多专家群策三角模糊AHP

方法概述

多专家群策三角模糊层次分析法（Multi-Expert Triangular Fuzzy Analytic Hierarchy Process）是在三角模糊AHP基础上发展而来的群体决策方法。它结合了三角模糊数处理判断不确定性的优势和群体决策整合多方专家意见的特点，特别适用于需要综合考虑多领域专家意见且判断存在模糊性的复杂决策场景。

三角模糊AHP的核心思想是： - 使用三角模糊数\((l,m,u)\)表示判断结果，其中\(m\)为1~9标度值，\(l\)和\(u\)表示判断的模糊区间。 - 通过构造模糊判断因子矩阵处理判断的不确定性。 - 采用方根法计算权重向量，并通过一致性比率检验判断的可靠性。

多专家群策三角模糊AHP主要有两种实现路径：

个体权重聚合法（先计算，后聚合）：每位专家独立完成三角模糊AHP分析，得到各自的权重向量，然后根据专家权重进行加权聚合。
判断矩阵几何平均法（先聚合，后计算）：先将所有专家的三角模糊判断矩阵进行几何平均合并，再对合并后的矩阵进行一次三角模糊AHP分析。

三角模糊数定义

三角模糊数 \(\widetilde{M}\) 可以用三元组 \((l,m,u)\) 表示，其隶属函数 \(\mu_{\widetilde{M}}(x)\) 定义为：

\[\mu_{\widetilde{M}}(x) = \left\{ \begin{matrix} \frac{x - l}{m - l}, & x \in \lbrack l,m\rbrack \\ \frac{x - u}{m - u}, & x \in \lbrack m,u\rbrack \\ 0, & x \in ( - \infty,l) \cup (u, + \infty) \end{matrix} \right. \]

其中，\(l \leq m \leq u\)，\(l\) 和 \(u\) 分别表示 \(\widetilde{M}\) 的下界和上界，\(m\) 为 \(\widetilde{M}\) 的中值（最可能值）。\(u - l\) 反映了判断的模糊程度：差值越大，判断越模糊；差值越小，判断越清晰；当 \(u - l = 0\) 时，判断为精确值，此时 \(l = m = u\)。

三角模糊判断矩阵

三角模糊判断矩阵 \(A = (a_{ij})_{n \times n}\) 中的每个元素 \(a_{ij} = (l_{ij}, m_{ij}, u_{ij})\) 是一个三角模糊数，表示因素 \(i\) 相对于因素 \(j\) 的重要程度。

中值标度（1~9标度）

中值 \(m_{ij}\) 采用传统AHP的1~9标度法确定：

标度	含义
1	两指标相比，同等重要
3	两指标相比，前者比后者稍微重要
5	两指标相比，前者比后者明显重要
7	两指标相比，前者比后者强烈重要
9	两指标相比，前者比后者极端重要
2,4,6,8	上述相邻判断的中间值
倒数	若 \(a_{ij} = m\)，则 \(a_{ji} = 1/m\)

模糊区间确定

下界 \(l\) 和上界 \(u\) 根据专家判断的自信度确定：

自信度	\(u - l\) 取值	数字特征	含义
高	1	\((\max(m-0.5,1/9), m, \min(m+0.5,9))\)	专家判断较清晰
中	2	\((\max(m-1,1/9), m, \min(m+1,9))\)	专家判断较模糊
低	3	\((\max(m-1.5,1/9), m, \min(m+1.5,9))\)	专家判断很模糊

对于小于1的情况（即比较的倒数），模糊区间的确定需考虑倒数关系。

单专家三角模糊AHP计算步骤

为完整起见，简要回顾单专家三角模糊AHP的主要步骤（详细推导可参考三角模糊AHP文档）：

构造三角模糊判断矩阵 \(A = (a_{ij})_{n \times n}\)，其中 \(a_{ij} = (l_{ij}, m_{ij}, u_{ij})\)。
提取中值矩阵 \(M = (m_{ij})\) 并检验其一致性（计算 \(CR\)，要求 \(CR < 0.1\)）。
构造模糊评判因子矩阵 \(E\)，其中 \(e_{ij} = 1 - \frac{u_{ij} - l_{ij}}{2m_{ij}}\)。
计算调整判断矩阵 \(Q = M \times E\)（矩阵乘法）。
对角线归一化得到 \(Q'\)，即 \(Q'_{ij} = Q_{ij} / Q_{jj}\)。
方根法计算权重：
- 行几何平均数 \(\overline{\omega}_i = \left( \prod_{j=1}^{n} Q'_{ij} \right)^{1/n}\)
- 归一化得权重 \(\omega_i = \overline{\omega}_i / \sum \overline{\omega}_i\)
一致性验证（可选）：使用中值矩阵 \(M\) 和权重向量 \(W\) 计算 \(\lambda_{\max}\) 及 \(CR\)。

