多目标优化的权重确定方法（多目标优化的权重确定方法是什么）

大家好！今天让创意岭的小编来大家介绍下关于多目标优化的权重确定方法的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

• 1、如何确定指标权重

• 2、如何确定指标体系中的权重

• 3、pso的多目标优化

• 4、求解多目标规划的常用方法有哪几种

一、如何确定指标权重

问题一：如何确定指标体系中的权重 25分 对所有数据进行标准化，化为0-1之间的数值，然后将这些数值输入到SPSS软件中，点击ANALYZE中的DATE REDUCTION进行因素分析，得到的第一主成分中的第一列，在进行化权重到100的扩展，就可以得到权重了，但是，在此基础上的权重，会受到数据质量的影响，得到第一个权重后，可以人为的进行小幅度调整，以保持与实际符合的效果。

问题二：因子分析法如何确定主成分及各个指标的权重？ 5分 在SPSS中，主成分分析是通过设置因子分析中的抽取方法实现的，如果设置的抽取方法是主成分，那么计算的就是主成分得分，另外，因子分析和主成分分析尽管原理不同，但是两者综合得分的计算方法是一致的。

确定数据的权重也是进行数据分析的重要前提。可以利用SPSS的因子分析方法来确定权重。主要步骤是：

(1)首先将数据标准化，这是考虑到不同数据间的量纲不一致，因而必须要无量纲化。

(2)对标准化后的数据进行因子分析(主成分方法)，使用方差最大化旋转。

(3)写出主因子得分和每个主因子的方程贡献率。

Fj =β1j*X1 +β2j*X2 +β3j*X3 + ……+ βnj*Xn ; Fj 为主成分(j=1、2、……、m)，X1、X2 、X3 、……、Xn 为各个指标，β1j、β2j、β3j、……、βnj为各指标在主成分Fj 中的系数得分，用ej表示Fj的方程贡献率。

(4)求出指标权重。 ωi=[(m∑j)βij*ej]/[(n∑i)(m∑j)βij*ej],ωi就是指标Xi的权重。

因子分析应用在评价指标权重确定中，通过主成分分析法得到的各指标的公因子方差，其值大小表示该项指标对总体变异的贡献，通过计算各个公因子方差占公因子方差总和的百分数。

问题三：如何确定绩效考核指标权重 第一、工作分析（岗位分析）。根据考核目的，对被考核物件的岗位的工作内容、性质以及完成这些工作所具备的条件等进行研究和分析，从而了解被考核者在该岗位工作所应达到的目标、采取的工作方式等，初步确定绩效考核的各项要素。

第二、工作流程分析

。绩效考核指标必须从流程中去把握。根据被考核物件在流程的扮演的角色、责任以及同上游、下游之间的关系，来确定其衡量工作的绩效指标。此外，如果流程存在问题，还应对流程进行优化或重组。

第三、绩效特徵分析。可以使用图示标出各指标要素的绩效特徵，按需要考核程度分档，如可以按照非考核不可、非常需要考核、需要考核、需要考核程度低、几乎不需要考核五档对上述指标要素进行评估

，然後根据少而精的原则按照不同的权重进行选取。

第四、理论验证。依据绩效考核的基本原理与原则，对所设计的绩效考核要素指标进行验证，保证其能有效可靠反映被考核物件的绩效特徵和考核目的要求。

第五、要素调查，确定指标。根据上述布骤所初步确定的要素，可以运用多种灵活方法进行要素调查，最後确定绩效考核指标体系。在进行要素调查和指标体系的确定时，往往将几种方法结合起来使用，使指标体系更加准确、完善、可靠。

第六、修订。为了使确定好的指标更趋合理，还应对其进行修订。修订分为两种。一种是考核前修订。通过专家调查法，将所确定的考核指标提交领导、专家会议及谘询顾问，徵求意见，修改、补充、完善绩效考核指标体系。另一种是考核後修订。根据考核及考核结果应用之後的效果等情况进行修订，使考核指标体系更加理想和完善。绩效考核指标是进行绩效考核的基本要素，制定有效的绩效考核指标是绩效考核取得成功的保证，因此也成为建立绩效考核体系的中心环节，也同时成为企业主管经理们最关注的问题。下面就来谈一下如何确定绩效考核指标。

第一、工作分析（岗位分析）。根据考核目的，对被考核物件的岗位的工作内容、性质以及完成这些工作所具备的条件等进行研究和分析，从而了解被考核者在该岗位工作所应达到的目标、采取的工作方式等，初步确定绩效考核的各项要素。

