灰色关联分析在相对熵集结模型中的应用

"基于灰色关联分析的相对熵集结模型 (2013年)" 这篇论文主要探讨的是在群决策过程中如何更有效地集结专家意见的问题。传统的相对熵集结模型（Relative Entropy Aggregation Model, REM）在权重分配方面存在局限性，可能导致决策结果的不准确。作者张彦峰提出了一种新的方法，即基于灰色关联分析的REM，以解决这一问题。 首先，文章介绍了群决策的重要性和背景，特别是在管理决策中的应用，强调了多专家决策系统中如何整合不同专家的意见以达到共识的重要性。传统的REM通过熵概念来衡量专家的判断信息，但这种方法在确定专家权重时可能不尽合理。 接着，论文提出了改进方案，利用灰色关联分析来确定专家权重。灰色关联分析是一种评估两个或多个序列之间相似程度的方法，它可以量化理想评分向量与各个专家评分向量之间的关联程度。在这个模型中，通过幂法获得理想的评分向量，然后计算这个理想向量与各专家评分向量的关联度，这些关联度被用作专家的权重系数。这种方法不仅考虑了专家的可靠性，还保留了所有专家的判断，避免了剔除某些专家可能带来的偏差。 通过具体案例——嵌入式计算机的性能评价，论文验证了新模型的有效性和可靠性。结果显示，该方法能够提高集结专家群体一致性，使得决策过程更加科学和可靠。 关键词包括权重、相对熵集结模型、灰色系统理论以及灰色关联分析理论，表明论文的核心内容涉及了决策理论、信息融合以及数据分析方法。中图分类号和文献标识码则提供了论文的学科分类和识别信息，表明这是一篇工程技术领域的学术论文，得到了国家自然科学基金的支持。 这篇2013年的论文提供了一个创新的群决策方法，通过灰色关联分析改进了相对熵集结模型，提高了在专家决策系统中的权重分配精度，从而增强了决策的可靠性和有效性。这对于决策支持系统、知识系统和管理信息系统的工程实践具有重要的参考价值。