 电信数据网的安全需求

在业务节点系统中,网络具有包括各个安全部分的相关要素,如接入控制、身份认证等,其设计是为了满足整体系统的安全需求[3]。在节点互联信息系统中,各个业务节点系统可能具有不同的安全策略和不同的信任等级,可以分别评估。考虑到各个业务节点系统可能是异构的,所以安全策略的实施一般控制在业务节点系统,在互联时要控制局部风险的扩散,排除整个系统中的级联问题。依据ITU X.805建议[5],电信网的安全性需求如图2所示。

1.3 影响电信数据网安全评估的要素

电信网络的评估方法是将网络划分成若干部分,评估每个组件,决定它与安全的相关特性,然后对组合后的各个组件进行评估,得到网络一个全面的安全风险。因此,对电信数据网的安全性评估首先是按照电信网的安全需求,确定影响电信数据网安全的关键因素[6]。如:

脆弱性集合:V={v1,v2,…,vn}={vk}${}_{k=1}^n$,其中vk是系统可能存在的脆弱性;n为脆弱性的个数。

威胁集合:T={t1,t2,…,tm}={tj}${}_{j=1}^m$,其中tj是系统可能存在的威胁;m是威胁的个数。

对策集合Sk:电信系统已经实施的安全保护措施。

资产集合Ai:节点Pi的资产价值。

影响集合:W={w1,w2,…,wm}={wj}${}_{j=1}^m$,其中wj表示影响,即威胁tj对系统所造成的影响。

风险集合Ri:系统中节点Pi面临的风险值。其中:

$R=V{\rm T}W={\displaystyle \sum _{k=1}^n{\displaystyle \sum _{j=1}^{m}v}}{}_{k}t{}_{j}w{}_j$

1.4 电信数据网安全评估的要素之间的关系[7]

对电信网络进行风险评估是确认系统安全风险及其大小的过程,即利用定性或定量的方法,借助风险评估工具,确定资产的风险等级和风险控制优先顺序。因此,首先要对电信网络的风险进行分析。风险分析需要对风险的辨识、估计和评价做出全面、综合的分析。风险分析中要涉及资产、威胁、脆弱性三个基本要素,每个要素要有各自的属性。资产的属性是资产价值;威胁的属性可以是威胁主体、影响对象、出现频率、动机等;脆弱性的属性是资产弱点的严重程度,其相互关系如图3所示。

2 电信数据网安全性评估要素的确定

2.1 电信网脆弱性确定

脆弱性识别是风险评估中重要的一个环节。脆弱性是资产本身存在的,如果没有被相应的威胁利用,单纯的脆弱性本身不会对资产造成损害。如果系统足够强健,严重的威胁也不会导致安全事件发生并造成损失。换句话说,威胁总是要利用资产的脆弱性才可能造成危害。所以应该针对每一项需要保护的资产,识别可能被威胁利用的弱点,进行脆弱性评估。

2.2 电信网威胁确定

威胁是一个具备一定攻击威胁能力的特定威胁源利用特定脆弱性对特定资产进行某种方式攻击所产生某种程度影响的可能性。识别电信数据网资产所面对的威胁,需识别出电信网主要的安全威胁以及相应的威胁途径或方式。威胁可以通过威胁主体、资源、动机、途径等多种属性来描述。

2.3 电信网资产确定

在电信系统中,资产有多种表现形式,这时首先需要将电信系统中相关资产进行恰当的分类,以此为基础进行下一步的风险评估。出于安全分析目的,电信网的资产可以分为三大类:物理资产、信息资产和服务资产[8]。

2.4 电信网安全要素的影响权重

电信网安全要素的影响可表达为:W(tj)=Aiαj,威胁tj的权重αj可以由脆弱性的级别来表征。因此,确定影响的过程就是确定影响权重的过程,基本过程包括:建立安全评估指标体系,运用指标进行专家打分,对不同专家的打分结果进行综合评定来确定权重。

2.4.1 电信数据网安全性评价指标框架[5,7]

