加法组合权重法
方法概述
加法组合权重法是一种将多种单一赋权方法得到的权重进行线性加权综合的方法。由于单一赋权方法（如熵权法、AHP、CRITIC、变异系数法等）各有侧重，结果可能存在差异，通过加法组合可以将不同方法的优势结合起来，得到更稳健、更全面的综合权重。该方法的基本假设是每种赋权方法都有其合理性，通过赋予各方法不同的权重（反映决策者对方法的信任程度），计算各指标权重的加权平均值，从而获得最终的综合权重。
加法组合权重法的核心思想是：
- 收集同一组指标在 \(K\) 种不同赋权方法下的权重向量。
- 为每种方法分配一个组合权重系数 \(\alpha_k\)，满足 \(\sum_{k=1}^K \alpha_k = 1\)。
- 计算每个指标的综合权重：\(w_i = \sum_{k=1}^K \alpha_k \cdot w_i^{(k)}\)。
- 若有必要，可对综合权重进行归一化处理。
该方法广泛应用于综合评价、多属性决策等领域，是解决单一方法局限性、提高权重稳定性的常用手段。
计算步骤
1. 收集各方法下的权重数据
假设有 \(m\) 个评价指标，\(K\) 种赋权方法。每种方法 \(k\) 给出一个权重向量 \(W^{(k)} = (w_1^{(k)}, w_2^{(k)}, \ldots, w_m^{(k)})^T\)，且通常满足 \(\sum_{i=1}^m w_i^{(k)} = 1\)。
将这些权重数据整理为一个矩阵 \(W\)，行表示指标，列表示不同方法：
\[ W = \begin{bmatrix} w_1^{(1)} & w_1^{(2)} & \cdots & w_1^{(K)} \\ w_2^{(1)} & w_2^{(2)} & \cdots & w_2^{(K)} \\ \vdots & \vdots & \ddots & \vdots \\ w_m^{(1)} & w_m^{(2)} & \cdots & w_m^{(K)} \end{bmatrix} \]
2. 确定各方法的组合权重系数
为每种方法赋予一个权重系数 \(\alpha_k\)，反映该方法在最终组合中的重要性。通常由决策者根据经验、方法的可靠性或通过某种客观方式（如方差贡献率）确定。系数需满足：
\[ \alpha_k \ge 0, \quad \sum_{k=1}^K \alpha_k = 1 \]
若缺乏先验信息，可简单取等权重 \(\alpha_k = 1/K\)。
3. 计算综合权重
对每个指标 \(i\)，将其在不同方法下的权重进行加权求和：
\[ w_i = \sum_{k=1}^K \alpha_k \cdot w_i^{(k)}, \quad i = 1,2,\ldots,m \]
4. 归一化（可选）
若组合后的权重和不为1（但通常 \(\sum_i w_i = \sum_i \sum_k \alpha_k w_i^{(k)} = \sum_k \alpha_k \sum_i w_i^{(k)} = \sum_k \alpha_k \cdot 1 = 1\)，理论上和为1，但浮点运算可能略有偏差），可进行归一化：
\[ w_i^{\text{final}} = \frac{w_i}{\sum_{j=1}^m w_j} \]
案例分析
案例背景：某企业需对四个评价指标（技术先进性 \(C_1\)、经济性 \(C_2\)、实施风险 \(C_3\)、可维护性 \(C_4\)）确定综合权重。已分别使用熵权法、AHP、CRITIC法得到三组权重，结果如下表：
| 指标 | 熵权法 | AHP | CRITIC法 |
|---|---|---|---|
| \(C_1\) | 0.35 | 0.40 | 0.30 |
| \(C_2\) | 0.30 | 0.25 | 0.35 |
| \(C_3\) | 0.20 | 0.20 | 0.25 |
| \(C_4\) | 0.15 | 0.15 | 0.10 |
决策者认为三种方法同等重要，故取组合权重系数 \(\alpha = (1/3, 1/3, 1/3)\)。
计算过程：