第二、工作流程分析

。绩效考核指标必须从流程中去把握。根据被考核物件在流程的扮演的角色、责任以及同上游、下游之间的关系，来确定其衡量工作的绩效指标。此外，如果流程存在问题，还应对流程进行优化或重组。

第三、绩效特徵分析。可以使用图示标出各指标要素的绩效特徵，按需要考核程度分档，如可以按照非考核不可、非常需要考核、需要考核、需要考核程度低、几乎不需要考核五档对上述指标要素进行评估

，然後根据少而精的原则按照不同的权重进行选取。

第四、理论验证。依据绩效考核的基本原理与原则，对所设计的绩效考核要素指标进行验证，保证其能有效可靠反映被考核物件的绩效特徵和考核目的要求。

第五、要素调查，确定指标。根据上述布骤所初步确定的要素，可以运用多种灵活方法进行要素调查，最後确定绩效考核指标体系。在进行要素调查和指标体系的确定时，往往将几种方法结合起来使用，使指标体系更加准确、完善、可靠。

第六、修订。为了使确定好的指标更趋合理，还应对其进行修订。修订分为两种。一种是考核前修订。通过专家调查法，将所确定的考核指标提交领导、专家会议及谘询顾问，徵求意见，修改、补充、完善绩效考核指标体系。另一种是考核後修订。根据考核及考核结果应用之後的效果等情况进行修订，使考核指标体系更加理想和完善。

问题四：如何确定指标的重要性及权重 任何综合评价系统 ,都必须确定评价指标的权重 .当专家无法凭经验确定指标权重时 ,如何寻求确定指标权重的客观性标准 ,是一个既重要又令人困惑的问题 .本文用相似数定义相似权 ,给出一种按客观性标准确定指标权重的方法.

服务

把本文推荐给朋友

加入我的书架

加入引用管理器

E-mail Alert

RSS

作者相关文章

庞彦军

刘开第

张博文

关键词： 综合评价系统 未确知测度 指标权重 相似权

Abstract： In any synthetic evaluation system, the weight of evaluation index should be determined. When the expert can't determine the index weight by experience, it is an important and confusing problem how to explore the objective standard for determining the index weight. This paper defines the similar weight by similar figures, and gives a method of determining index weight according to an objective standard.

Key words： synthetic evaluation system uncertained measure index weight similar weight

收稿日期: 1900-01-01;

引用本文:

庞彦军,刘开第,张博文. 综合评价系统客观性指标权重的确定方法[J]. 系统工程理论实践, 2001, 21(8): 37-42.

Yan Jun PANG,Kai Di LIU,Bo Wen ZHANG. The Method of Determining the Objective Index Weight in the Synthetic Evaluation System[J]. , 2001, 21(8): 37-42.

问题五：如何设定指标权重 5、为了便于计算和比较，指标权重一般都为5%的倍数，最小为5%，太小就无意义了。 设立指标权重的方法有“简单排序编码法（人为赋编码值，过于简单主观）、倍数环比法（需要有历史数据的支撑）、优序对比法（比较实用）、层次分析法（太过复杂）”等，根据我们的实操经验，我们用得最多的是采用德尔菲法和两两对比法结合的方式来确定指标权重。 具体操作时我们会请该岗位的任职者、上下游同事代表、直属上司、部门负责人、HR和公司绩效委员会成员代表组成专家组，按如下步骤来进行： 第一步，先对指标的重要性进行两两比较，排序，得出票数最高的指标排序组合方式即为指标的重要程度最终次序。重要程度越高，排在越前面，权重相应就越大，反之亦然。 第二步，根据指标权重的设置原则，由专家组成员对各指标所占权重进行设定，然后由HR进行汇总平均并将该结果反馈给各“专家”，然后，专家根据这一反馈结果，对各自设定的指标权重进行调整，最后由HR负责汇总平均（取整数），即为最终的指标权重。 这其中，HR会尽量收集更多的历史数据和组织战略目标要求供“专家”借鉴参考，并在评定前对专家进行“权重设置的普遍规律和原则”的相关培训。 因此，即使是人为凭经验确定指标权重，也要有所根据和规律，由跟被考核岗位密切相关的多人进行综合评议决定，而不是交给一个人随意拍脑袋。 查看原帖>>

问题六：权重计算方法 学校领导9分，授课老师（10+9）/2=9.5 分 ，班干部是9分 ， 同学分别是（10+8）/2=9分

甲同学测评分数=9×0.4+9.5×0.3+9×畅.2+9×0.1=9.15分

问题七：如何用主成分分析确定指标权重 1输入数据。

2点Analyze 下拉菜单，选Data Reduction 下的Factor 。

3打开Factor Analysis后,将数据变量逐个选中进入Variables 对话框中。

4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。

5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。在Method列表中选择默认因子抽取方法――Principal ponents，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。单击Continue按钮返回Factor Analysis主对话框。

