【摘要】：传统的基于信息熵确定熵权，依据的是“信息熵越小，权重越大”。前面讨论了基于等价关系的分类过程中的知识（熵）度量、基于弱序关系的偏好表达过程中的知识（熵）度量。考虑到，知识熵与知识水平的互补关系［比如式］，这里提出直接应用知识水平确定客观权重，因为知识熵与知识水平的互补关系，同样可以看作基于知识熵的确定熵权的过程。令所得到的偏好映射为第二步，计算偏好映射的知识水平。下面给出基于知识熵确定熵权的过程。
传统的基于信息熵确定熵权，依据的是“信息熵越小，权重越大”。如果应用知识熵确定客观权重（分类的精细程度），类似的是“知识熵越小权重越大（知识熵越小，分类的程度越精细）”。前面讨论了基于等价关系的分类过程中的知识（熵）度量、基于弱序关系的偏好表达（即有序划分）过程中的知识（熵）度量。考虑到，知识熵与知识水平的互补关系［比如式（7.16）］，这里提出直接应用知识水平确定客观权重，因为知识熵与知识水平的互补关系，同样可以看作基于知识熵的确定熵权的过程。
假设评价矩阵为
其中vij是第i个方案在j指标下的评价结果（可以是效用值、语言值、模糊数等），这是多准则／多属性决策情形；也可以是群决策的情形，即vij是第j位专家对i个方案的评价结果（可以是效用值、语言值、模糊数等）。采用下列步骤计算基于知识水平的客观权重：
第一步，若是多准则／多属性决策场景，基于准则／属性下的评价数据，导出方案在准则／属性下的偏好映射；若是群决策场景，基于个体的评价数据，导出每位专家的偏好映射。令所得到的偏好映射为
第二步，计算偏好映射的知识水平。计算公式为(www.xing528.com)
第三步，计算准则／属性或者个体的知识权重。计算公式为
形式上基于知识度量的决策方法，本质上是基于知识熵，因为本章中知识水平和知识熵之间有互补关系：
因此，上面给出的基于知识水平计算客观权重的过程，也可以看作基于知识熵确定权重的方法。下面给出基于知识熵确定熵权的过程。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
