基于改進(jìn)的ITARA方法的目標(biāo)權(quán)重分配：目標(biāo)層次標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)間依賴性以及基于證據(jù)的凸組合技術(shù)
《Advanced Engineering Informatics》：Objective weighting with a modified ITARA: Aspiration?Level normalization, Inter?criteria dependency, and Evidence?weighted convex synthesis
【字體：
大
中
小
】
時(shí)間：2026年03月03日
來源：Advanced Engineering Informatics 9.9
編輯推薦：
基于 indifference threshold 的改進(jìn)多準(zhǔn)則決策權(quán)重方法 M-ITARA 通過整合理想水平、相關(guān)性矩陣與證據(jù)加權(quán)凸合成，解決了傳統(tǒng) ITARA 忽略絕對(duì)性能目標(biāo)、假設(shè)指標(biāo)獨(dú)立性和依賴主觀組合系數(shù)三大局限。研究通過銀行、制造、可持續(xù)供應(yīng)鏈等五個(gè)真實(shí)案例驗(yàn)證，證明該方法能生成更穩(wěn)定、平衡的權(quán)重，并通過敏感性分析證實(shí)其魯棒性。該方法為異構(gòu)且相關(guān)聯(lián)指標(biāo)的多準(zhǔn)則決策提供了可解釋、可自動(dòng)化的AI友好型權(quán)重框架。
洛懷偉|陳友山|德維吉穆罕默特|德倫杜爾孫
臺(tái)灣云林科技大學(xué)工業(yè)工程與管理系，云林
摘要
基于無差異閾值的屬性比率分析（ITARA）是一種在多標(biāo)準(zhǔn)決策（MCDM）中廣泛使用的客觀加權(quán)技術(shù)，因?yàn)樗軌蛟谙拗浦饔^輸入的同時(shí)捕捉備選方案之間的差異。然而，ITARA存在三個(gè)局限性：它忽略了期望水平，因此忽視了絕對(duì)績效目標(biāo)；它假設(shè)標(biāo)準(zhǔn)之間的獨(dú)立性，而忽略了實(shí)際的標(biāo)準(zhǔn)間依賴性；當(dāng)與其他技術(shù)結(jié)合使用時(shí)，它通常依賴于啟發(fā)式分配的組合系數(shù)。本研究提出了改進(jìn)的ITARA（M-ITARA），這是一種半客觀框架，通過結(jié)合期望水平和最差水平來量化與理想績效的總體距離，使用相關(guān)矩陣來模擬標(biāo)準(zhǔn)間的依賴性并減少冗余，并用基于證據(jù)的加權(quán)凸合成（EWCS）替代了臨時(shí)的融合方法，后者客觀地整合了獨(dú)立權(quán)重和依賴性調(diào)整后的權(quán)重。M-ITARA在銀行業(yè)、制造業(yè)、工業(yè)經(jīng)濟(jì)學(xué)、材料選擇和可持續(xù)供應(yīng)商評(píng)估五個(gè)實(shí)際應(yīng)用中進(jìn)行了評(píng)估。與包括原始ITARA和CRITIC（通過比率分析確定標(biāo)準(zhǔn)重要性）在內(nèi)的基線方法相比，M-ITARA產(chǎn)生了更具區(qū)分性、更平衡和更穩(wěn)定的權(quán)重；通過對(duì)分配系數(shù)的敏感性分析進(jìn)一步證明了其魯棒性。結(jié)果表明，這種加權(quán)方案在具有異質(zhì)指標(biāo)和相關(guān)標(biāo)準(zhǔn)的復(fù)雜決策環(huán)境中具有理論基礎(chǔ)和實(shí)際可行性，并且可以輕松嵌入到先進(jìn)的工程信息學(xué)中的智能決策支持和分析流程中。
引言