依据ITU-T X.805的安全维度,从我国电信数据网安全体系框架中提取出评估的初级指标,然后再利用其他标准详细具体的安全要求、安全目的等与安全框架中的初级指标相对应,提取出针对评估对象的具体评价指标,此即为基于安全体系框架的指标提取方法。而这些安全目标要求是根据CC标准、BS7799或其他标准,结合电信数据网的实际情况来确定的,这样即可获得一系列安全评估的具体指标参数,如图4所示。

2.4.2 基于模糊层次分析电信数据网安全评估计算模型

对电信数据网进行安全性评价时,确定不同安全指标的权重是非常重要的。运用模糊层次分析法是一种有效的方法[9]。

运用层次分析法(AHP)进行评估的步骤分为三步[10]:一是建立层次结构模型;二是构造判断矩阵并计算相对权;三是计算各指标对系统安全影响的合成权。这样虽然可以求得各指标的权重,但仅有序位上的意义,不能反映各指标对评价目标应有的贡献率。因此,在运用AHP进行评估时,为了保证评估的正确性,可以通过构造模糊判断矩阵,使得到的指标权重能较真实地反映各指标相对的重要程度。

设系统有待进行重要性比较的指标集P={p1,p2,…,pm},pi为第i个指标,i=1,2,…,m;m为指标总数。

第一步,对指标集中的pi与pj做二元对比的排序,具体规则如下:

(1) pi比pj重要,则排序标度eij=1,eji=0;

(2) pi和pj同样重要,则eij=0.5,eji=0.5;

(3) pj比pi重要,则排序标度eij=0,eji=1。

其中:i=1,2,…,m;j=1,2,…,m。得到矩阵:

$\mathit{E}=\left[\begin{array}{cccc}e{}_{11}& e{}_{12}& \cdots & e{}_{1m}\\ e{}_{21}& e{}_{22}& \cdots & e{}_{2m}\\ ⋮& ⋮& \ddots & ⋮\\ e{}_{m1}& e{}_{m2}& \cdots & e{}_{mn}\end{array}\right]=[e{}_{ij}]$

满足:

eij仅在0,0.5,1三个数中取值;

eij+eji=1;

eii=ejj=0.5,i=j。

根据E可计算pi的重要性排序指数$f{}_i={\displaystyle \sum _{j}e}{}_{ij}$,根据fi的排序就能得到目标关于上层目标的重要度排序。按指标重要程度的排序,以升序方式对(eij)进行重新排序,得到新的矩阵:

$\mathit{B}=\left[\begin{array}{cccc}b{}_{11}& b{}_{12}& \cdots & b{}_{1m}\\ b{}_{21}& b{}_{22}& \cdots & b{}_{2m}\\ ⋮& ⋮& \ddots & ⋮\\ b{}_{m1}& b{}_{m2}& \cdots & b{}_{mn}\end{array}\right]=[b{}_{ij}]$

第二步,构造判断矩阵。

按照两两指标间相对重要模糊隶属度:

$d{}_{ij}=\frac{f{}_i-f{}_j}{2(m-1)}+0.5,i,j=1,2,\cdots ,m$

构造模糊判断矩阵(dij)m×m。

第三步,计算各指标权重

根据模糊判断矩阵(dij)m×m使用如下公式进行权重计算:

$\alpha {}_i=2{\displaystyle \sum _j\{}d{}_{ij}/[m(m-1)]\},i\ne j$

运用模糊层次分析法要求每层指标在3个以上,这样计算的权重能适当地减轻不同专家的主观性影响。

3 计算示例

利用模糊层次分析法,对某电信城域网进行了评估。为了简化运算,本文以三层为例进行运算。提取指标示例如表1所示。

在征询专家意见的基础上,各层次的排序矩阵或判断矩阵如下:

