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（( 九 ) _矩阵

(9)对专家决策矩阵进行标准化处理；
(10)利用综合评价函数对标准化处理的决策矩阵进行综合评价；
(11)按照专家的综合评价值进行排序，输出排序之后的专家组。
3.7专家遴选算法的实验
根据以上介绍的算法，设计了一个仿真实验，对模拟专家库中的专家进行综合评价，并按照总评价值的大小选择出合适的专家。实验的步骤和数据如下所示。
3.7.1指标体系的建立
3.7.2判断矩阵的构造
3.7.3专家数据的输入
决策矩阵记录的是各个专家的每个指标的值，也就是用来对各个专家进行综合评价的依据，模拟的专家值如表3-17所示。
表3-17 专家评价表
3.7.4指标值的标准化及决策值的计算
(1)使用归一化算法作为标准化方法获得归一化决策矩阵如表3-18所示，最终各个专家的综合评价指如3-19所示。
表3-18 归一化处理的专家评价标准值
(2)使用优化归一法作为标准化方法获得的归一化决策矩阵如表3-20所示，各个专家的综合评价值如表4-21所示。
表3-20 优化归一法下的专家评价标准值
(3)两种标准化方法的结果对比
通过对比两种标准化方式获得的结果可以发现，在B8科学道德累计数的标准化时，由于常规的标准化方法没有区分指标的方向，导致科学道德累计数较高的专家的该指标标准化值较高。由于B8的权重较高，所以导致产生了最终到的累计数较高的专家反而获得了较高的综合评价值，这与实际情况是相悖的。而优化归一法能够区分指标的方向，所以B8较高的专家，该指标的评分较低，总得分也较低。
使用常规方法的总评价值会由于专家的数量增加值，逐渐趋向于0，过小的总评价值会掩盖了专家之间的差异性。而优化归一法则会避免这种情况的出现，即使专家的数量很多，也不会造成总评价值过小。所以能够很好的体现出各个专家之间的差异。
3.8实验结果分析
观察仿真实验的结果，我们可以发现，在判断矩阵的构造时排在前面的因素，经过计算都获得了比较高的权重值，这说明层次分析法可以解决在专家遴选算法中各个指标权重的赋值问题。同时通过排序赋值法，获得的判断矩阵具有比较好的一致性。
但是层次分析法是一种主观权重分析法，因此使用该方法确定各个指标的权重，很大程度上都依赖于人的主观判断，包括模型的建立到判断矩阵的构造。因为人的主观因素在决策中占有很重要的作用，所以利用该专家遴选算法更加适合管理层的进行决策的情况。
4 专家遴选系统的设计与实现
4.1功能分析
4.1.1算法程序的设计目标
为了验证基于层次分析法的专家遴选算法，需要设计一个实验，该实验模拟从专家库中遴选出合适专家组成专家组。该实验需要实现以下目标：
(1)能够自定义层次结构模型。专家遴选算法的基础是层次层析法，而层次结构模型是层次分析法能够解决实际问题的基础，因此程序中必须有一个数据结构表示层次结构模型。
(2)层次结构模型是可拓展的。为了适应更加广泛的应用场景，专家遴选算法应该具有一定的可拓展性。可拓展型包括层次数量可以自定义、每个层次的因素可以自定义、上一层因素与下一层因素之间的影响关系可以自定义等。这样设计出来的程序不仅可以用来解决专家遴选的问题，还可以具有更加广泛的应用场景。
(3)为了使得程序具有更大的应用范围，应该可以处理完全层次结构模型和不完全层次结构模型。
(4)可以自由选择判断矩阵的构造方式。判断矩阵的构造通常是咨询了专家的意见直接构造，这种方式在因素较少时时比较有效的。但是在因素比较多时，人的主观判断会比较困难，因此可以使用3.2.2一节中介绍的方式构造判断矩阵。为了提供更多的选择行，系统可以选择使用哪种方式构造判断矩阵。