[发明专利]基于模糊层次法和CRITIC法的指标权重赋权方法

权利要求书

1.基于模糊层次法和CRITIC法的指标权重赋权方法，其特征在于：所述方法包括如下步骤：

步骤1，基于模糊层次法确定主观权重，利用三角模糊数构建判断矩阵并计算指标权重；

步骤2，通过熵和肯德尔相关系数，采用CRITIC法确定指标的客观权重；

步骤3，基于主客观权重一致性，确定指标组合权重，并得到最优组合权重模型。

2.根据权利要求1所述的基于模糊层次法和CRITIC法的指标权重赋权方法，其特征在于：步骤1中，首先利用三角模糊数构建判断矩阵，三角模糊数定义如下：

设M∈E¹，E¹表示全体模糊数构成的空间，则M的隶属度函数μ_m(x)，R→[0,1]表示为：

式中，l≤m≤u，l和u分别为M所支撑的上界和下界，称M为三角模糊数，模糊数写为M＝(l,m,u)，|l-u|反映了模糊度的大小；利用三角模糊数作为专家判断矩阵，即模糊判断矩阵A＝(α_ij)_n×n中的元素α_ij＝(l_ij,m_ij,u_ij)是一个以m_ij为中值的闭区间，不同取值具有对应的具体含义；

当评价体系中指标集为x＝{x₁,x₂,K,x_n}时，得到指标两两对比的重要程度，表示为：

然后，利用三角模糊数相关算法计算指标权重；

计算各指标综合合成三角模糊数：

计算S_i≥S_k的可能性：

设V(S_i≥S_k)为S_i≥S_k的可能性，l、m、u表示3个三角模糊数的参数，则：

其他

式中，d是两个三角模糊数隶属函数交集的最高点，求出S_i大于所有其他所有指标合成值的可能性：

V(S_i)＝V(S_i≥S₁,S₂,K,S_n)＝minV(S_i≥S_k)

i,k＝1,2,K,n,i≠k

计算指标权重：

设w′(α_i)＝V(S_i)，则权重向量可以表示为W′＝(w′(α₁),w′(α₂),K,w′(α_n))^T，对其进行归一化后可得标准权重向量W＝(w(α₁),w(α₂),K,w(α_n))^T。