根据上述的排序矩阵构造模糊判断矩阵,得到各层次指标的权重计算结果如表2所示。

其中,层次I的排序结果就是对应的各指标的权重。

4 结 语

电信网络覆盖地域广阔,结构复杂,涉及的管理环节众多,存在和面临的安全问题从物理安全、网络安全、系统安全一直到应用安全、数据安全、安全管理、安全组织等,具有很高的复杂性。对电信数据网的安全评估不仅要考虑资产的脆弱性被威胁利用的问题,还要考虑资产在网络中所发挥的作用。本文从ITU-T X.805出发考虑影响电信数据网安全的各种要素及其相互的影响,给出了在业务节点下的安全指标体系,并以此为依据计算了资产的安全权重,从而为比较准确地进行电信数据网的安全评估提供了一种可行的方法。该方法比较客观、公正,消除了不同专家对网络的不同认识,能较为准确地反映电信数据网中不同资产对安全造成的影响。

参考文献

[1]张杰,唐宏,苏凯,等.效能评估方法研究[M].北京:国防工业出版社,2009.

[2]NIST NCSC-TG-005.Trusted Network Interpretation(TNI)of the TCSEC(Red Book)[S].[S.l.]:NIST NC-SC-TG-005,1987.

[3]NIST NCSC-TG-011.Trusted Network Interpretation En-vironments Guideline-Guidance for Applying the TNI(RedBook)[S].[S.l.]:NIST NCSC-TG-011,1990.

[4]唐保民.电信网技术基础[M].北京:人民邮电出版社,2001.

[5]ITU-T 805.Security architecture for systems providing end-to-end communications[S].[S.l.]:ITU-T805,2003.

[6]孙玉.电信网络安全总体防卫讨论[M].北京:人民邮电出版社,2008.

[7]国家质量技术监督局.GB18336-2001信息技术安全性评估准则[S].北京:中国标准出版社,2007.

[8]ITU-T.Security in Telecommunications and InformationTechnology[R].[S.l.]:ITU-T,2006.

[9]梁雄健,孙青华.通信网可靠性管理[M].北京:北京邮电大学出版社,2004.

权重确定 篇8

元搜索引擎的一项核心就是对成员搜索引擎的结果进行合成。文献[1]中列举了许多常用排序算法, 而文献[2-3]中则提出了一些新的排序算法。但是其中很多算法都有着一个共同的问题, 那就是虽然都使用了搜索引擎权重但都没有给出一个明确的算法, 大多只是粗略地根据引擎效率口碑等估计了一下。

针对这种情况, 文中提出了一种元搜索中成员搜索引擎权重的确定方法。运用层次分析法[4,5], 首先通过问卷调查形式获得专家对于成员搜索引擎相对重要性的看法, 再对初始判断矩阵进行一致性修正[6,7], 然后通过对判断矩阵的筛选解决用户之间的较大分歧, 最后得到成员搜索引擎权重。

1 成员搜索引擎相对重要性比较

本文选取谷歌, 百度, 雅虎, 搜狗来说明确定方法。

专家问卷调查表采用两两比较的方法, 通过理论已十分成熟的1~9标度, 让专家及权威用户确定判断矩阵。该表格发放给搜索引擎方面的专家及权威用户, 本文对8名长期使用搜索引擎的权威用户进行了调查。

设计的表格如表1所示。

其中各标度的含义由表2所示。

2 矩阵一致性的判断与修正

2.1 获得判断矩阵

由于调查表只需要填下三角, 所以判断所填内容是否符合1~9标度, 若符合, 补全矩阵的上三角元素, 即aji=1/aij (i>j) ;若出现越界, 缺失等状况, 就舍弃该份问卷。

2.2 进行矩阵一致性判定

这里采用一致性比例[8]CR来判断判断矩阵A的一致性, 并规定当一致性比例时, 认定矩阵的一致性可以接受, 否则应对矩阵进行修正。其中λmax为矩阵最大特征根, n为矩阵的阶, RI取值如表3所示。