多专家群策三角模糊AHP的两种方法

方法一：个体权重聚合法（权重法）

1. 各专家独立构建三角模糊判断矩阵

每位专家 \(k\) 独立构建三角模糊判断矩阵 \(A^{(k)}\)，满足互反性。

2. 各专家独立计算权重向量

对每个判断矩阵 \(A^{(k)}\)，按照单专家三角模糊AHP步骤计算权重向量 \(W^{(k)}\) 及一致性比率 \(CR^{(k)}\)。要求 \(CR^{(k)} < 0.1\)，否则需调整该专家判断。

3. 确定专家权重

根据专家的权威性、经验等，为每位专家分配权重 \(\lambda_k\)，满足 \(\sum_{k=1}^{m} \lambda_k = 1\)，\(\lambda_k > 0\)。若所有专家同等重要，则取等权重 \(\lambda_k = 1/m\)。

4. 聚合各专家的权重向量

使用加权算术平均法聚合所有专家的权重向量：

\[W_i = \sum_{k=1}^{m} \lambda_k W_i^{(k)}, \quad i=1,2,...,n\]

5. 归一化得到最终权重

由于加权算术平均后权重和可能不为1，可重新归一化（但通常加权平均后和仍为1，因为各专家权重和为1且每个专家权重和也为1）。

方法二：判断矩阵几何平均法（问卷法）

1. 各专家独立构建三角模糊判断矩阵

与方法一相同。

2. 聚合判断矩阵

将 \(m\) 个专家的三角模糊判断矩阵对应元素进行几何平均。对于每个三角模糊数 \((l_{ij}^{(k)}, m_{ij}^{(k)}, u_{ij}^{(k)})\)，计算：

\[l_{ij} = \left( \prod_{k=1}^{m} l_{ij}^{(k)} \right)^{1/m}, \quad m_{ij} = \left( \prod_{k=1}^{m} m_{ij}^{(k)} \right)^{1/m}, \quad u_{ij} = \left( \prod_{k=1}^{m} u_{ij}^{(k)} \right)^{1/m}\]

得到综合三角模糊判断矩阵 \(A\)。

注意：几何平均能较好地保持三角模糊数的互反性，即若 \(a_{ij}^{(k)} = (l, m, u)\)，则 \(a_{ji}^{(k)} = (1/u, 1/m, 1/l)\)，几何平均后仍满足 \(a_{ji} = (1/u_{ij}, 1/m_{ij}, 1/l_{ij})\)。

3. 对综合矩阵进行三角模糊AHP分析

对综合矩阵 \(A\)，按照单专家三角模糊AHP步骤计算权重向量 \(W\) 及一致性比率 \(CR\)。要求 \(CR < 0.1\)，否则说明群体意见分歧过大，需重新审视或调整。

两种方法比较

特性	个体权重聚合法（权重法）	判断矩阵几何平均法（问卷法）
核心思想	先独立计算，后加权聚合	先合并矩阵，后统一计算
专家权重	需要设置专家权重	不需要设置专家权重
计算复杂度	较高（需多次三角模糊AHP计算）	较低（只需一次三角模糊AHP计算）
适用场景	专家权威性差异明显	专家权威性相近或希望避免权重设置主观性
一致性检验	检验每个专家的判断矩阵	检验合并后的综合矩阵
信息保留	保留专家个体判断差异	可能平滑掉专家间的分歧

案例分析

案例背景：某企业需从三个备选方案（A、B、C）中选择最优方案，评价准则为：技术先进性（C1）、经济性（C2）、实施风险（C3）。邀请3位专家（技术专家、财务专家、业务专家）进行评估，专家以“分值-自信度”格式给出判断。

专家权重设置：技术专家(0.4)、财务专家(0.35)、业务专家(0.25)