6单击主对话框中的OK 按钮，输出结果。

统计专业研究生工作室原创，请勿复杂粘贴

问题八：SPSS主成分分析中如何确定指标权重呢 可以看方差贡献率

问题九：层次分析法如何确定权重 原理比较复杂，自己看书。不过可以使用专门的软件，推荐yaahp。

二、如何确定指标体系中的权重

权重是一个相对的概念，针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。权重是要从若干评价指标中分出轻重来，一组评价指标体系相对应的权重组成了权重体系。

通常来说，设置权重的方法有以下几种：

主观经验法

考核者凭自己以往的经验直接给指标设定权重，一般适用于考核者对考核客体非常熟悉和了解的情况下。

主次指标排队分类法

这是比较常用的一种方法，也称A、B、C分类法。顾名思义，其具体操作分为排队和设置权重两步：排队是将考核指标体系中所有指标按照一定标准，如按照其重要性程度进行排列；设置权重是在排队的基础上，按照A、B、C三类指标设置权重。

专家调查法

这种方法是聘请有关专家，对考核指标体系进行深入研究，由每位专家先独立地对考核指标设置权重，然后对每个考核指标的权重取平均值，作为最终权重。同样的指标，对不同的部门和人员来说，各个指标的权重应不一样；不同来源的数据权重也是不一样的。考核实践中应综合运用各种方法科学设置指标权重。通常的做法是主要根据指标的重要性进行设置，并可根据需要适时进行调整。

三、pso的多目标优化

在多目标优化问题中，每个目标函数可以分别独立进行优化，然后为每个目标找到最优值。但是，很少能找到对所有目标都是最优的完美解，因为目标之间经常是互相冲突的，只能找到Pareto最优解。

PSO算法中的信息共享机制与其他基于种群的优化工具有很大的不同。在遗传算法（GA）中，染色体通过交叉互相交换信息，是一种双向信息共享机制。但是在PSO算法中，只有gBest（或nBest）给其他微粒提供信息，是一种单向信息共享机制。由于点吸引特性，传统的PSO算法不能同时定位构成Pareto前锋的多个最优点。虽然通过对所有目标函数赋予不同的权重将其组合起来并进行多次运行，可以获得多个最优解，但是还是希望有方法能够一次同时找到一组Pareto最优解。

在PSO算法中，一个微粒是一个独立的智能体，基于其自身和同伴的经验来搜索问题空间。前者为微粒更新公式中的认知部分，后者为社会部分，这二者在引导微粒的搜索方面都有关键的作用。因此，选择适当的社会和认知引导者（gBest和pBest）就是MO-PSO算法的关键点。认知引导者的选择和传统PSO算法应遵循相同的规则，唯一的区别在于引导者应按照Pareto支配性来确定。社会引导者的选择包括两个步骤。第一步是建立一个从中选取引导者的候选池。在传统PSO算法中，引导者从邻居的pBest之中选取。而在MO-PSO算法中更常用的方法是使用一个外部池来存储更多的Pareto最优解。第二步就是选择引导者。gBest的选择应满足如下两个标准：首先，它应该能为微粒提供有效的引导来获得更好的收敛速度；第二，它还需要沿Pareo前锋来提供平衡的搜索，以维持种群的多样性。文献中通常使用两种典型的方法：（1）轮盘选择模式，该方式按照某种标准进行随机选择，其目的是维持种群的多样性；（2）数量标准：按照某种不涉及随机选择的过程来确定社会引导者。

Moore最早研究了PSO算法在多目标优化中的应用，强调了个体和群体搜索二者的重要性，但是没有采用任何维持多样性的方法。Coello在非劣最优概念的基础上应用了一个外部“容器”来记录已找到的非支配向量，并用这些解来指导其它微粒的飞行。Fieldsend采用一种称为支配树的数据结构来对最优微粒进行排序。Parsopoulos应用了权重聚合的方法。Hu应用了动态邻域，并在此基础上利用扩展记忆，按词典顺序依次优化各个目标。Ray使用聚集机制来维持多样性，并用一个多水平筛来处理约束。Lu使用了动态种群策略。Bartz-Beielstein采用归档技术来提高算法性能。Li在PSO算法中采用NSGA-II算法中的主要机制，在局部最优微粒及其后代微粒之间确定局部最优微粒；并此基础上又提出一种新的算法，在适应值函数中使用最大最小策略来确定Pareto支配性。张利彪使用多个目标函数下各最优位置的均值来指导微粒飞行。Pulido使用多个子种群并采用聚类技术来求解多目标规划问题。Mahfouf采用加权聚合方法来计算微粒的适应值，并据此确定引导微粒的搜索。Salazar-Lechuga使用适应值共享技术来引导微粒的搜索。Gong提出微粒角度的概念，并使用最小微粒角度和微粒密度来确定局部最优和全局最优微粒。基于AER模型，Zhang提出一种新的智能PSO模型，来将种群驱向Pareto最优解集。Ho提出一种新的适应值分配机制，并使用寿命（Age）变量来保存和选择最优历史记录。Huang将CLPSO算法应用到多目标规划中。Ho提出另一种基于Pareto的与尺度无关的适应值函数，并使用一种基于正交试验设计的智能运动机制（IMM）来确定微粒的下一步运动。Branke系统研究了多种个体最优微粒的选择方法对MOPSO算法性能的影响。张勇考虑储备集更新策略在多目标PSO算法中的关键作用，提出一种两阶段储备集更新策略。

