C#毕业设计——基于C#+层次分析法+AHP的项目评审中专家遴选方法设计与实现（( 八 ) _矩阵

通过以上分析可知，专家遴选算法的层次结构模型中，最底层方案层并不参与层次分析法的权重值计算过程，所以判断矩阵一共有5个。
判断矩阵的构造使用3.1.3中介绍的方法进行构造。步骤如下：
(1)首先请各个咨询专家对各个指标进行排序，按照重要性从高到低依次排序，并给出最重要指标和最不重要指标的重要性比率；
(2)按照指标的排序的序号，使用公式3-5对指标进行的重要性赋值；
(3)每个指标的重要性取值为所有专家对该指标重要性赋值的平均值；
(4)计算的平均值，作为指标体系中最重要指标和最不重要指标的重要性比率；
(5)使用公式3-8确定判断矩阵。
3.3.3单一准则排序权重向量的计算并检验一致性
确定了某层各个因素相对于上一层某个因素的判断矩阵之后，需要通过适当的方法来确定每个因素相对于上一层某个因素的影响程度，也就是权重，这个过程就是计算单一准则排序权重向量的过程。计算单排序权重向量的方法有(1)和法(2)根法(3)特征根法。在专家遴选算法中，选用更为常用的特征根法来计算各个指标的相对权重。
3.3.4总目标排序权重向量的计算
3.4评价值的标准化
在进行综合评价时，评价体系的各个指标具有不同的量纲。例如年龄和论文数都为40,时，表示的一意思却不一样。所以需要对指标值进行标准化，消除不同指标之间的量纲差异。因为进行标准化的数据时将会被直接用来进行综合评价，因此如何选择标准化方法是很重要的。如果选择的标准化方法处理之后的数据掩盖了原来数据的特点，就会导致综合评价值不能准确反映各个专家的水平，也就会导致最终在专家遴选时产生不合适的选择。
通常的标准化方法有极差变化法、线性比例变换法、归一向量法、归一化法等方法，每种方法都各有优缺点[6] 。要满足专家遴选的中指标标准化的方法，所选用的标准化必须满足一下几点要求(1)能够区分正逆向指标(2)能够处理小于0的指标值(3)能够反映出原来指标值之间的差异性(4)能够客观地反映出原指标值之间的相互关系。传统的标准化法不能满足这些要求，根据李美娟等人的研究，对于专家遴选算中指标值的标准化，采用优化归一法进行标准化处理：
（1）利用公式2-21将所有指标都转换成正向指标。
（2）利用公式2-22将所有指标都转换成非负值。
（3）利用标准的归一化法公式2-23对指标值进行标准化。
（4）因为专家过多，所以为了避免标准化的指标值过小，将第三步中获得的指标值都乘以评价对象的个数。
通过这样处理的指标值，消除了不同指标之间的量纲差异，同时考虑了不同指标值之间的差异性，适用于负数指标等优点。可以利用综合评价函数对专家进行综合评价。
3.5使用评价函数进行综合评价
3.6基于层次分析法的专家遴选算法步骤
使用基于层次分析法的专家遴选算法，对专家库中的专家进行遴选组织专家组的具体步骤如下：
(1)对专家库的专家数据进行初始化处理；
(2)筛选出与项目所处学科相同的专家；
(3)执行退避规则，将满足退避规则的专家从待选择专家库中删除；
(4)建立专家遴选的层次结构模型；
(5)使用排序赋值法构造专家各个指标的判断矩阵；
(6)计算专家遴选层次结构模型的单一准则排序权重向量及其一致性检验；
(7)计算专家遴选层次结构模型的总目标排序权重向量及其一致性检验；
(8)根据层次模型的总排序权重向量，对专家评价的各个指标赋权值；