改进OWA-TOPSIS法：多属性决策分析新模型与应用研究

本文《一种OWA-改进TOPSIS法的多属性决策分析模型研究与应用》由武良鹏和陈晔合作撰写，针对多属性决策问题提出了一种创新的方法。TOPSIS（Technique for Order of Preferences by Similarity to Ideal Solution），作为一种经典的多属性决策分析工具，因其在处理复杂决策时的有效性而被广泛应用。然而，TOPSIS方法也存在一些局限性，如对权重分配的敏感性和理想解的假设等。 为了克服这些不足，作者提出了OWA（Ordered Weighted Averaging）算子的改进策略，该算子能够更好地处理不确定性和权重的排序问题。OWA算子允许决策者按照一定的顺序赋予各个属性不同的权重，从而更灵活地反映决策者的偏好和决策环境的特性。通过将OWA算子融入TOPSIS框架，他们构建了一种OWA-改进TOPSIS法，特别适用于涉及多个决策者且属性多元的问题。 论文通过实例分析展示了OWA-改进TOPSIS法的实际操作和应用过程，这有助于读者理解如何在实际决策场景中有效地运用该方法。为了评估这种方法的一致性和有效性，作者还引入了肯德尔和谐系数(Kendall's Rank Correlation Coefficient)，这是一种衡量决策一致性的重要工具。通过计算和谐系数，研究者能够检验OWA-改进TOPSIS法在决策者之间是否存在共识，以及其结果是否稳定可靠。 这篇首发论文提供了一种创新的多属性决策分析方法，不仅提升了TOPSIS法的适用性和灵活性，而且通过实证分析验证了其在解决实际问题中的有效性。这对于那些面临复杂决策挑战的组织和个人具有重要的理论和实践价值。