2.3 修正矩阵

步骤1:计算当前矩阵A的CR值, 进行一致性判定, 若判定不通过, 则转步骤2。

步骤2:计算当前矩阵A中各非对角元素的拟修正值, aij (i≠j) 的拟修正值。

由于bji=1/bij, 在实际计算中只需要考察上三角元素即可。

步骤3:逐个选定被修正元素ars, 计算其用brs替换后的, 选取其中CI最小的一个作为被修正元素, 如有多个相同则随意选取。转步骤1。

2.4 计算排序权向量

计算修正后满足一致性矩阵的特征值和特征向量, 其最大特征根λmax对应的归一化特征向量w即为该判断矩阵的排序权向量。

3 计算成员搜索引擎的最终权重

至此获得了多个合理的符合一致性的判断矩阵, 但这些专家判断矩阵之间也会因各专家自身条件的局限, 可能在同一准则下产生较大分歧, 所以需要先衡量专家判断矩阵之间的差距, 如果差距过大需要先筛选矩阵后再计算群决策综合排序向量。

设有s位专家对n个元素参与决策, w= (w1, …, wn) T为群组综合排序向量, w是由经过一致性修正后的各专家判断矩阵对应的排序向量u (1) , u (2) , …, u (s) 通过几何平均综合而得, 综合特征矩阵W= (wi/wj) n×n由w生成。

如果群组决策中每个判断矩阵A (k) (k=1, …, s) 都与W相容, 即SI (A (k) , W) ≤S.I., 那么称此群组判断是相容的, 其对应的综合排序向量是可接受的。

计算出几何平均综合排序向量, 评估各判断矩阵与综合特征矩阵之间的相容性, 当出现与综合特征矩阵不相容的判断矩阵时, 可以剔除相容性很差的矩阵后, 重新计算几何平均综合排序向量及相容性, 直至全部判断矩阵满足相容性。

具体步骤如下:

(1) 计算当前各判断矩阵的排序向量, 几何平均得到综合排序向量, 生成综合特征矩阵W。

(2) 计算当前各判断矩阵与综合特征矩阵W之间的相容度。

(3) 将相容度最大值SImax, 与S.I进行比较, 若SImax≤S.I, 转步骤 (4) ;否则, 剔除SImax对应的判断矩阵, 转步骤 (1) 。

(4) 计算此时的几何综合排序向量w, 即为成员搜索引擎各评判元素的最终权重。

至此可获得成员搜索引擎的最终权重。可通过该权重与各算法计算出的各文档的分数来确定文档的最终评分以对其进行排序。

4 权重计算实例

以下是决定各搜索引擎权重的详细过程。在这里先由八个专家决定四个搜索引擎的判断矩阵。八个判断矩阵如下:

这里以第六个判断矩阵为例, 对其进行修正并计算其排序向量。

计算出矩阵中的每个元素所对应的拟修正值:

根据B矩阵计算CI值, 取CI最小的元素作为修正元素, 进行替换。替换后得到:

重复上述过程, 最终得到修正后的矩阵为:

排序向量为

以此方法可得到全部修正矩阵及排序向量:

之后算出综合排序向量:

对应综合特征矩阵:

继而得到各矩阵的相容度为:

由于Dmax=3.3640>1.075, 去除该值对应的排序向量, 重新计算出综合排序向量为:

继续得到新的综合特征矩阵和相容度:

之后重复上述步骤, 最终排出了除2、4、8外的所有矩阵, 得到最终综合排序矩阵即权重因子为:

5 实验及分析

以谷歌、百度、雅虎及搜狗四个搜索引擎为例做实验。权重为第四部分结果。

以搜索i Phone为例, 每个搜索引擎取前十条搜索结果 (限于篇幅仅列出前四条) 。

谷歌:

(1) www.apple.com.cn/iphone/

(2) digi.tech.qq.com/d/mmodel/11/10130/

(3) iphone.91.com/

(4) iphone.tgbus.com/

百度:

(1) iphone.tgbus.com/

(2) detail.zol.com.cn

(3) store.apple.com/cn/

(4) baike.baidu.com/view/710887.htm

雅虎:

