[发明专利]一种评估指标群决策赋权方法及系统

权利要求书

1.一种评估指标群决策赋权方法，其特征在于，方法包括：

S1，采集评估指标集合的权重值，得到评估指标独立赋权结果；

S2，利用贝叶斯网络，构建得到群决策赋权模型；所述群决策赋权模型包括评估指标节点、独立赋权节点、权威等级节点；

S3，响应于用户的分布数据参数的设置，得到所有节点的先验分布数据和条件分布数据；

S4，响应于用户的赋权与权威参数的设置，得到所有对象的所述评估指标独立赋权结果和对象权威等级数据；

S5，利用所述群决策赋权模型、信念传播算法，对所述先验分布数据、条件分布数据、评估指标独立赋权结果、对象权威等级数据进行权重融合处理，得到评估指标群决策融合权重值。

2.根据权利要求1所述的一种评估指标群决策赋权方法，其特征在于，所述采集评估指标集合的权重值，得到评估指标独立赋权结果，方法包括：

S11，确定特定业务的初始评估指标集合；

S12，对所述初始评估指标集合进行评估筛选，得到评估指标集合，所述评估指标集合包括若干个评估指标，表达式为：

[X_i|i＝1～N]；

式中，N为指标数量，X_i为第i项评估指标；

S13，采集赋权对象对所述评估指标集合的权重值，得到评估指标独立赋权结果，所述评估指标独立赋权结果包括若干个评估权重，表达式为：

[ω_ki|k＝1～K,i＝1～N,ω_ki≥0]；

式中，K为赋权对象参与数量，ω_ki为第k名对象对指标X_i赋予的评估权重，满足

3.根据权利要求1所述的一种评估指标群决策赋权方法，其特征在于，所述利用贝叶斯网络，构建得到群决策赋权模型，方法包括：

S21，建立评估指标节点W；所述评估指标节点W类型为离散型多项分布随机变量，取值空间为评估指标集合[X_i|i＝1～N]，用于量化指标事件的出现概率；

S22，建立独立赋权节点D_k；所述独立赋权节点D_k类型为离散型多项分布随机变量，取值空间为评估指标集合[X_i|i＝1～N]，用于设定第k名对象的赋权结果；

S23，建立权威等级节点R_k；所述权威等级节点R_k类型为离散型多项分布随机变量，取值空间为5个等级[L₁,L₂,L₃,L₄,L₅]，表示第k名对象的专业度、权威性等级；

S24，建立节点间条件概率依赖关系；所述节点间条件概率依赖关系包括K个节点依赖关系；所述节点依赖关系包括第一依赖关系和第二依赖关系；所述第一依赖关系表征所述评估指标节点对所述独立赋权节点的影响；所述第二依赖关系表征所述权威等级节点对所述独立赋权节点的影响；所述K为正整数；

S25，利用所述贝叶斯网络，对所述评估指标节点W、所述独立赋权节点D_k、所述权威等级节点R_k、所述节点间条件概率依赖关系进行处理，构建得到群决策赋权模型。

4.根据权利要求1所述的一种评估指标群决策赋权方法，其特征在于，所述响应于用户的分布数据参数的设置，得到所有节点的先验分布数据和条件分布数据，方法包括：

S31，响应于用户的先验分布数据参数的设置，得到所有节点的所述先验分布数据；所述评估指标节点和权威等级节点在取值空间上遵循等概率先验分布；对于i＝1～N,j＝1～5,k＝1～K，所有节点的所述先验分布数据表达式为：

式中，中P(·)表示随机事件的先验概率；

S32，响应于用户的条件分布数据参数的设置，得到所有节点的所述条件分布数据；对于j＝1～5,k＝1～K，且所有节点的所述条件分布数据表达式为：

式中，P(·|·)表示随机事件的条件概率，α_j表示L_j等级下的敏感度参数；在给定所述评估指标集合的权重值时，对象的权威等级越高，其赋权结果与所述评估指标集合的权重值越接近。