- \(C_1\) 综合权重 = \(1/3 \times 0.35 + 1/3 \times 0.40 + 1/3 \times 0.30 = 0.35\)
- \(C_2\) 综合权重 = \(1/3 \times 0.30 + 1/3 \times 0.25 + 1/3 \times 0.35 = 0.30\)
- \(C_3\) 综合权重 = \(1/3 \times 0.20 + 1/3 \times 0.20 + 1/3 \times 0.25 = 0.2167\)
- \(C_4\) 综合权重 = \(1/3 \times 0.15 + 1/3 \times 0.15 + 1/3 \times 0.10 = 0.1333\)
和 \(= 0.35+0.30+0.2167+0.1333 = 1.0000\)，已归一。
结论：技术先进性最重要，经济性次之，与单一方法排序一致但权重更均衡。
常见问题
Q1: 加法组合权重法与乘法组合有何区别？
A: 加法组合采用线性加权，适用于各种权重相互独立的情况，且能保留零权重；乘法组合（如几何平均）要求所有权重非零，且倾向于缩小差异。加法组合更直观，是常用方法。
Q2: 如何确定各方法的组合权重系数 \(\alpha_k\)？
A: 常用的方法有： - 等权重法：\(\alpha_k = 1/K\)。 - 根据方法可靠性赋值，如专家打分。 - 基于方差贡献率：用各方法权重的标准差确定（标准差越大表示方法分歧大，应赋予较小权重）。 - 客观组合法：如拉开档次法、熵值法等。
Q3: 不同方法下的权重是否必须满足和为1？
A: 通常是的。若个别方法的权重未归一化，组合前应先归一化，否则组合结果难以解释。
Q4: 支持多组数据（多工作表）吗？
A: 支持。平台允许上传包含多个工作表的Excel文件，每个工作表可对应不同指标集或不同决策场景，系统会分别计算并输出各表的综合权重。
Q5: 综合权重是否需要重新归一化？
A: 由于 \(\sum_i w_i = \sum_k \alpha_k \sum_i w_i^{(k)} = 1\)，理论上不需要；但若浮点误差导致偏离，可勾选“自动归一化”确保和为1。
平台功能
加法组合权重法分析平台提供以下核心功能：
数据输入
- 支持CSV、Excel、TXT多种格式。
- Excel文件支持多工作表（每个工作表代表一组权重数据）。
- 数据格式要求：第一列为指标名称，第二列开始为各方法的权重值。
- 自动验证数据是否为数值型，并检查权重范围（0~1）。
参数设置
- 方法权重配置：为每种方法设置组合权重系数（动态生成输入框），实时显示权重和状态（需为1）。
- 小数位数：控制结果输出精度（默认5位）。
- 自动归一化：勾选后对综合权重进行归一化（默认勾选）。
结果展示
- 详细分析报告：包含每个工作表的综合权重、方法权重配置、原始权重矩阵、加权权重矩阵。
- 可视化图表：综合权重分布柱状图、各方法权重对比图（支持前10个指标展示）。
- AI智能分析：基于DeepSeek API自动解读结果，提供决策建议（每日限3次）。
- 多格式导出：支持Excel和HTML报告下载。
工作表管理
- 多工作表自动识别，支持批量分析。
- 实时显示每个工作表的验证状态和计算进度。
使用建议
准备阶段：先用多种单一赋权法（如熵权法、AHP、CRITIC等）计算出各指标的权重，整理成表格。
数据收集：将指标名称放在第一列，每列代表一种方法，并给列命名（如“熵权法”、“AHP”）。
参数设置：
- 根据对各方法的信任程度设置组合权重系数，确保和为1。
- 若没有偏好，可设置等权重。
结果解读：
- 查看综合权重排序，识别关键指标。
- 通过对比图观察不同方法对同一指标权重的分歧，分析原因。
- 结合AI分析建议，综合决策。
迭代优化：若发现某方法权重系数不合理，可调整后重新计算。
平台界面
平台界面包含：数据上传区、参数设置区、多工作表预览、分析结果展示和AI分析模块
参考文献：
- 郭亚军. 综合评价理论与方法（第二版）[M]. 科学出版社，2012.
- 王应明. 组合赋权方法研究综述[J]. 控制与决策，2010.
- 基于加法组合权重的多属性决策方法[J]. 系统工程理论与实践，2015.