(1) iphone.tgbus.com/

(2) www.etao.com

(3) mobile.zol.com.cn/manu_544.shtml

(4) baike.baidu.com/view/710887.htm

搜狗:

(1) www.apple.com.cn

(2) www.apple.com.cn/iphone/

(3) www.apple.com.cn/iphone/specs.html

(4) iphone.tgbus.com

对于共40个搜索结果, 结合权重, 对于每一个搜索结果, 首先计算其在各搜索引擎中的文档分数 (如果不被某个搜索引擎所引用, 那么采用影子文档) , 最后乘以各搜索引擎系数就是最终的分数可用于排序。部分排序如下:

(1) iphone.tgbus.com/

(2) www.apple.com.cn/iphone/

(3) digi.tech.qq.com/d/mmodel/11/10130/

(4) iphone.91.com/

(5) detail.zol.com.cn

(6) baike.baidu.com/view/710887.htm

(7) store.apple.com/cn/

(8) www.etao.com

(9) www.apple.com.cn

(10) mobile.zol.com.cn/manu_544.shtml

从结果可看出, 虽然谷歌的权重最大, 但最终结果中排第一的并不是谷歌的第一条, 而是百度的第一条, 因为其在多个搜索引擎中均出现在十分靠前的位置。而接下来的结果权重影响就大了, 在谷歌和百度中靠前的文档最后均出现在靠前的位置, 而在权重较小的雅虎和搜狗中靠前的, 就排在后面, 甚至排在谷歌和百度前四以外的文档后。

所以该权重的使用确实对各搜索引擎的结果排序产生较大影响, 最终符合权威用户对各搜索引擎的看重程度, 效果较好。

6 结束语

元搜索中成员搜索引擎的权重是影响最终合成的排序结果十分重要的一个因素, 在现有合成算法中大多使用了这个权重但都没有给出一个清晰明确的计算方式。文中主要提出了一种确定成员搜索引擎权重的方法, 通过问卷调查确定专家矩阵后对于矩阵一致性以及矩阵间的相容度进行修正获得这个权重, 并获得了比较好的效果。但是考虑到仅通过专家意见确定该权重可能会主观性过重, 所以如何使诸如结果相关性评分、搜索效率等指标进入该权重的计算将是下一步的研究方向。

参考文献

[1]曹林, 韩立新, 吴胜利.元搜索引擎排序技术综述[J].计算机应用研究, 2009, 26 (2) :411-414.

[2]李红梅, 丁振国, 周水生, 等.搜索引擎结果合成算法研究[J].邮电大学学报, 2008, 31 (5) :78-81.

[3]徐科, 崔志明, 郑冬冬.元搜索引擎中基于用户兴趣的查询结果合成研究[J].微电子学与计算机, 2004, 23 (7) :200-202.

[4]Saaty T L.The Analytic Hierarchy Process:Planning, Priority Setting, Resource Allocation[M].Mcgraw-Hill, January 1980:136-254.

[5]梁梁, 盛昭翰, 徐南荣.一种改进的层次分析法[J].系统工程, 1989, 7 (3) :5-7.

[6]李梅霞.AHP中判断矩阵一致性改进的一种新方法[J].系统工程理论与实践, 2000, 20 (2) :122-125.

[7]刘万里, 雷治军.关于AHP中判断矩阵校正方法的研究[J].系统工程理论与实践, 1997, 17 (6) :30-34, 39.

[8]Saaty T L.A Scaling Method for Priorities in Hierarchical Structures[J].Journal of Math.Psychology, 1997, 15:234-281.

[9]Saaty T L.A ratio scale metric and compatibility of ratio scales:On the possibility of Arrow's impossibility theorem[J].Applied Mathematics Letters, 1994 (7) :45-49.