多標(biāo)準(zhǔn)決策（MCDM）是決策科學(xué)中的一個(gè)核心方法領(lǐng)域，用于在多個(gè)通常相互沖突的標(biāo)準(zhǔn)下識(shí)別合適的解決方案。它被廣泛用于選擇、評(píng)估和規(guī)劃任務(wù)，為決策者提供了嚴(yán)格的分析框架和可操作的見解[1]、[2]、[3]、[4]、[5]。在MCDM中，兩個(gè)要素尤為重要：為標(biāo)準(zhǔn)分配權(quán)重和對(duì)備選方案進(jìn)行排序。由于標(biāo)準(zhǔn)對(duì)結(jié)果的貢獻(xiàn)往往不等，因此確定適當(dāng)?shù)臉?biāo)準(zhǔn)權(quán)重至關(guān)重要；準(zhǔn)確捕捉相對(duì)重要性可以決定性地影響最終決策[4]、[6]。從人工智能（AI）和工程信息學(xué)的角度來看，可靠的權(quán)重對(duì)于構(gòu)建可解釋、可審計(jì)且數(shù)據(jù)驅(qū)動(dòng)的決策服務(wù)也是必不可少的，這些服務(wù)可以與智能決策支持系統(tǒng)中的預(yù)測性和規(guī)范性分析相結(jié)合。
近年來，已經(jīng)開發(fā)了多種確定標(biāo)準(zhǔn)權(quán)重的方法，通常分為主觀加權(quán)和客觀加權(quán)方法。主觀加權(quán)基于決策者的專業(yè)知識(shí)和觀點(diǎn)，特別是在沒有歷史數(shù)據(jù)可用于計(jì)算權(quán)重的情況下。通常，這種方法涉及從定性到定量的轉(zhuǎn)換技術(shù)，例如專家調(diào)查，以獲得標(biāo)準(zhǔn)權(quán)重。然而，這一過程常常受到時(shí)間限制、信息不足以及專家意見不一致等因素的制約[7]、[8]、[9]。客觀方法通過數(shù)學(xué)模型從數(shù)據(jù)中計(jì)算權(quán)重；然而在不確定性和數(shù)據(jù)缺失的情況下，專家知識(shí)仍然可能是保證可靠性的必要條件[4]、[6]、[10]。這些現(xiàn)實(shí)促使人們開發(fā)出半定量混合方法，利用這兩種觀點(diǎn)來獲得更具代表性的權(quán)重[10]、[11]。在基于AI的決策流程中，這些混合方法作為透明的聚合模塊，可以補(bǔ)充機(jī)器學(xué)習(xí)預(yù)測器，支持人工參與校準(zhǔn)，并便于在數(shù)字平臺(tái)中部署。
在混合/客觀方案中，Hatefi于2019年提出的基于無差異閾值的屬性比率分析（IRARA）方法是一種新穎的半定量加權(quán)方法，它將決策者的主觀判斷納入客觀權(quán)重生成過程中。該方法能夠平衡專家意見和數(shù)據(jù)驅(qū)動(dòng)的見解，并已在文獻(xiàn)中被廣泛用于確定標(biāo)準(zhǔn)權(quán)重[13]、[14]、[15]、[16]、[17]、[18]、[19]、[20]、[21]、[22]、[23]、[24]、[25]、[26]、[27]。ITARA構(gòu)建了一個(gè)評(píng)估矩陣，設(shè)置無差異閾值（ITs），對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，在每個(gè)標(biāo)準(zhǔn)內(nèi)對(duì)備選方案進(jìn)行排序，測量相鄰備選方案之間的差異，然后將這些差異與閾值進(jìn)行比較，最后計(jì)算權(quán)重。這一流程對(duì)于面向AI的決策服務(wù)很有吸引力，因?yàn)樗p量級(jí)、可解釋，并且易于與上游數(shù)據(jù)預(yù)處理和下游排序模塊集成。第2節(jié)提供了步驟的簡要描述。
盡管具有吸引力，傳統(tǒng)的ITARA有三個(gè)局限性，這些局限性阻礙了其在以數(shù)據(jù)為中心的工程環(huán)境中的更廣泛應(yīng)用。這些問題如下：
(i)首先，它不測量與參考目標(biāo)（如期望水平AL）的總體距離；僅依賴于樣本內(nèi)的局部對(duì)比可能會(huì)提升“非理想選項(xiàng)中的最佳選項(xiàng)”，而不是真正理想的基準(zhǔn)[15]、[21]、[24]。
