模糊WINGS视角下的ANP加权矩阵新构造方法研究

"模糊WINGS视角下的ANP加权矩阵新构造方法 (2014年)，作者：孙永河，李春好，谢晖，段万春" 本文主要探讨的是在模糊WINGS（加权影响情景下的非线性测度体系）框架下，如何改进ANP（Analytic Network Process，网络分析法）因素集的加权矩阵构造方法。ANP是由美国学者Saaty提出的，用于解决复杂系统评估的决策分析工具，它扩展了层次分析法（AHP），考虑了因素之间的相互依赖关系。 传统的ANP加权矩阵构造方法主要包括两两比较法、等权矩阵假设法以及基于DEMATEL（决策试行与评价实验室）的方法。然而，这些方法都存在一定的局限性。两两比较法的比较机制不够清晰，可能导致混乱的决策结果；等权矩阵假设法在实际问题中往往无效，因为它假设所有因素同等重要，这在很多情况下并不成立；基于DEMATEL的方法虽然能揭示因素间的因果关系，但忽略了因素自身强度的差异，且无法准确反映专家在评估过程中的模糊性和不确定性。 为了解决这些问题，作者提出了一种新的构造方法，该方法结合了模糊理论和WINGS框架。模糊理论可以处理专家判断中的不确定性，而WINGS则提供了一种考虑非线性影响的模型。首先，他们改进了模糊DELPHI决策程序，以更好地捕捉专家的主观判断。这种方法允许专家在比较因素时提供模糊评分，以体现其判断的不确定性和模糊性。接着，通过WINGS模型，考虑了因素集之间的非线性相互作用，从而更准确地反映了因素间的复杂关系。 在新方法中，构建了一个模糊关联矩阵，该矩阵包含了专家的模糊判断信息。然后，利用WINGS的非线性转换规则，将这个模糊关联矩阵转化为加权超矩阵，即CWM（Cluster-Weighted Matrix）。这个过程确保了权重的计算不仅基于因素间的相对重要性，还考虑了因素集的整体影响力。最后，通过迭代和一致性检验，确保了最终权重的合理性和一致性。 这种方法的优点在于，它能够更全面地处理ANP中的复杂性和模糊性，提高了决策的可靠性和有效性。对于那些涉及多个相互关联因素的复杂问题，如项目评估、战略规划、风险分析等领域，这种新构造方法具有显著的应用价值。 这篇论文提出的模糊WINGS视角下的ANP加权矩阵新构造方法，是对传统ANP理论的重要补充和完善，它为解决实际决策问题提供了更为精确和灵活的工具。通过引入模糊逻辑和非线性测量，该方法更好地模拟了现实世界中专家判断的复杂性和不确定性，从而提升了ANP模型的适用性和实用性。