基于BPA改进的DSAHP决策方法研究.docx

基于BPA改进的DSAHP决策方法研究
随着科技的不断进步和社会的不断发展，决策问题越来越复杂，需要更高效、更精确的决策方法。多准则决策方法作为一种有效的决策工具，已被广泛应用。模糊层次分析法（FuzzyAnalyticHierarchyProcess，FAHP）和层次分析法（AnalyticHierarchyProcess，AHP）是多准则决策方法中的两种经典方法。然而，传统的FAHP和AHP方法存在某些条理性崩溃和不一致性的问题。这导致了决策结果的实际价值低下。基于这些问题，一些学者提出了BPA（BestProximityPair）改进的FAHP和DSAHP（DirectStandardizationApproachHierarchyProcess）方法。
本文将重点介绍DSAHP方法，其基于BPA改进的FAHP方法，用于多准则决策中的问题解决。本文首先对传统FAHP和AHP方法进行简要介绍，并重点讨论它们存在的问题。随后，本文对BPA改进的FAHP及DSAHP方法进行了详细阐述。
1.传统FAHP和AHP方法的问题
FAHP和AHP方法被广泛应用于多准则决策中，但是存在某些条理性崩溃和不一致性的问题。由于这些问题，传统的FAHP和AHP方法可能导致决策结果的实际价值低下。具体地：
（1）传统FAHP和AHP方法忽略了决策者个人偏好和倾向。在进行比较和判断时，决策者通常会对不同准则和可能的结果具有不同的偏好和倾向。然而，传统FAHP和AHP方法未考虑这些因素，导致了决策结果缺乏实际意义。
（2）传统FAHP和AHP方法可能存在判断矛盾和不一致性问题。传统FAHP和AHP方法需要决策者进行配对比较和组合判断。然而，决策者可能在不同的判断中给出不一致的权重或偏好，这导致了判断矛盾和不一致性。这些问题直接影响决策结果。
（3）传统FAHP和AHP方法无法有效处理数据不完备性或不确定性。传统FAHP和AHP方法假定决策者可给出全部的判断或权重。然而，由于多准则决策问题的复杂性，决策者通常无法给出完整的判断或权重。这导致了数据不完备性和不确定性问题，直接影响决策结果的准确性和可靠性。
2.BPA改进的FAHP方法
针对传统FAHP和AHP方法所存在的问题，一些学者提出了BPA（BestProximityPair）改进的FAHP方法。BPA改进的FAHP方法在计算数据相对重要性的过程中增加了判断矛盾和不一致性的处理。具体来说，该方法在计算每对准则的相对重要性时，通过检测最佳邻接对来优化权重分配。最佳邻接对指的是任何两个准则之间具有最接近关系的准则对。
BPA改进的FAHP方法克服了传统FAHP和AHP方法中的一些条理性崩溃和不一致性问题。具体来说：
（1）改进方法加强了决策者个人偏好和倾向的影响。该方法通过检测最佳邻接对来确定每个准则之间的相关性和重要性。因此，决策者所表达的偏好和倾向得到更好的体现。
（2）BPA改进的FAHP方法通过检测最佳邻接对来处理判断矛盾和不一致性问题。该方法通过优化每个准则之间的权重分配，使结果更加一致和合理。
（3）该方法可更好地处理数据不完备性或不确定性。当决策者不能提供完整的判断或权重时，该方法可以自动求解出决策结果，从而避免了数据缺失或不确定性的问题。
3.DSAHP方法
DSAHP方法是一种基于BPA改进的FAHP方法，用于多准则决策中的问题解决。DSAHP方法分为两个步骤：一是设计直接标准化矩阵(DSM)和相邻直接标准化矩阵(ADSM)；二是计算DSM和ADSM的特征向量。
DSAHP方法通过直接标准化矩阵和相邻直接标准化矩阵来计算数据相对重要性。直接标准化矩阵是在各判断向量（或方阵）标准化前后的矩阵；相邻直接标准化矩阵为直接标准化矩阵之差的绝对值。DSM和ADSM在决策过程中对相邻矩阵的处理和比较相对重要性扮演了重要的角色。
DSAHP方法重点解决了传统FAHP和AHP方法存在的判断矛盾和不一致性问题。DSAHP通过DSM和ADSM的计算和特征向量的求解，可以避免判断矛盾和不一致性问题的影响。DSAHP方法还可以处理数据不完备性或不确定性，从而保证决策结果的准确性和可靠性。
4.总结
综上所述，传统的FAHP和AHP方法存在某些条理性崩溃和不一致性的问题，导致决策结果的实际价值低下。BPA改进的FAHP方法和DSAHP方法分别通过检测最佳邻接对和设计直接标准化矩阵和相邻直接标准化矩阵来优化数据处理和权重分配，从而克服了传统方法存在的一些问题。DSAHP方法能够更好地处理数据不完备性或不确定性，从而保证了决策结果的准确性和可靠性。随着科技和社会的不断发展，DSAHP方法在多准则决策问题中得到广泛的应用。