(ii)其次，ITARA假設(shè)標(biāo)準(zhǔn)之間的獨(dú)立性，忽略了實(shí)際系統(tǒng)中常見的依賴性，在這些系統(tǒng)中，改進(jìn)一個(gè)維度（例如質(zhì)量）通常會(huì)伴隨著另一個(gè)維度（例如成本）的變化[12]、[14]、[27]。
(iii)第三，當(dāng)ITARA與其他技術(shù)結(jié)合使用時(shí)，用于合并不同權(quán)重來源的組合系數(shù)通常是啟發(fā)式分配的，缺乏一個(gè)原則性的平衡機(jī)制[11]、[28]、[29]。
這些差距限制了其與基于AI的決策支持的無縫集成，在這種環(huán)境中，方法必須既數(shù)據(jù)驅(qū)動(dòng)又完全指定，以支持自動(dòng)化、監(jiān)控和可重復(fù)性。為了解決這些差距，本文提出了改進(jìn)的ITARA（M-ITARA），這是一種為AI就緒的決策分析量身定制的精細(xì)半客觀加權(quán)框架。所提出的方法（i）結(jié)合了期望水平和最差參考水平來量化與理想績效的總體距離，從而將局部差異錨定到一個(gè)可解釋的目標(biāo)；（ii）通過相關(guān)矩陣捕捉標(biāo)準(zhǔn)間的依賴性，實(shí)現(xiàn)對(duì)冗余信息的懲罰和對(duì)指標(biāo)間結(jié)構(gòu)關(guān)系的明確建模；（iii）用基于證據(jù)的加權(quán)凸合成（EWCS）替代了臨時(shí)的聚合方案，后者在凸優(yōu)化標(biāo)準(zhǔn)下透明且客觀地整合了獨(dú)立權(quán)重和依賴性調(diào)整后的權(quán)重。結(jié)果是一個(gè)可解釋的、參數(shù)較少的加權(quán)模塊，易于嵌入到自動(dòng)化報(bào)告儀表板、推薦式選擇引擎和智能決策支持系統(tǒng)等AI工作流中。
本研究的主要貢獻(xiàn)和創(chuàng)新總結(jié)如下：
(i)本研究提出了一種半客觀加權(quán)方法，通過將全局距離標(biāo)準(zhǔn)化與依賴性調(diào)整相結(jié)合，克服了原始ITARA的局限性。
(ii)本研究正式化了EWCS步驟，以數(shù)據(jù)驅(qū)動(dòng)的方式整合獨(dú)立權(quán)重和依賴性調(diào)整后的權(quán)重，增強(qiáng)了區(qū)分能力，同時(shí)保持了可解釋性。
(iii)本文在五個(gè)應(yīng)用領(lǐng)域?qū)蚣苓M(jìn)行了實(shí)證驗(yàn)證，并對(duì)分配系數(shù)進(jìn)行了敏感性分析，以證明其魯棒性和穩(wěn)定性。
本研究通過彌合主觀和客觀加權(quán)方法之間的差距，對(duì)MCDM和決策科學(xué)文獻(xiàn)做出了重要貢獻(xiàn)，提高了決策透明度，并提高了權(quán)重分配的準(zhǔn)確性和適用性。所提出的方法對(duì)于供應(yīng)鏈管理、醫(yī)療決策、風(fēng)險(xiǎn)評(píng)估和可持續(xù)性評(píng)估等領(lǐng)域的復(fù)雜決策環(huán)境特別有價(jià)值，在這些領(lǐng)域中，標(biāo)準(zhǔn)間的依賴性和全局績效基準(zhǔn)對(duì)于最佳決策至關(guān)重要。此外，這些進(jìn)展使M-ITARA成為一種實(shí)用且與AI兼容的加權(quán)方案，適用于指標(biāo)異質(zhì)且相互關(guān)聯(lián)的復(fù)雜決策環(huán)境。
本文的其余部分組織如下。第2節(jié)介紹了相關(guān)工作。2.1節(jié)回顧了代表性的標(biāo)準(zhǔn)加權(quán)方法，2.2節(jié)總結(jié)了ITARA的概念和計(jì)算步驟，2.3節(jié)回顧了文獻(xiàn)中ITARA的最新應(yīng)用。第3節(jié)詳細(xì)介紹了提出的M-ITARA。第4節(jié)使用五個(gè)實(shí)際案例研究展示了所提出的方法。第5節(jié)提供了與基線方法的方法比較，并報(bào)告了敏感性分析結(jié)果。最后，第6節(jié)總結(jié)了本文并概述了未來研究的方向。
