AHP与专家调查法结合的神经网络权重确定方法

该篇论文深入探讨了在多目标决策中评价指标权系数确定的重要性和复杂性。首先，作者指出在当前的决策分析中，主观赋权法和客观赋权法是两大主要的权重分配方法，各有其优势和局限性。主观赋权法依赖于专家的直觉和经验，可能存在主观偏见，而客观赋权法如数据统计或数学模型则可能受限于数据质量和模型假设。 为克服这些局限，论文提出了一个创新的方法，即结合层次分析法（AHP）、专家调查法以及误差逆传播神经网络技术（BP网）。层次分析法是一种结构化的决策分析工具，它通过层次分解和比较矩阵来量化决策者对各指标相对重要性的判断。专家调查法则是通过收集和整合多位专家的意见来提高权重的客观性。BP网作为人工智能的一种，能够学习并模拟人脑神经元的工作方式，用于处理非线性问题，通过大量数据训练，可以发现隐藏在评价指标权重背后的复杂关系。 论文的关键创新在于将这三种方法有效融合，形成一个综合的定权模型。这种方法旨在减少主观因素的影响，提高权重分配的科学性和准确性。使用MATLAB 5.1这样的高级软件平台进行编程实现，能够提高分析效率，并确保计算的精确性。 论文的重点在于解决评价指标权系数的确定问题，这对于提升决策的公正性和有效性至关重要。作者强调，通过这种综合分析方法，能够更全面地考虑各种因素，从而得出更为合理和可靠的权重分配结果，适用于诸如综合国力、经济实力、企业业绩评价等各种多目标决策场景。 总结来说，这篇论文的核心内容是介绍了一种创新的定权策略，它不仅考虑了专家意见，还引入了机器学习的智能分析，旨在提供一种更加客观、精确的决策支持工具，对于推动多目标决策领域的研究具有重要意义。