VIKOR法使用说明

提示:本指南只针对VIKOR方法特有的内容进行描述,关于软件的通用操作流程(如文件上传、参数设置、结果下载等),请查看:通用计算说明

1. 方法概述

VIKOR(VIseKriterijumska Optimizacija I Kompromisno Resenje)是一种多准则决策方法,由塞尔维亚学者Opricovic提出,中文称作多准则妥协解排序法,用于在已知指标权重的情况下,使用多个对象在不同指标下的评分数据给对象进行评价和优劣排序。

注释:VIseKriterijumska Optimizacija I Kompromisno Resenje 为塞尔维亚语

在使用VIKOR方法时,需要已经计算出了指标的权重,可以使用主观赋权法如AHP、G1法等,也可以使用客观赋权法如熵权法、CRITIC等,也可以主客观组合赋权,总之,只要能够计算出指标的权重就可以与VIKOR法结合使用。

2. 指标体系构建

VIKOR法适用于各类指标体系,要求指标可以定量表示。

2.1 指标类型分类

指标类型一般可以分为两种:

  • 正向指标:越大越好的指标,如收益
  • 负向指标:越小越好的指标,如成本

网站还支持 中间型 和 范围型 指标:先按目标值或理想区间转换为越大越好,再进行 VIKOR 计算;配置表中需填写对应参数。

2.2 数据要求

VIKOR法需要准备评价对象在各指标下的数据。

基本要求:

  • 考核对象要求大于1个,因为VIKOR要给对象评价优劣,1个对象无需评价优劣
  • 指标必须可以定量表示
  • 需要预先确定各指标的权重;权重必须为非负有限数,至少一个大于0
  • 原始指标必须为有限数值,不接受缺失值、NaN或Inf
  • 某列所有对象数值相同时,该列差距按0处理,不参与区分对象;保留其配置权重,不向其他指标重新分配

3. 数据文件格式

VIKOR需要上传包含原始数据矩阵和指标配置的Excel文件。

3.1 原始矩阵格式

支持两种数据形式:

截面数据

同一年份不同对象的数据,是最为常规的数据形式:

<div style=“text-align: center;”> <img src=“/guide/figures/ewm/截面数据.png” width=“500” alt=“截面数据”> </div>

  • 第一列为对象列(如地区)
  • 第二列开始为指标列
  • 评价目标:某年里所有对象的优劣排序

时序数据

同一对象不同年份的数据:

<div style=“text-align: center;”> <img src=“/guide/figures/ewm/时序数据.png” width=“500” alt=“时序数据”> </div>

  • 第一列为对象列(年份)
  • 第二列开始为指标列
  • 评价目标:某对象在不同年份的优劣排序

3.2 指标配置格式

指标配置表用于配置每个指标的类型和权重:

<div style=“text-align: center;”> <img src=“/guide/figures/vikor/vikor-指标配置.png” width=“600” alt=“指标配置”> </div>

配置参数说明:

  • 指标:指标名称,要求与【原始矩阵】表里的指标列名完全相同
    • 建议从原始矩阵第一行第二列到最后一列直接复制,粘贴到【指标配置】表并转置
  • 权重:每个指标的权重,使用其他赋权方法计算得到,软件会对权重进行归一化,保证和为1
  • 类型:指标类型配置
    • 极大型:正向指标(越大越好)
    • 极小型:负向指标(越小越好)
    • 中间型:越接近目标值越好;【参数】填写一个有限数值
    • 范围型:位于指定区间内最好;【参数】填写下限和上限,如 60,80,下限不得大于上限

权重按指标名称匹配,配置行顺序可以调整;每个指标都必须填写权重,不得缺失。

4. 参数设置

VIKOR包含以下计算参数:

4.1 标准化方法选择

  • 极差法:将效益型、成本型指标映射到[0,1]区间。
  • 根号下列平方和:各列除以该列的向量范数。
  • 列和法:各列除以列和;非恒定指标的正向化列和必须大于0,避免反转指标方向。
  • 列平方和法:各列除以该列平方和。

VIKOR 后续还会按最好值与最坏值计算相对差距。对相同的同向化数据,正比例列缩放会在差距公式中抵消,因此这些标准化选项不应被解释为不同的指标偏好。建议使用默认的极差法,并在研究中明确预处理口径。