各专家判断矩阵

专家1（技术专家）：

	C1	C2	C3
C1	1	3-2	5-1
C2	1/3-2	1	3-2
C3	1/5-1	1/3-2	1

专家2（财务专家）：

	C1	C2	C3
C1	1	1/3-1	3-2
C2	3-1	1	5-2
C3	1/3-2	1/5-2	1

专家3（业务专家）：

	C1	C2	C3
C1	1	2-2	4-1
C2	1/2-2	1	3-1
C3	1/4-1	1/3-1	1

转换为三角模糊数

根据自信度转换规则（自信度1：±0.5，自信度2：±1，自信度3：±1.5），转换后各专家的三角模糊矩阵如下（为简洁，仅列出中值矩阵，完整三角模糊数略）：

专家1中值矩阵 \(M^{(1)}\)：

\[M^{(1)} = \begin{bmatrix} 1 & 3 & 5 \\ 1/3 & 1 & 3 \\ 1/5 & 1/3 & 1 \end{bmatrix}\]

专家2中值矩阵 \(M^{(2)}\)：

\[M^{(2)} = \begin{bmatrix} 1 & 1/3 & 3 \\ 3 & 1 & 5 \\ 1/3 & 1/5 & 1 \end{bmatrix}\]

专家3中值矩阵 \(M^{(3)}\)：

\[M^{(3)} = \begin{bmatrix} 1 & 2 & 4 \\ 1/2 & 1 & 3 \\ 1/4 & 1/3 & 1 \end{bmatrix}\]

方法一应用（权重法）

1. 各专家权重计算

对每位专家进行三角模糊AHP分析，得到权重向量及一致性比率（计算过程略，此处直接给出结果）：

专家1：\(W^{(1)} = [0.5663, 0.2804, 0.1533]^T\)，\(CR=0.037<0.1\)
专家2：\(W^{(2)} = [0.2583, 0.6370, 0.1047]^T\)，\(CR=0.033<0.1\)
专家3：\(W^{(3)} = [0.5584, 0.3196, 0.1220]^T\)，\(CR=0.016<0.1\)

2. 加权聚合

\[W = 0.4 \times W^{(1)} + 0.35 \times W^{(2)} + 0.25 \times W^{(3)}\]

计算得：

\(W_1 = 0.4 \times 0.5663 + 0.35 \times 0.2583 + 0.25 \times 0.5584 = 0.4625\)
\(W_2 = 0.4 \times 0.2804 + 0.35 \times 0.6370 + 0.25 \times 0.3196 = 0.4157\)
\(W_3 = 0.4 \times 0.1533 + 0.35 \times 0.1047 + 0.25 \times 0.1220 = 0.1288\)

最终权重：\(W = [0.4625, 0.4157, 0.1218]^T\)（归一化后）

方法二应用（问卷法）

1. 合并三角模糊判断矩阵

对三个专家的三角模糊数进行几何平均（此处仅演示中值矩阵的合并，实际需对l,m,u分别几何平均）。合并后的中值矩阵 \(M\) 为：

\[M = \begin{bmatrix} 1 & (3 \times 1/3 \times 2)^{1/3} & (5 \times 3 \times 4)^{1/3} \\ (1/3 \times 3 \times 1/2)^{1/3} & 1 & (3 \times 5 \times 3)^{1/3} \\ (1/5 \times 1/3 \times 1/4)^{1/3} & (1/3 \times 1/5 \times 1/3)^{1/3} & 1 \end{bmatrix}\]

计算各元素：

\(M_{12} = (3 \times 1/3 \times 2)^{1/3} = (2)^{1/3} \approx 1.260\)
\(M_{13} = (5 \times 3 \times 4)^{1/3} = (60)^{1/3} \approx 3.914\)
\(M_{21} = 1 / M_{12} \approx 0.794\)
\(M_{23} = (3 \times 5 \times 3)^{1/3} = (45)^{1/3} \approx 3.557\)
\(M_{31} = 1 / M_{13} \approx 0.255\)
\(M_{32} = 1 / M_{23} \approx 0.281\)

得合并中值矩阵： \[M = \begin{bmatrix} 1.000 & 1.260 & 3.914 \\ 0.794 & 1.000 & 3.557 \\ 0.255 & 0.281 & 1.000 \end{bmatrix}\]

2. 对合并矩阵进行三角模糊AHP分析

需同时合并l和u矩阵，此处省略详细计算。假设经过完整三角模糊AHP计算（包括构造E矩阵、Q矩阵等），得到最终权重向量：

\[W = [0.432, 0.403, 0.165]^T\]

一致性比率 \(CR = 0.042 < 0.1\)，通过检验。

结果分析

方法	方案A	方案B	方案C	最优方案
权重法	0.4625	0.4157	0.1218	方案A
问卷法	0.432	0.403	0.165	方案A

两种方法结果高度一致，方案A均为最优，方案B次之，方案C最差。权重法更突出方案A的优势（权重略高），问卷法则相对均衡。群体专家意见具有良好的一致性。

常见问题

Q1: 三角模糊AHP与普通FAHP在多专家群策中如何选择？

A: 三角模糊AHP保留了1-9标度，更适合专家习惯于传统AHP标度的场景，且能通过自信度表达判断的模糊性；普通FAHP（0.1-0.9互补标度）则更适合强调判断互补性的场景。多专家群策时，两种方法均可采用权重法或问卷法聚合。