部分摘錄
標(biāo)準(zhǔn)加權(quán)方法綜述
標(biāo)準(zhǔn)加權(quán)是多標(biāo)準(zhǔn)決策（MCDM）中的一個(gè)基礎(chǔ)步驟，因?yàn)闄?quán)重向量直接決定了每個(gè)標(biāo)準(zhǔn)在聚合過程中的貢獻(xiàn)，最終影響推薦的決策[30]、[31]、[32]、[33]。現(xiàn)有的加權(quán)方法可以系統(tǒng)地分為主觀加權(quán)、客觀加權(quán)和混合或半客觀方案，而一些方法明確地對(duì)標(biāo)準(zhǔn)間的影響結(jié)構(gòu)進(jìn)行了建模[34]、[35]、[36]、[37]。
提出的M-ITARA
如上所述，基于ITARA的改進(jìn)半客觀加權(quán)方法結(jié)合了三個(gè)核心概念：DL、IT和相關(guān)系數(shù)。DL和IT用于推導(dǎo)獨(dú)立權(quán)重，而相關(guān)系數(shù)用于考慮標(biāo)準(zhǔn)間的依賴性，從而生成依賴權(quán)重。最后，采用基于證據(jù)的加權(quán)凸合成以客觀方式整合這兩組權(quán)重。
DL主要是
數(shù)據(jù)演示
通過將提出的M-ITARA技術(shù)應(yīng)用于實(shí)際決策問題，展示了其有效性和實(shí)用性。使用Hatefi [12]的數(shù)據(jù)集對(duì)計(jì)算過程進(jìn)行了全面說明。此外，還分析了四個(gè)其他案例，并展示了原始數(shù)據(jù)和最終結(jié)果。
用于驗(yàn)證所提出的M-ITARA方法的案例研究數(shù)據(jù)集概述見表2。這些案例研究來源于現(xiàn)實(shí)世界
與其他方法的比較和敏感性分析
對(duì)多種方法進(jìn)行了比較分析，以展示所提出方法的有效性和獨(dú)特性。此外，還進(jìn)行了敏感性分析，強(qiáng)調(diào)了將EWCS納入權(quán)重整合過程中的優(yōu)勢。這些分析的結(jié)果進(jìn)一步驗(yàn)證了所提出的M-ITARA方法在復(fù)雜決策環(huán)境中的魯棒性和實(shí)際適用性。
總結(jié)與結(jié)論
本研究提出了M-ITARA，這是一種改進(jìn)的半定量加權(quán)框架，解決了原始ITARA的關(guān)鍵局限性。該方法結(jié)合了期望水平和最差水平來確定全局績效目標(biāo)，納入了基于相關(guān)性的依賴性建模來表示標(biāo)準(zhǔn)間的關(guān)系，并采用EWCS以客觀方式整合獨(dú)立權(quán)重和依賴性調(diào)整后的權(quán)重。結(jié)果是一個(gè)全面且可適應(yīng)的多標(biāo)準(zhǔn)決策解決方案
CRediT作者貢獻(xiàn)聲明
洛懷偉：撰寫——原始草稿，調(diào)查，正式分析，數(shù)據(jù)管理，概念化。陳友山：撰寫——原始草稿，方法論，調(diào)查，正式分析。德維吉穆罕默特：撰寫——審閱與編輯，驗(yàn)證，正式分析，概念化。杜爾孫杜爾孫：撰寫——審閱與編輯，驗(yàn)證，監(jiān)督，方法論，概念化。
利益沖突聲明
作者聲明他們沒有已知的競爭性財(cái)務(wù)利益或個(gè)人關(guān)系可能會(huì)影響本文報(bào)告的工作。
生物通微信公眾號(hào)
生物通新浪微博
- 搜索
- 國際
- 國內(nèi)
- 人物
- 產(chǎn)業(yè)
- 熱點(diǎn)
- 科普
今日動(dòng)態(tài) |
人才市場 |
新技術(shù)專欄 |
中國科學(xué)人 |
云展臺(tái) |
BioHot |
云講堂直播 |
會(huì)展中心 |
特價(jià)專欄 |
技術(shù)快訊 |
免費(fèi)試用
版權(quán)所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
聯(lián)系信箱：
粵ICP備09063491號(hào)
