博弈最优线性组合权重法

方法概述

博弈最优线性组合权重法是一种基于博弈论思想的组合赋权方法，它将多个不同的权重向量视为博弈中的参与者，通过求解一个线性方程组得到最优组合系数，从而获得一个兼顾各方利益的综合权重。该方法通过最小化组合权重与各原始权重的差异，寻找一个均衡解，使得最终权重能够平衡不同赋权方法之间的冲突。

博弈最优线性组合权重法的核心思想是：

  • 假设有 \(k\) 个来自不同赋权方法的权重向量 \(w^{(1)}, w^{(2)}, \ldots, w^{(k)}\)。
  • 将综合权重表示为各原始权重的线性组合：\(w = \alpha_1 w^{(1)} + \alpha_2 w^{(2)} + \cdots + \alpha_k w^{(k)}\)。
  • 通过优化理论推导出组合系数 \(\alpha_i\) 应满足线性方程组 \(A\alpha = B\)，其中矩阵 \(A\) 和向量 \(B\) 由各权重向量的内积构成。
  • 求解该方程组得到初始组合系数 \(\alpha\)，对其取绝对值并归一化，得到最终的非负组合系数 \(\alpha^*\)。
  • 计算综合权重 \(w^* = \sum_{i=1}^k \alpha_i^* w^{(i)}\)，并进行归一化处理。

该方法能够有效整合多种赋权信息，适用于需要综合多种主观或客观权重的决策场景。

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（\(k \ge 2\)）。每种方法 \(j\) 给出一个权重向量 \(w^{(j)} = (w_1^{(j)}, w_2^{(j)}, \ldots, w_m^{(j)})^T\)，且满足 \(\sum_{i=1}^m w_i^{(j)} = 1\)。

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. 构建系数矩阵 \(A\) 和右侧向量 \(B\)

定义系数矩阵 \(A = (a_{ij})_{k \times k}\)，其中 \(a_{ij}\) 为第 \(i\) 个权重向量与第 \(j\) 个权重向量的内积：

\[ a_{ij} = w^{(i)T} w^{(j)} = \sum_{t=1}^{m} w_t^{(i)} w_t^{(j)} \]

定义右侧向量 \(B = (b_1, b_2, \ldots, b_k)^T\)，其中 \(b_i\) 为第 \(i\) 个权重向量的自内积：

\[ b_i = w^{(i)T} w^{(i)} = \sum_{t=1}^{m} \left( w_t^{(i)} \right)^2 \]

3. 求解线性方程组

建立线性方程组：

\[ A \alpha = B \]

其中 \(\alpha = (\alpha_1, \alpha_2, \ldots, \alpha_k)^T\) 为待求的组合系数向量。

解该方程组（若矩阵 \(A\) 奇异，则使用广义逆求解）得到初始组合系数 \(\alpha\)。

4. 处理负系数并归一化

为确保组合权重的非负性，对初始系数取绝对值：

\[ \alpha_i^{\text{abs}} = |\alpha_i|, \quad i = 1,2,\ldots,k \]

然后对绝对值进行归一化，得到最终组合系数：

\[ \alpha_i^* = \frac{\alpha_i^{\text{abs}}}{\sum_{j=1}^{k} \alpha_j^{\text{abs}}}, \quad i = 1,2,\ldots,k \]

5. 计算综合权重

将各原始权重向量按组合系数加权求和：

\[ w^{\text{comb}} = \sum_{i=1}^{k} \alpha_i^* w^{(i)} \]

最后对综合权重进行归一化处理，确保其和为1：

\[ w_i^{\text{final}} = \frac{w_i^{\text{comb}}}{\sum_{j=1}^{m} w_j^{\text{comb}}}, \quad i = 1,2,\ldots,m \]

6. 方法间相关性分析（可选）

可计算各方法权重之间的相关系数矩阵，以了解不同方法之间的一致程度。

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

计算过程：

  1. 构建系数矩阵 \(A\) 和向量 \(B\)：

    • 内积计算示例： \[ a_{11} = 0.35^2+0.30^2+0.20^2+0.15^2 = 0.1225+0.09+0.04+0.0225 = 0.275 \] \[ a_{12} = 0.35\times0.40 + 0.30\times0.25 + 0.20\times0.20 + 0.15\times0.15 = 0.14+0.075+0.04+0.0225 = 0.2775 \] 类似计算所有元素，得： \[ A = \begin{bmatrix} 0.275 & 0.2775 & 0.2575 \\ 0.2775 & 0.285 & 0.265 \\ 0.2575 & 0.265 & 0.255 \end{bmatrix}, \quad B = \begin{bmatrix} 0.275 \\ 0.285 \\ 0.255 \end{bmatrix} \]