Q2: 如何处理专家判断矩阵不满足互反性的情况？

A: 平台会自动检查每个专家矩阵的互反性。若输入不完整（如仅上半部分），系统会根据互反关系自动补全下半部分。若输入的上下半部分存在冲突，会提示错误，需检查原始数据。对于轻微偏差，可强制修正为互反。

Q3: 如何确定专家权重？

A: 专家权重可根据专业职称、经验年限、以往决策准确性、同行评价等因素综合确定。若缺乏明确依据，可采用等权重处理。权重法允许用户动态调整权重，观察对结果的影响。

Q4: 当专家意见分歧很大时如何处理？

A: 建议采取以下措施： 1. 重新审视评估准则是否明确。 2. 组织专家讨论，澄清理解差异。 3. 检查各专家的一致性比率，可能个别专家判断需要调整。 4. 若使用问卷法且合并矩阵的CR > 0.1，建议专家重新调整判断。 5. 可考虑引入领域权威专家或增加专家数量。

Q5: 问卷法中为何使用几何平均而非算术平均？

A: 几何平均能保持三角模糊数的互反性（即 \(a_{ji} = 1/a_{ij}\) 关系），且对极端值不敏感，更适合群体判断的聚合。算术平均会破坏互反性，导致矩阵不一致。

Q6: 支持多少位专家同时分析？

A: 理论上无上限，但实践中建议不超过20位，以保证聚合效果的可解释性。平台支持Excel多工作表，每个工作表对应一位专家。

平台功能

多专家群策三角模糊AHP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（每个工作表代表一个专家）
自动识别数据格式（三角模糊数、专家打分、标准判断矩阵）
自动补全不完整矩阵（仅上半部分或仅下半部分）
内置矩阵验证：检查互反性、三角模糊数有效性

分析设置

聚合方法选择：权重法或问卷法
RI表类型：经典SATTY RI表（1-10阶）或高阶矩阵RI表（1-30阶）
一致性阈值CR：可自定义（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：包含每个专家的权重向量、中值矩阵、模糊因子矩阵、调整矩阵、归一化矩阵及一致性检验
聚合结果：加权聚合权重或合并矩阵分析结果
可视化图表：权重分布柱状图、中值矩阵热力图
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

专家管理

多工作表自动识别，支持批量分析
专家权重动态设置与验证
实时显示每个矩阵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

准备阶段：明确决策目标与准则体系，选择合适的专家团队，确保所有专家理解1~9标度和自信度的含义。
数据收集：
- 使用模板文件填写判断矩阵，每个工作表代表一位专家。
- 可选择三角模糊数直接输入，或使用“分值-自信度”格式。
- 可只填写上半部分或下半部分，系统自动补全。
参数设置：
- 若使用权重法，提前确定专家权重设置依据。
- 根据矩阵阶数选择合适的RI表（高阶矩阵建议使用扩展RI表）。
结果解读：
- 首先检查各专家的一致性检验结果，识别需要调整的专家。
- 分析聚合权重排序，识别最优方案。
- 对比两种方法的结果，判断群体意见的稳定性。
- 结合AI分析建议，综合专家意见做出决策。
迭代优化：
- 若一致性不通过，可请专家重新调整判断。
- 若两种方法结果差异显著，重新审视专家权重设置或组织专家讨论。
- 可尝试排除明显异常的专家数据重新分析。

平台界面

官方地址：https://superr.online

平台界面包含：数据上传区、参数设置区、专家权重配置、多工作表预览、分析结果展示和AI分析模块

参考文献：

三角模糊数及其在AHP中的应用研究[J]. 系统工程理论与实践.
Fuzzy AHP中权重确定方法的探讨与改进[J]. 控制与决策.
基于三角模糊层次分析法的重庆地区建筑低碳化评价指标体系研究[D]. 重庆大学.
Saaty, T.L. (1980). The Analytic Hierarchy Process. McGraw-Hill.
Forman, E., & Peniwati, K. (1998). Aggregating individual judgments and priorities with the analytic hierarchy process. European Journal of Operational Research.
多专家群策模糊层次分析法研究与应用[J]. 系统工程理论与实践, 2021.