原萍提出一种分布式PSO算法—分割域多目标PSO算法（DRMPSO），并将其应用到基站优化问题。向量评价PSO算法（VEPSO）是一种受向量评价遗传算法（VEGA）的启发提出的一种算法，在VEPSO算法中，每个种群仅使用多个目标函数之一来进行评价，同时各种群之间互相交互经验。将每个种群分配到一台网络PC上，即可直接使VEPSO算法并行化，以加速收敛。Vlachogiannis应用并行VEPSO算法来确定发电机对输电系统的贡献。熊盛武利用PSO算法的信息传递机制，在PSO算法中引入多目标演化算法常用的归档技术，并采用环境选择和配对选择策略，使得整个群体在保持适当的选择压力的情况下收敛于Pareto最优解集。

由于适应值的计算非常消耗计算资源，为了减少计算量，需要减少适应值评价的次数。Reyes-Sierra采用适应值继承和估计技术来实现该目标，并比较了十五种适应值继承技术和四种估计技术应用于多目标PSO算法时的效果。

保持MOPSO中的多样性的方法主要有两种：sigma方法和ε-支配方法。Villalobos-Arias在目标函数空间中引入条块划分来形成聚类，从而保持多样性。

四、求解多目标规划的常用方法有哪几种

多目标规划是数学规划的一个分支。研究多于一个的目标函数在给定区域上的最优化。又称多目标最优化。通常记为 MOP(multi-objective programming)。

多目标决策方法

多目标决策方法是从20世纪70年代中期发展起来的一种决策分析方法。决策分析是在系统规划、设计和制造等阶段为解决当前或未来可能发生的问题，在若干可选的方案中选择和决定最佳方案的一种分析过程。在社会经济系统的研究控制过程中我们所面临的系统决策问题常常是多目标的，例如我们在研究生产过程的组织决策时，既要考虑生产系统的产量最大，又要使产品质量高，生产成本低等。这些目标之间相互作用和矛盾，使决策过程相当复杂使决策者常常很难轻易作出决策。这类具有多个目标的决策总是就是多目标决策。多目标决策方法现已广泛地应用于工艺过程、工艺设计、配方配比、水资源利用、环境、人口、教育、能源、企业高速武器系统设计和评价、经济管理等领域。

多目标决策主要有以下几种方法：

（1）化多为少法：将多目标问题化成只有一个或二个目标的问题，然后用简单的决策方法求解，最常用的是线性加权和法。

（2）分层序列法：将所有目标按其重要性程度依次排序，先求出第一个最重要的目标的最优解，然后在保证前一目标最优解的前提下依次求下一目标的最优解，一直求到最后一个目标为止。

（3）直接求非劣解法：先求出一组非劣解，然后按事先确定好的评价标准从中找出一个满意的解。

（4）目标规划法：对于每一个目标都事先给定一个期望值，然后在满足系统一定约束条件下，找出与目标期望值最近的解。

（5）多属性效用法：各个目标均用表示效用程度大小的效用函数表示，通过效用函数构成多目标的综合效用函数，以此来评价各个可行方案的优劣。

（6）层次分析法：把目标体系结构予以展开，求得目标与决策方案的计量关系。

（7）重排序法：把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。

（8）多目标群决策和多目标模糊决策等。

以上就是关于多目标优化的权重确定方法相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

多目标灰狼优化算法（多目标灰狼优化算法代码）

多目标优化模型的优缺点（多目标优化模型的优缺点是什么）

多目标灰狼算法流程图（多目标规划图解法）

注册商标是不是必须要有公司（注册商标是不是必须要有公司名称呢）

腾讯视频账号在哪（腾讯视频账号在哪看）