一种目标优先级权系数确定方法

摘要

本发明涉及一种目标优先级权系数确定方法，涉及目标优先级领域，具体包括如下步骤：1)确定目标优先级网格层数；2)确定目标优先级网格各层节点数；3)确定目标优先级网格两层之间的传递系数；4)计算各个目标优先级权系数；利用上面确定的网络层数，各层的节点数，以及各层之间的传递系数可以推导出底部节点的数值。本发明的优点在于：该方法充分考虑了影响目标优先级的因素，通过专家集评估，合理且有效地确定了目标优先级权系数，克服了目前在目标优先级确定方面的简单加权平均，同时也充分客观地考虑了不同专家对目标优先级权重的评估情况，使得目标优先级权系数的确定更符合实际情况。

主权项

1.一种目标优先级权系数确定方法，其特征在于：该方法包括如下步骤：1)确定目标优先级网格层数：目标优先级网格层数的确定是由对目标优先级起作用的分类类型所决定的，即为对目标优先级产生影响的影响因子，其中，定义0级为网格顶端，l级为网格底端，其节点的个数为待识别的目标个数；2)确定目标优先级网格各层节点数：在网格中，中间每一级的节点数是由对目标优先级起作用的每一类的分类标准所决定的，每一层对目标优先级有影响的类型分类有几项，则其节点数与其相对应；3)确定目标优先级网格两层之间的传递系数：在网格中，上层节点对下层节点的传递系数称为弧值，对于网格中每一层节点所对应的弧值可以采用专家可信度及专家综合评分来确定；假设有f个专家对n项评判指标逐一进行评分，f个专家分别为b₁，b₂，…，b_f，构成了各层弧值评判指标专家集B＝{b₁，b₂，…，b_f}；n个指标记作U＝{u₁，u₂，…，u_n}；通常，专家对于指标所给出的评价存在着对其信任程度的问题，可以设置不同专家的信任程度，用可信度来表示，最值得相信的专家，其可信度设为1，而最不值得相信的专家的可信度为0；设f个专家的可信度分别为β₁，β₂，…，β_f，则定义${\alpha }_i=\frac{{\beta }_i}{\underset{i=1}{\overset{f}{\Sigma }}{\beta }_i}(i\in F)$为专家b_i关于专家集B的综合可信度；其中F＝{1，2，…，f}；显然因此，可定义向量{α₁，α₂，…，α_f}为专家的可信度权重向量；对于n项评判指标，令N＝{1，2，…，n}，用e_ij(i∈F，j∈N)表示第i个专家对第j个指标的评分，则考虑专家的综合可信度后，专家集对评估指标的综合评分e_i表示为$e_j=\underset{i=1}{\overset{f}{\Sigma }}{\alpha }_i{e}_{\mathrm{ij}}$在确定网格模型结构下，可以给出各个层的弧值评估指标值，利用上述等式可以确定综合评估弧值；4)计算各个目标优先级权系数：利用上面确定的网络层数，各层的节点数，以及各层之间的传递系数可以推导出底部节点的数值，推导过程为：设第i层是一个r维向量，第i+1层是一个v维向量，定义Γ_i为将r维向量P_i转换为v维向量P_i+1的转换矩阵，其形式如下：P_i+1＝Γ_iP_i其中，P_i＝[p_i1 p_i2 … p_ir]^T，P_i+1＝[p_(i+1)1p_(i+1)2…p_(i+1)v]^T分别为第i层和第i+1层上由r个和v个节点值组成的向量，且有：Γ_i是从第i层和第i+1层由步骤3)所获得各层弧值构成的转换矩阵；从1层到l层可以定义一个变换矩阵；将等式中每一方程递归展开，如将P_i＝Γ_i-1P_i-1展开，得：P_i+1＝Γ_iP_i＝Γ_iΓ_i-1P_i-1其中，Γ_iΓ_i-1是两个线性变换矩阵的积，新矩阵Γ＝Γ_iΓ_i-1本身也是一个线性变换矩阵，因此，从P₁到P_l，在第l层产生值向量为：P_l＝Γ_l-1Γ_l-2…Γ₁P₁即：$\left[\begin{array}{c}{p}_{l1}\\ p_{l2}\\ ·\\ ·\\ ·\\ p_{\mathrm{lq}}\end{array}\right]={\Gamma }_{l-1}{\Gamma }_{l-2}···{\Gamma }_1\left[\begin{array}{c}{p}_{11}\\ p_{12}\\ ·\\ ·\\ ·\\ p_{1m}\end{array}\right]$其中，q为第l层的节点数，m为第1层的节点数，Γ＝Γ_l-1Γ_l-2…Γ₁是一个从P₁到P_l的线性变换矩阵；确定出第l层节点向量P_l＝(p_l1，p_l2，…，p_lq)后，可以由此推导出各个目标的优先级为$p_i=\frac{p_i}{\max \left(P_Q\right)}(i=\mathrm{1,2},···,q;Q=\{\mathrm{1,2},···q\left\}\right)$其中，q个节点对应q个目标，即实现了对目标优先级的确定。