4.2 决策系数

该参数用于设置VIKOR方法中计算利益比率Q时的决策系数,默认值为0.5,必须为[0,1]内的有限数值。越接近1越强调群体效用,越接近0越强调个体遗憾。

5. 计算结果

VIKOR的计算结果如下:

<div style=“text-align: center;”> <img src=“/guide/figures/vikor/vikor-计算结果.png” width=“1000” alt=“计算结果”> </div>

结果文件包含:

5.1 VIKOR计算结果

  • 群体效用值(S):加权归一化差距之和,越小越好
  • 个体遗憾值(R):各指标加权归一化差距中的最大值,越小越好
  • 利益比率(Q):综合考虑群体效用和个体遗憾的妥协指标,越小越好
  • 排序:按未舍入Q值升序进行竞争排名,例如并列时为1、2、2、4;展示小数位数不影响筛选
  • 理想方案:唯一妥协解标记为“最优方案”,多个候选标记为“理想折中方案”

5.2 计算过程表

  • 正向化矩阵:负向指标转换为正向指标后的矩阵
  • 标准化矩阵:正向化和标准化后的数据矩阵

5.3 妥协解判定

设对象数为 $m$,按未舍入的 $Q$ 升序排列,前两名为 $a^{(1)}$、$a^{(2)}$,令 $DQ=1/(m-1)$。

  • C1 可接受优势:$Q(a^{(2)})-Q(a^{(1)}) \ge DQ$。
  • C2 可接受稳定性:$a^{(1)}$ 的 $S$ 或 $R$ 至少有一项为最小值,并列最小也满足。

两条件都满足时,仅选择第一名;C1 不满足时,无论 C2 是否满足,都选择满足 $Q(a)-Q(a^{(1)})<DQ$ 的对象;仅 C2 不满足时,选择前两名。恰好等于 DQ 的对象不进入 C1 不满足时的集合。

5.4 无区分度与数值处理

常数指标的差距设为0,导出标准化矩阵中的对应列以0占位。若所有对象的 $S$ 或 $R$ 相同,其对应的 $Q$ 分量设为0;这是零分母情况下的工程扩展。若对象完全无法区分,则所有对象 $Q=0$、排名为1,全部列为折中候选。

计算保留浮点精度,仅导出展示时舍入。S、R 的无差异判断和 C2 并列判断使用 $16\epsilon$ 乘以各自损失序列最大绝对值作为容差(双精度的 $16\epsilon$ 约为 $3.55\times10^{-15}$);C1 与候选集合均直接比较未舍入差距和 DQ,不额外扩大阈值。

6. 常见问题

6.1 标准化方法选择

问:如何选择标准化方法?

答:可使用默认的极差法。对于相同的同向化数据,正比例列缩放在 VIKOR 的极差差距计算中抵消;列和法要求非恒定指标列和为正。请按论文记录实际预处理方法,不把标准化选项视为改变偏好的参数。

6.2 极小型转极大型方法选择

问:如果不使用极差法,其他标准化方法在正向化时如何将负向指标转为正向指标?

答:使用该指标列的最大值 - 当前值,即max(x)-x

6.3 决策系数设置

问:决策系数应该设置为多少?

答:决策系数默认值为0.5,表示群体效用和个体遗憾同等重要。可以根据决策偏好调整:偏重群体效用时设置较大值,偏重个体遗憾时设置较小值。

6.4 理想折中方案的含义

问:什么是理想折中方案?

答:它是按C1、C2规则筛选的候选集合,可能包含多个对象。Q第一名不一定是唯一妥协解;VIKOR也不保证所有关键指标都达到业务底线,如有硬性要求应先筛选可行方案。

6.5 指标未配置类型

问:上传文件后提示指标未配置类型怎么办?

答:这是因为【指标配置】sheet表里指标列里的指标名与【原始矩阵】表里的指标列名不一致,导致软件无法找到对应的指标类型。

解决方法:

  • 检查两个表中指标名称是否完全相同(注意中英文括号、字母大小写、空格、单位等)
  • 建议直接在【原始矩阵】表里复制指标行,粘贴到【指标配置】表里,粘贴选项为转置

7. 方法依据

Opricović(2009),Compromise in cooperative game and the VIKOR method,附录。无区分度分量的置零与浮点容差为本站明确采用的工程处理。