  2. 求解方程组 \(A\alpha = B\)，得： \[ \alpha \approx (1.18, 0.92, 0.78)^T \]

  3. 取绝对值并归一化： \[ \alpha^{\text{abs}} = (1.18, 0.92, 0.78), \quad \sum = 2.88 \] \[ \alpha^* = (0.410, 0.319, 0.271) \]

  4. 计算综合权重： \[ w^{\text{comb}} = 0.410 \times (0.35,0.30,0.20,0.15) + 0.319 \times (0.40,0.25,0.20,0.15) + 0.271 \times (0.30,0.35,0.25,0.10) \] 逐指标计算：

    • \(C_1: 0.410\times0.35 + 0.319\times0.40 + 0.271\times0.30 = 0.1435 + 0.1276 + 0.0813 = 0.3524\)
    • \(C_2: 0.410\times0.30 + 0.319\times0.25 + 0.271\times0.35 = 0.1230 + 0.0798 + 0.0949 = 0.2977\)
    • \(C_3: 0.410\times0.20 + 0.319\times0.20 + 0.271\times0.25 = 0.0820 + 0.0638 + 0.0678 = 0.2136\)
    • \(C_4: 0.410\times0.15 + 0.319\times0.15 + 0.271\times0.10 = 0.0615 + 0.0479 + 0.0271 = 0.1365\) 和为 \(0.3524+0.2977+0.2136+0.1365 = 1.0002\)，接近1（归一化后略）。

  5. 归一化得最终权重： \[ w^{\text{final}} = (0.352, 0.298, 0.214, 0.136) \]

结论：技术先进性最重要，经济性次之，实施风险和可维护性权重较低。组合系数显示熵权法贡献最大（41%），AHP次之（32%），CRITIC法最小（27%）。

常见问题

Q1: 该方法与简单的加法组合有何区别？

A: 加法组合通常需要主观确定各方法的权重系数，而博弈最优线性组合法通过求解线性方程组客观确定系数，具有一定的优化理论基础，能够更好地平衡各方信息。

Q2: 为什么需要对组合系数取绝对值？

A: 原始方程求解得到的系数可能为负，而组合权重应为非负的线性组合。取绝对值并归一化可以保证组合权重的非负性，同时保持系数的相对大小关系。

Q3: 需要多少个权重向量才能使用该方法？

A: 至少需要2个权重向量，理论上支持任意多个向量。

Q4: 如果矩阵 \(A\) 奇异怎么办？

A: 平台会使用广义逆（如 ginv）求解，确保计算稳定。

Q5: 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的权重数据集，系统会分别计算并输出各表的综合权重。

平台功能

博弈最优线性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

  • 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：包含每个工作表的综合权重、组合系数、原始权重矩阵、系数矩阵 \(A\)、向量 \(B\)、相关系数矩阵。
  • 可视化图表：综合权重分布柱状图、组合系数分布图。
  • 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计算进度。

使用建议

  1. 准备阶段：先用多种单一赋权法计算出各指标的权重，整理成表格。

  2. 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”）。

  3. 参数设置：根据需要设置小数位数。

  4. 结果解读：

    • 查看综合权重排序，识别关键指标。
    • 分析组合系数，了解各方法在最终组合中的贡献程度。
    • 利用相关系数矩阵分析各方法之间的一致性。
    • 结合AI分析建议，综合决策。

  5. 迭代优化：若发现某方法结果与其他方法差异过大，可考虑剔除该方法或重新评估方法合理性。

平台界面

官方地址：https://superr.online

博弈最优线性组合权重法工具界面

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. 郭亚军. 综合评价理论与方法（第二版）[M]. 科学出版社，2012.
  2. 王应明. 基于博弈论的组合赋权方法研究[J]. 系统工程理论与实践，2005.
  3. 徐泽水. 不确定多属性决策方法及应用[M]. 清华大学出版社，2004.