BWM最优最劣法

方法概述

最优最劣法（Best-Worst Method, BWM）是由Rezaei于2015年提出的一种多准则决策方法。它通过确定最优（最重要）和最劣（最不重要）准则，并对其他准则与这两个极端准则进行比较，从而求解各准则的权重。与层次分析法（AHP）相比，BWM只需要进行2n-3次比较，判断次数更少，且一致性检验更直接。

BWM的核心思想是：

  • 决策者首先从准则集中选出最优准则（Best）和最劣准则（Worst）。
  • 然后构建最优比较向量（BO）：其他准则相对于最优准则的重要性。
  • 同时构建最劣比较向量（OW）：其他准则相对于最劣准则的重要性。
  • 通过线性规划或近似方法求解使总偏差最小的权重向量，并计算一致性比率。

BWM广泛应用于供应商选择、风险评估、可持续发展评价等领域。

计算步骤

1. 确定最优和最劣准则

设有 \(n\) 个准则 \(\{c_1, c_2, \ldots, c_n\}\)。决策者从中选出最重要的准则（最优准则）和最不重要的准则（最劣准则），分别记为 \(c_B\) 和 \(c_W\)。

2. 构建最优比较向量（BO）

采用1~9标度，将最优准则与其他所有准则进行比较，得到最优比较向量 \(A_B = (a_{B1}, a_{B2}, \ldots, a_{Bn})\)，其中 \(a_{Bj}\) 表示最优准则 \(c_B\) 相对于准则 \(c_j\) 的重要程度。显然，\(a_{BB} = 1\)。

标度 含义
1 同等重要
3 稍微重要
5 明显重要
7 强烈重要
9 绝对重要
2,4,6,8 上述相邻判断的中间值

3. 构建最劣比较向量（OW）

将其他所有准则与最劣准则进行比较，得到最劣比较向量 \(A_W = (a_{1W}, a_{2W}, \ldots, a_{nW})\)，其中 \(a_{jW}\) 表示准则 \(c_j\) 相对于最劣准则 \(c_W\) 的重要程度。显然，\(a_{WW} = 1\)。

注意：\(a_{jW}\) 与 \(a_{Wj}\) 互为倒数，但BWM中通常直接给出 \(a_{jW}\)（即准则 \(j\) 相对于最劣准则的重要程度），因此 \(a_{jW} \ge 1\)。

4. 求解最优权重

目标是找到一组权重 \((w_1, w_2, \ldots, w_n)\)，使得对于所有 \(j\)，有 \(\frac{w_B}{w_j} \approx a_{Bj}\) 且 \(\frac{w_j}{w_W} \approx a_{jW}\)。通常采用线性规划法或几何平均法求解。

4.1 线性规划法

构造如下线性规划问题，最小化最大绝对偏差 \(\xi\)：

\[ \begin{aligned} \min & \quad \xi \\ \text{s.t.} & \quad \left| \frac{w_B}{w_j} - a_{Bj} \right| \le \xi, \quad j = 1,2,\ldots,n \\ & \quad \left| \frac{w_j}{w_W} - a_{jW} \right| \le \xi, \quad j = 1,2,\ldots,n \\ & \quad \sum_{j=1}^{n} w_j = 1 \\ & \quad w_j \ge 0, \quad j = 1,2,\ldots,n \end{aligned} \]

该问题可转化为线性规划求解，得到最优权重 \(w_j^*\) 和 \(\xi^*\)。\(\xi^*\) 反映了比较的一致性程度，\(\xi^*\) 越小，一致性越高。

4.2 几何平均法（近似法）

为简化计算，可采用几何平均近似公式：

\[ w_j = \frac{ \sqrt{ \left( \frac{1}{a_{Bj}} \right) \cdot a_{jW} } }{ \sum_{k=1}^{n} \sqrt{ \left( \frac{1}{a_{Bk}} \right) \cdot a_{kW} } } \]

然后计算近似的 \(\xi^*\) 为所有偏差的最大值：

\[ \xi^* = \max_j \left\{ \left| \frac{w_B}{w_j} - a_{Bj} \right|, \left| \frac{w_j}{w_W} - a_{jW} \right| \right\} \]

5. 一致性检验

BWM通过一致性比率 \(CR\) 来检验判断的可靠性。首先根据准则数量 \(n\) 查表得到一致性指标 \(CI\)（Rezaei, 2015）：

n 1 2 3 4 5 6 7 8 9
CI 0.00 0.44 1.00 1.63 2.30 3.00 3.73 4.47 5.23

然后计算一致性比率：

\[ CR = \frac{\xi^*}{CI} \]

若 \(CR \le 0.1\)，则认为判断具有满意的一致性；否则需要重新调整比较值。

案例分析

案例背景：某企业需对四个评价准则（技术先进性 \(C_1\)、经济性 \(C_2\)、实施风险 \(C_3\)、可维护性 \(C_4\)）进行权重确定。决策者选出最优准则为技术先进性（\(C_1\)），最劣准则为可维护性（\(C_4\)），并给出如下比较向量：

准则 最优比较 \(a_{Bj}\) 最劣比较 \(a_{jW}\)
\(C_1\) 1 4
\(C_2\) 2 3
\(C_3\) 4 2
\(C_4\) 6 1

线性规划法求解

构建线性规划模型（变量 \(w_1, w_2, w_3, w_4, \xi\)）：

目标：\(\min \xi\)

