偏于客观的确定权重的方法信息熵法.docx

确定权重的信息熵法

相对于层次分析法，专家打分等偏于主观的确定权重的方法，信息熵法是偏于客观的确定权重的方法，它借用信息论中熵的概念。所谓“熵”，是信息论中衡量不确定性的指标，信息量的(概率)分布越趋于一致，不确定性越大。

假定有n个属性X,X

1 2

,...,X

n

，以及它们的属性值构成的决策矩阵

?d d

? 11 12

d ?

1n?

D??d21 d22 d2n?

? ?

? ?

???d d d ?

?

?

m1 m2 mn

先对决策矩阵D进行标准化处理得到决策矩阵R

?r r r ?

?11 12 1n?

R ??

R ??

?

?2n?

?

2n

?

? ?

???r r r ?

?

?

m1 m2 mn

这里矩阵R满足归一性：?mr

ij

i?1

?1,j?1,2,3,...,n，即每列的元素之和为1。

如何利用信息熵法确定属性X,X

1 2

,...,X

n

的权重w?(w,w,

1 2

,w)T呢？

n

这里w

j

?0,j?1,2,...,n;

?nw

j

j?1

?1。

这里有一个重要思想就是将归一化后的决策矩阵R的列向量(A,A

,r

,r ),j

mj

,...,A

n

)，即

(X,X

1 2

,...,X

n

)的属性值(r ,

1j

?1,2,...,n视为信息量的分布。

A对属性X

j

的熵E

j j

定义为：

E ??

1 ?m

rlnr

, j?1,2,...,n，

易知0?E

j

,r )?(1/m, ,1/

,r )?(1/m, ,1/m)，则

mj

lnm

ij ij

i?1

E ?1；

若(r

1j

j

, ,r

mj

1j

)?(0, 0,1,0,

)，则E

j

?0；总之r

ij

j

越一致，则E

j

越接近1，这样就越

不易区分方案的优劣。所以下面定义X

对于方案的区分度：

j

F ?1?E

j j

而属性的权重计算公式为：

F

w ? j

,j?1,2,...,n

?0.50

?0.30

j

0.300.25?

0.300.25?

?nF

k

k?1

算例：已知R??

?0.15

?

?0.05

?，显然已经归一化，计算可得

0.200.25?

?

0.200.25?

熵E?[0.8240.9851]

区分度F?[0.1760.015 0]

属性Excel计算过程如下表：

属性

权重w?[0.9240.0760]

序号

X1

X2

X3

1

0.50

0.30

0.25

-0.34657

-0.36119

-0.34657

2

0.30

0.30

0.25

-0.36119

-0.36119

-0.34657

3

0.15

0.20

0.25

-0.28457

-0.32189

-0.34657

4

0.05

0.20

0.25

-0.14979

-0.32189

-0.34657

求和

1.00

1.00

1.00

-1.14212

-1.36616

-1.38629

熵E

0.824

0.985

1.000

区分度F

0.176

0.015

0.000

0.191（F求和）

权重w

0.924

0.076

0.000

1.000（检验）

参考阅读：基于区间数的预警机作战效能评估.pdf