[发明专利]基于德尔菲法的群体一致性分析方法

说明书

本发明公开一种基于德尔菲法的群体一致性分析方法，针对于现今决策算法大多是对个体信息的聚集和信息融合上做了大量工作，但都没有对专家意见的一致性程度进行定义，只在意于对专家的偏好信息进行融合得出方案集的排序，导致最终得到的结果集无法确定是否为最佳结果集，该方法启用一种基于Delphi法的多准则群决策方法，该方法在多准则群决策方法的基础上引入了Delphi法的匿名机制和反馈机制，目的是为了避免个别专家控制群体意识，使专家的意见达到一定的收敛程度。本方法在基于反馈机制促进意见趋于一致的同时，最大程度的保留了初始意见，也避免了进入无休止的评价环节，使得最终的决策结果具有良好的收敛性。

技术领域

本发明是将经济领域中常见的Delphi法运用到群体一致性分析中，解决在决策过程中个体决策者知识的局限性以及个别专家的意见对整体决策的影响问题，属于系统科学领域。

背景技术

Delphi法是一个知名的小组决策方法，是一个专家或利益相关者小组就某个主题进行结构化互动，最终达成共识的过程。自20世纪60年代引入以来，它已被应用于各种知识领域，例如预测移动宽带流量，确定一种慢性疾病类型的相关特征，和了解云计算应用问题等。德尔菲法既可以用于预测,也可以用于评估,国内外经验表明,德尔菲法能够充分利用人类的知识、经验和智慧,成为解决非结构化问题的有效手段,对于实现决策科学化、民主化具有重要价值。

随着社会的发展，各类决策问题越来越复杂，多准则决策技术得到迅速发展。许多丰硕的研究成果已经实现。比如：层次分析法(AHP法)，贝叶斯概率法，模糊评价法等。但这些方法在个体信息的聚集和信息融合上做了大量的工作，但都没有对专家意见的一致性程度进行定义，往往只在意于对专家的偏好信息进行融合得出方案集的排序，最终得到的结果集无法确定是否为最佳结果集。基于此，本发明引入了Delphi的反馈机制与匿名机制，提出了基于Delphi法的多准则决策模型，对决策结果引入了群体一致性分析，在反馈环节提供专家个体准则一致度，群体一致度和基于准则的详细打分信息，促进专家更好完善自身意见，使得最终的决策结果具有良好的收敛性。

发明内容

本发明的目的是：针对于现今群体一致性算法没有对群体内部各成员意见的聚集情况一致性情况进行分析进行改良，该方法启用一种基于Delphi法的多准则群决策方法。

为了达到上述目的，本发明所采用的技术方案是：

基于德尔菲法的群体一致性分析方法，其特征在于：方法引入Delphi法中的匿名机制和反馈机制，在专家依据自身的知识给出偏好矢量之后，对专家的观点进行分析，计算群体一致性，如群体一致性满足阈值要求，则得出决策结果，否则进入下一轮决策；所述的群体一致性分析方法包含如下步骤：

步骤1：由主持人给出决策主体，选择与会专家E＝{e¹,e²,…,e^s}(s≥2)，其中s为专家数量，明确方案集合X＝{x₁,x₂,…,x_m}(m≥2)，其中m为方案的数量，确定针对方案集合X的有限准则A＝{a₁,a₂,…,a_n}(n≥2)，其中n为有限准则数量，给出决策准则权重W＝(w₁,w₂,…,w_n)，确定群体一致性阈值η，最大决策轮数MAXCYCLE以及设置轮数初始值CYCLE＝0；

步骤2：定义：专家集合E中的某一专家e^k对方案集合X中的某方案x_i的某准则a_j给出的判断值为则专家e^k的偏好矢量矩阵为：

主持人利用Delphi法的匿名性使每个参会专家独立思考，提出自己的决策意见，给出自己的判断值；