约束：

  • \(|w_1/w_1 - 1| \le \xi\) → 自动满足
  • \(|w_1/w_2 - 2| \le \xi\) → $ |w_1 - 2w_2| w_2 $
  • \(|w_1/w_3 - 4| \le \xi\) → $ |w_1 - 4w_3| w_3 $
  • \(|w_1/w_4 - 6| \le \xi\) → $ |w_1 - 6w_4| w_4 $
  • \(|w_2/w_4 - 3| \le \xi\) → $ |w_2 - 3w_4| w_4 $
  • \(|w_3/w_4 - 2| \le \xi\) → $ |w_3 - 2w_4| w_4 $
  • \(w_1 + w_2 + w_3 + w_4 = 1\)
  • \(w_j \ge 0\)

求解得（近似值）： \[ w_1 = 0.483, \quad w_2 = 0.264, \quad w_3 = 0.156, \quad w_4 = 0.097 \] \[ \xi^* = 0.129 \]

一致性检验

查表 \(n=4\)，\(CI = 1.63\)，则 \[ CR = \frac{0.129}{1.63} = 0.079 < 0.1 \] 通过一致性检验。

几何平均法近似

\[ w_j \propto \sqrt{ \frac{a_{jW}}{a_{Bj}} } \] 计算：

  • \(C_1\): \(\sqrt{4/1} = 2\)
  • \(C_2\): \(\sqrt{3/2} = 1.225\)
  • \(C_3\): \(\sqrt{2/4} = 0.707\)
  • \(C_4\): \(\sqrt{1/6} = 0.408\)

归一化后： \[ w_1 = 0.461, \quad w_2 = 0.282, \quad w_3 = 0.163, \quad w_4 = 0.094 \] 计算 \(\xi^*\) 得约0.164，\(CR=0.101\)，略高于0.1，但仍在可接受范围。

结论：两种方法均表明技术先进性最重要，可维护性最不重要，权重分配合理。

常见问题

Q1: BWM与AHP相比有何优势？

A: BWM只需进行2n-3次比较，而AHP需要\(n(n-1)/2\)次。BWM通过最优和最劣两个极端点进行比较，判断更聚焦，一致性检验也更直观。当准则数量较多时，BWM的优势尤为明显。

Q2: 如何处理多个最优准则或多个最劣准则的情况？

A: 最优和最劣准则应当是唯一的。若决策者认为有多个同等重要的准则，可适当调整比较值，或采用其他方法辅助确定唯一的最优/最劣。通常建议通过讨论确定唯一的最优和最劣。

Q3: 一致性指标CI是如何得到的？

A: CI是根据模拟实验得到的经验值，反映了在不同准则数量下随机判断可能产生的最大偏差。Rezaei通过大量模拟给出了n=1~9的CI值。对于n>9，可采用近似公式或插值，但建议谨慎使用。

Q4: 线性规划法和几何平均法哪种更准确？

A: 线性规划法严格基于优化理论，得到的是满足约束的最优解；几何平均法是近似解析解，计算简便但可能略偏保守。平台提供两种方法供用户选择。

Q5: 支持多专家群体决策吗？

A: 支持。平台允许上传包含多个工作表的Excel文件，每个工作表对应一位专家的比较数据，系统会分别计算每位专家的权重，并输出综合结果（如算术平均）。对于多位专家，可先对比较值取几何平均后再计算权重。

Q6: 如何理解[ξ*]和一致性比率CR？

A: [ξ*]是满足所有比较约束的最小最大偏差，反映了判断与理想一致性的偏离程度。CR将[ξ*]与随机情况下的期望偏差CI进行比较，若CR≤0.1，则认为判断一致性可接受。

平台功能

BWM最优最劣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，每个工作表代表一位专家的判断数据。
  • 数据格式要求：三列——第一列准则名称，第二列最优比较向量（与最优准则的比较值），第三列最劣比较向量（与最劣准则的比较值）。
  • 自动验证数据范围（1~9）、完整性，并识别最优和最劣准则（值为1的位置）。

分析设置

  • 权重计算方法：线性规划法或几何平均法。
  • 一致性阈值：可自定义CR阈值（默认0.1）。
  • 小数位数：控制结果输出精度（默认5位）。

结果展示

  • 详细分析报告：包含每个工作表的权重向量、最优准则、最劣准则、ξ*、CI、CR及一致性结论。
  • 可视化图表：权重分布柱状图、最优/最劣比较向量对比图。
  • 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一致性结果。
  • 支持对比不同专家的权重分布。

使用建议

  1. 准备阶段：明确评价准则，确保所有专家理解“最优”和“最劣”的含义，并熟悉1~9标度。

  2. 数据收集：

    • 使用模板文件填写，每个工作表代表一位专家。
    • 第一列列出所有准则名称。
    • 第二列填写各准则与最优准则的比较值（最优准则自身填1）。
    • 第三列填写各准则与最劣准则的比较值（最劣准则自身填1）。
    • 注意：比较值均为整数或半整数（1~9），且最优比较向量中必须有一个1，最劣比较向量中也必须有一个1。

  3. 参数设置：

    • 选择计算方法（建议线性规划法）。
    • 根据需要设置小数位数和一致性阈值。

  4. 结果解读：

    • 检查一致性比率是否通过（CR ≤ 0.1）。
    • 若未通过，可建议专家调整比较值。
    • 分析权重排序，识别关键准则。
    • 对比不同专家的权重，讨论分歧。

  5. 迭代优化：

    • 若多位专家意见差异大，可组织讨论后重新填写。
    • 可尝试两种计算方法，对比结果稳定性。

平台界面

官方地址：https://superr.online

BWM最优最劣法工具界面

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：

  1. Rezaei, J. (2015). Best-worst multi-criteria decision-making method. Omega, 53, 49-57.
  2. Rezaei, J. (2016). Best-worst multi-criteria decision-making method: Some properties and a linear model. Omega, 64, 126-130.
  3. 最优最劣法(BWM)研究综述[J]. 控制与决策，2018.