权重确定 篇9

1 资料与方法

1.1建立层次结构模型根据丽水市疾控中心年初编制下发的《2014年丽水市县(市、区)疾病预防控制工作技术大纲》(以下简称大纲),选定需要评估的8个项目,分别为:综合业务管理、应急处置与管理、传染病监测与防控、免疫预防、艾滋病与结核病防治、慢病与地方病防制、健康教育与健康促进、健康危害因素监测与防制。

1.2确定评估专家及专家权威系数专家由8名县级疾控熟悉各方面业务的专家、4名市级疾控中心主任组成。专家权威性[3]:每一位接受调查的专家对这次调查的熟悉程度不尽相同,判断的依据也不一样,所以对专家做出判断的依据(Ci)和专家对此调查内容的熟悉程度(Cs)进行量化评分,最后计算出每位专家的权重系数。其中判断依据包括理论分析、工作经验、参考文献和直观判断,每项又分大、中、小3个层次,给予不同的分值,熟悉程度(Cs)分为,很不熟悉(0.0)、较不熟悉(0.1)、一般(0.3)、较熟悉(0.5)、熟悉(0.7)、很熟悉 (0.9),给予不同的赋值;专家权威系数 =(Ci+Cs)/2。见表1。

1.3构造成对比矩阵自行设计制定调查问卷,通过问卷方式咨询选定专家调查,让专家从全面考核疾控业务工作的角度出发,对各个类别进行两两比较,参考Saaty给出的9个重要性等级及其赋值对其进行打分[1]。见表2。

1.4计算指标的权重系数和归一化权重系数利用几何平均法,按照初始权重系数计算公式和归一化权重系数计算公式得到各个项目的权重系数。

1.5检验权重系数的一致性归一化权重系数,利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过,计算结果即为权重系数;若不通过,发回各专家进行重新打分,并提醒注意明显逻辑错误,继续做一致性检验,直到达到满意的一致性为止。

一致性指数随机一致性比率

其中λmax(A)表示矩阵A的最大特征值。RI称为平均随机一致性指标,它只与矩阵阶数n有关。当CR<0.1时,判定成对比矩阵具有满意的一致性,或其不一致程度是可以接受的。

1.6确定最终评估指标的组合权重由于每一位专家的权威性不同,在计算出每位专家每个指标的归一化权重系数后,根据每位专家的权威系数进行加权平均,最后再进行归一化处理得到最终的权重。

1.7 质量控制 以专家积极性、权威性、协调系数来评价。

1.7.1 专家积极性 用应答率表示,应答率 =(回收问卷数 / 发出问卷数)/×100%。

1.7.2专家权威性同上述专家权威系数方法计算。

1.7.3 Kendall协调系数(W) 用于评价多个专家对不同指标进行评估时的一致性程度,经卡方检验后P<0.05,即认为协调系数有统计学意义,评估者之间具有一致性。

1.8 统计分析 所以数据均录入 SPSS16.0 进行统计性描述以及 kendall 协调系数计算。

2 结果

2.1专家基本情况参加调查的12名专家平均年龄为(43.580±7.115)岁,平均工龄为(22.850±7.457)年,其中预防医学专业的专家有3名,健康教育与促进、临床医学、公共卫生等专业的专家各有2名,理化检验方面的专家有3名。

2.2 专家积极性、权威性、协调系数分析

2.2.1积极性发出专家咨询表12份,一周后收回12份,应答率100%,其中1份未通过一致性检验,经发回修改后通过检验。

2.2.2权威性12名专家的判断依据为:0.799±0.103,熟悉程度为0.450±0.151,权威系数为0.621±0.110,权威系数的变异系数为17%。

2.2.3 协调系数 专家协调系数为 0.365(χ2=30.645,P<0.01),经卡方检验有统计学意义,说明专家的意见具有一致性。

2.3 12位专家归一化权重系数的一致性比率每位专家的一致性CR分别为(0.028,0.040,0.045,0.001,0.040,0.019,0.045,0.037,0.036,0.053,0.014,0.024),结果都小于0.10,认为都可通过一致性检验,指标权重为可接受。

