[发明专利]一种对象评价方法、装置、可读介质及存储控制器

说明书

本发明提供了一种对象评价方法、装置、可读介质及存储控制器，该方法包括：构建针对待评价对象的判断矩阵；计算判断矩阵的最大特征根所对应的目标特征向量；根据最大特征根对判断矩阵进行一致性检验，若判断矩阵不具有一致性则随机化若干特征向量；构建初始的粒子集，其中包括目标特征向量和该若干特征向量，初始的粒子集中各个特征向量均经归一化处理；针对初始的粒子集执行预设迭代次数的迭代优化，以依次得到每一次迭代优化后的粒子集，对于每一次迭代优化：基于当前存在的每一个粒子集以执行当前次迭代优化；根据判断矩阵和最后一次迭代优化后的粒子集，计算待评价对象的得分。由于无需专家重新打分，故能够降低实际实施难度。

技术领域

本发明涉及计算机技术领域，特别涉及一种对象评价方法、装置、可读介质及存储控制器。

背景技术

在多目标决策中，会遇到一些变量繁多、结构复杂和不确定因素作用显著等特点的复杂系统，这些复杂系统中的决策问题都有必要对描述目标相对重要度做出正确的估价，也就是评估各种影响因素的权重。

系统工程理论中的层次分析法(Analytic Hierarchy Process，AHP)是一种较好的权重确定方法，它是把复杂问题中的各因素划分成相关联的有序层次，使之条理化的多目标、多准则的决策方法，是一种定量分析与定性分析相结合的有效方法。

对于层次分析法，需要计算判断矩阵的最大特征根对应的特征向量，并对判断矩阵进行一致性校验。若判断矩阵不具有一致性，传统的修正方法为专家重新打分，如此可基于修正后的判断矩阵以评价对象。

但由于需要专家重新打分，使得从实际实施方式上存在困难。

发明内容

本发明提供了一种对象评价方法、装置、可读介质及存储控制器，能够降低实际实施难度。

为了达到上述目的，本发明是通过如下技术方案实现的：

第一方面，本发明提供了一种对象评价方法，包括：

构建针对待评价对象的判断矩阵；

计算所述判断矩阵的最大特征根所对应的目标特征向量；

根据所述最大特征根对所述判断矩阵进行一致性检验，在确定出检验结果为所述判断矩阵不具有一致性时，随机化至少一个特征向量；

构建初始的粒子集，所述初始的粒子集中包括所述目标特征向量和所述至少一个特征向量，所述初始的粒子集中的每一个特征向量均经归一化处理；

针对所述初始的粒子集执行预设迭代次数的迭代优化，以依次得到每一次迭代优化后的粒子集，其中，对于每一次迭代优化：基于当前存在的每一个粒子集以执行当前次迭代优化；

根据所述判断矩阵和最后一次迭代优化后的粒子集，计算所述待评价对象的得分。

进一步地，所述基于当前存在的每一个粒子集以执行当前次迭代优化，包括：利用公式一和公式二，基于当前存在的每一个粒子集以执行当前次迭代优化；

所述公式一包括：

所述公式二包括：