专家支持度及其在群决策中的应用（DOC6页）.docVIP

支持度及其在群决策中的应用 荣莉莉 辛杨 （大连理工大学系统工程研究所，116023） 摘要 如何有效集结专家组中个体专家的决策结果，从而得到可靠的群决策结果，是科学决策的关键。本文提出了专家支持度的概念及其确定方法。利用专家支持度来集结个体专家的决策结果，可以提高群决策结果的可靠性及合理性。 关键词 专家支持度 群决策 层次分析法 1 引言 决策分析过程中，对处境复杂，目标多样，难以进行定量分析的决策问题，专家意见可以起到很大的作用[1]。专家的评价水平在一定程度上影响了决策的结果，但仅靠单个专家很难作出合理的决策，而有必要集中群组专家的智慧来进行决策[2]。参与决策的专家群体中的每个专家一般都呈现出其独特的偏好结构，个体专家的决策结果往往不一致，甚至相差甚远，这时面临的一个重要问题是，如何有效集结个体专家的决策结果以得到合理、可靠的群决策结果。 专家群决策问题，本质上是一个对方案的评价和对专家评价的双重评价问题。由于专家个体在素质、能力以及知识结构、经验等方面具有差异，在合成个体专家决策结果时，应避免不加区别地进行算术平均[3]，这样合成得到的群决策结果的可靠性较差。基于此有文献提出利用加权平均法[4][5] ，即利用专家权重来合成个体专家决策结果，考虑了个体专家之间的差异，但是专家权重往往根据专家的权威和声誉先验地给出，在使用上容易受到局限，如对于不太熟悉的专家，难以给出适当的权重。文献[6]从统计学的角度探讨了如何根据个体专家决策结果，利用期望和方差来推导出专家权重，但是如果一个决策问题受到组织工作、时间、经费等的限制，专家组人数有限时，如3～7人，并且这种情况经常存在，则有限的样本容量难以体现统计规律性，不适合利用该方法确定专家权重。 针对上述问题，本文提出了专家支持度的概念及其确定方法。该方法的特点是从比较客观的角度对专家进行评价，专家支持度是在考虑了个体专家素质、经验、能力和知识结构等方面的差异上获得的，体现了专家的评价水平，获得容易、计算简单。该方法既克服了对专家情况不熟悉而造成的主观上的局限，又避免了样本数量有限性的限制。利用专家支持度来集结专家个体决策结果，提高了群决策结果的可靠性及合理性。 2 专家支持度及其确定法 2.1 专家支持度的定义 专家的支持度，是个体专家的决策结果，对总的决策结果的贡献程度或支持程度。该支持度体现了专家个体间在对被评价问题上的差异，是以权重的形式体现的。 比如：有两个专家对某方案进行评价，第一个专家的支持度为0.9，第二个专家的支持度为0.3。专家1对方案的评分为90，专家2对方案的评分为68。显然两个专家的评价结果截然不同，这时简单的进行算术平均得到的结果是： 90*1/(1+1)+68*1/(1+1)=79（分）； 若考虑专家之间的差异，利用专家支持度，则结果为： 90*0.9/(0.9+0.3)+68*0.3/(0.9+0.3)=84.5（分）。 合成个体专家的决策结果时，应该根据专家组中每个专家的素质、经验、能力等因素来得到专家权重，以此采纳专家的意见。因此，针对具体的决策问题，选取合适的评价指标，建立能够反映专家评价水平的指标体系，可以得到体现专家评价水平的权重——专家支持度（图1）。 图1 专家支持度的一般概念 2.2 评价指标的选择 在选取评价指标，对专家进行评价时，应该具体问题具体分析，根据不同的决策问题，选择适当的评价指标。评价指标的设置应该突出主流，反映被评价对象的本质特征，数目应适当。在决策问题明确的情况下，重点优化，力求用较少的指标，比较全面、系统地反映被评价对象。 根据这一思路，本文针对具体的评审高等院校硕士、博士学位论文以及学术期刊的科技论文质量这类专业性、学术性很强的决策问题，选取了工作年限、学历、研究领域以及专家对评价问题本身的把握度这四个指标对专家组成员进行评价，获得专家支持度（图2）。在评价指标选取过程中，也可以选取“专家发表过的学术论文数”、“主持、参加过的科研项目数”等指标，但这两个指标在数量上难于统计，质量上难以衡量。 选取“工作年限”的意义：长时间的工作实践使专家不断深化已有知识，获取新的知识，并且根据客观条件的要求不断调整知识结构，积累更多的经验。 选取“学历”的意义：专家的知识获取、积累和专家接受的教育程度是正相关的，这段时间精力集中、充沛，接受的教育系统，对于以后参加科研工作是非常重要的前期准备。 选取“研究领域”的意义：专家的研究领域与参与的决策问题的领域贴近程度越高，专家 会很快进入研究角色，发现问题，提出中肯的意见。 图2 本文选取的专家支持度评价指标体系 选取“把握度”的意义：专家对评价问题本身的把握度，是专家对自身的评价结果的打分，其作用与支