2.4最终评估指标的组合权重将通过一致性检验的各个专家确定的各个指标的权重系数与权威系数相乘,通过求和归一化处理得到最终的权重系数,从高到低分别为传染病监测与防控、免疫预防、应急处置管理、艾滋病与结核病防控、慢性病与地方病防治、综合业务管理、健康教育与健康促进、健康危害监测与防治,权重系数分别为(0.1790、0.1652、0.1414、0.1306、0.1224、0.1024、0.0804、0.0787)。见表3。

3 讨论

层次分析法是由美国运筹学家匹兹堡大学萨迪(T.L.Saaty)教授于20世纪7O年代初期提出的[4]。它是一种定性和定量相结合的、系统化、层次化的分析方法,可根据对一定客观现实的判断就每一层次的相对重要性给予定量表示,利用数学方法确定表达每一层次的全部元素的相对重要性次序的权值[5]。层次分析法的独特性在于递阶层次结构、判断矩阵的构成和一致性检验三方面。它的应用范围很广,且具有简洁实用、所需数据少等特点,在疾控工作方面,还可以应用于传染病的风险评估等[6]。研究对一级指标权重的确定是由多个专家参与决策的,这样就获得了多个判断矩阵,这称为群组AHP法[7]。

群组AHP中专家的权重系数,是根据各个专家的熟悉程度不同,设置了专家自评,通过自评计算出专家的权重系数,使最后的权重更具科学性。但此方法有一定的缺陷,比如在调查中,由于专家的个人经历、经验、文化背景等不同,虽设置了自评,但是对不同的准则层,每位专家的知识、经验又是不一样的,导致专家的个人专业偏好影响调查结果的合理性。而由于Saaty一致性检验只能确定专家的思维前后一致,而不能确定专家的意见符合现实情况。对于这一问题,可以在层次分析法的基础上利用聚类分析的思想加以改进[8]。通过对个体排序向量的聚类分析,将个体排序向量划分为不同的类别,充分体现少数服从多数的原则。另外在调查中让每位专家进行打分时,具体的打分方法要进行说明和举例,以便让专家理解对比矩阵的填写,防止错填、乱填。

由于层次分析法具有不能提供新方案的缺点,调查在设置问卷的时候加入了各专家认为需要添加或删除的指标,以便于完善指标体系。调查部分专家认为还需要添加的项目有:基层培训指导、适宜技术技能应用、基本公共卫生技术项目管理、年度创新工作项目、检验能力独立评估等。经过讨论研究后,在今后考核工作中可以适当考虑。

评估利用几何平均法得出了各个考核项目的权重值,求权重值的方法一共有4种,虽然各法求得的权重向量比较接近,但也有细微差别,而这些细微差别也可能导致在解决实际问题的时候会得出不一样的结果[9]。但研究只为了对各单位进行考核前可以确定各项目的分值,更加科学地进行评定,并不需要进行排序,细微的差别可以忽略。此外,研究只简单地做了一级指标评估分析,为了评估体系更加完善,应建立更合理的层次机构模型,相当于“框架—类别—项目—指标”[10]几个层次,参考《大纲》将指标具体细化,利用Delphi法确立具体指标[11],由中心各个负责考核的科室按照同样方法和步骤开展。

摘要：目的 确定县级疾控各项业务权重,为制定合理的县级疾控业务评估标准提供依据。方法 应用层次分析法,通过专家咨询判断各指标间的两两相对重要程度,构建成对比较矩阵、计算指标的权重系数、检验权重系数的可接受性,根据专家权重调整权重系数,确定考核指标的组合权重等步骤,确立县级疾控各项业务评估权重。结果 业务权重从高到低为传染病监测与防控、免疫预防、应急处置管理、艾滋病与结核病防控、慢性病与地方病防治、综合业务管理、健康教育与健康促进、健康危害监测与防治,权重系数分别为0.1790、0.1652、0.1414、0.1306、0.1224、0.1024、0.0804、0.0787。结论 层次分析法可用于县级疾控业务评估权重的确定,为后续构建综合评价模型提供依据。