一种基于逼近理想解排序的系统架构评估方法

本发明涉及系统工程的架构评估，具体涉及一种基于逼近理想解排序的系统架构评估方法。

背景技术：

1、系统架构是考量一个系统性能的优劣的重要因素，架构的好坏往往直接影响到性能的优劣。因此，系统架构评估是在系统研制过程中需要进行的一个重要步骤，目的是在各种满足最低系统性能需求的设计方案中找到最优的架构。同时，有效的架构评估还能够提供改进系统架构的建议并且识别潜在的问题和挑战。系统架构评估通常选取系统的关键性能指标作为评估准则。同时，为了有效地进行系统架构评估，需要采用一种科学的评估方法。

2、topsis通过构造正负理想解，将评价方案与正负理想解之间的距离作为评价基础，计算评价方案与正反理想解的欧式距离，得出该评价方案与正理想解的相对贴近度，以此进行目标优劣排序。topsis方法计算过程简便、可信度高，可以客观地对现有方案进行优劣评价，并且可以精确地反映各评价方案之间的差距。该方法避免了数据的主观性，不需要目标函数，不用通过检验，而且能够很好的描述多个评价指标的综合影响力度。并且对于数据分布及样本量、指标多少无严格限制，既适于小样本，也适于多评价单元、多指标的大系统，较为灵活、方便，在多个领域得到了广泛的应用，成为了一种常用的评价方法。但是在topsis方法的应用中，默认各个评价指标所占的权重相同，然而在实际的评估过程当中，在各种主观客观因素的影响下，每一个评价指标所占的权重是有差异的。因此可以通过调整评价指标所占权重对topsis方法进行优化。

3、在对多指标方案进行决策时，权重系数是影响决策的关键因素，对于同一组指标数值，不同权重值会导致截然不同的评价结果，权重系数对于最优方案的选择至关重要。因此在进行综合评价时，各评价指标赋权的问题是首先必须解决的问题。评价指标的权重可以衡量指标与综合评估目标关系的重要程度，在对评价指标赋权的研究中，确定指标权重的方法有很多，可以分为主观赋权法和客观赋权法两种。

4、主观赋权法顾名思义是决策者从主观角度根据多个决策者对每一个指标的重视程度来计算指标权重，是人们早期研究的而且较为成熟的方法，它的原始数据是根据决策者的经验判断所得到的。由于主观赋权法是通过实际的决策问题和自身长期累计的知识经验来合理确定各属性的权重的，所以一般来说不会出现指标重要程度与实际重要程度互相矛盾的情况。在使用主观赋权法的过程中，最常用的主观赋权法主要有层次分析法(analytic hierarchy process，ahp)、德尔菲法、专家会议法、模糊层次分析法等。

5、客观赋权法的权重主要是以各指标间的关联度为基础，通过对各指标的相关性进行计算，具有很强的客观性，最常用的有熵权法和主成分分析法。熵权法是一种基于指标的信息熵来确定指标权重的客观加权方法，指标的信息熵越小，变化程度就越大，所提供的信息量越大，指标权重就越大。熵权法能够根据指标本身的价值进行权重分配，避免了主观因素对权重的影响，提高了权重的客观性和可信度。

6、主观赋权法主要是根据不同指标的重要性，主观确定权重，可以使评价目标更加清晰，但权重结果依赖于专家的知识和经验，容易导致权重偏差。客观赋权法根据指标的差异或相关程度确定权重，完全依赖于数据，权重结果很容易因指标值的变化而改变，可能导致一些指标权重与实际情况相悖，并且当评估单元发生变化时，需要重新计算权重，这具有较差的继承性。为了使结果更加科学，可以采用组合加权法，将主观赋权法与客观赋权法相结合，从而可以同时考虑指标值的重要程度和分化程度，并在一定程度上解决单一加权法的缺陷。

7、ahp是一种强大的群体决策过程，它允许通过分解复杂问题，在不同的层次上对几个标准和备选方案进行比较评估。ahp最早由美国运营分析领域的专家萨蒂教授于20世纪70年代提出。ahp是一种传统的强大决策方法，旨在确定不同标准之间的优先级，比较每个标准的备选方案，并确定备选方案的总体排名。层次分析法是侧重于对优化问题进行定性分析的一种简单、灵活而又实用的多准则决策方法，根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来，将层次元素两两比较的重要性进行定量描述，适合于多目标、多层次、多因素和多方案的复杂系统的分析决策。ahp能使专家们的经验判断定量化，为决策者提供定量的决策参考依据，特别适用于缺乏必要数据、需要将经验判断定量化和多目标因素结构复杂的情况。在复杂的决策场景中，决策者所做的语言主观评估在很大程度上是基于他们的经验，可能并不准确。并且，传统的层次分析法无法处理两两比较过程中的模糊性，也无法充分揭示人类的思维方式。

8、为了解决在分配指标的重要性时的不确定性和模糊性问题，将模糊集理论的概念与传统的ahp方法相结合形成fahp。fahp是模糊理论和ahp的结合，是在传统ahp中加入各种类型的模糊数，如梯形模糊数、矩形模糊数、三角形模糊数和连续模糊数描述群体决策过程中的不确定性和模糊性。由于它考虑到其解决决策者相对评估中的不确定性和模糊性问题的能力，所以比ahp更适合和有效。由于模糊三角数允许对语言变量进行有效描述和处理，以便进行分析。因此，此处借助三角模糊数对ahp加以改进，可使得判断矩阵构造更加合理。

9、然而，topsis方法还有很大的改进空间。例如，对于位于正理想解和负理想解的中垂线上的点或出现欧氏距离相等的情况，就无法进行优劣排序。相对熵评价方法有效地解决了这一问题，相对熵并非是两系统之间真正的距离，但其反映了两系统状态间的差异，将相对熵原理应用于topsis方法可以有效解决中线盲区问题。同时，topsis方法中的评估单元与正负理想解之间的差异仅从距离上考虑，仅能根据目标值与理想解间的欧氏距离来判断评价样本的优劣。而灰色关联分析方法作为另一种常用的评估方法，可以反映评价单元的序列曲线形状与正理想解和负理想解的接近程度。灰色关联分析方法是通过体系中各评价要素之间的相似或差异程度来衡量要素之间的关联程度，根据关联程度的大小分析出系统间的主要因素和次要因素。但传统灰色关联分析方法是通过对关联系数取平均值得到灰色关联度，很容易受到局部点关联倾向的影响，从而导致结果不能准确地反映实际情况。均衡接近度灰色关联分析方法可以在避免点关联倾向的同时，反映曲线形状的相似性。

10、专利公开号为cn116522122a的发明中公开了基于灰色关联-topsis的土壤质量评价方法，将灰色关联和topsis分析方法相结合，能够综合考虑土壤指标在多维空间上的实际距离和在形状变化上的关联度。然而该发明一方面无法直接应用在系统架构评估上，另一方面，也完全不涉及位于正理想解和负理想解的中垂线上的点或出现欧氏距离相等的情况的解决方案。

11、专利公开号为cn116665489a的发明中公开了一种航路网络拥堵区域识别方法，通过熵权法一critic对各评价指标进行组合赋权，并引入相对熵与灰色关联分析法对逼近理想值排序(topsis)法进行改进，对各航路点的重要性综合评价。同样的，该发明只能用来解决航路网络拥堵区域识别的问题，完全不涉及系统架构评估时出现的位于正理想解和负理想解的中垂线上的点或出现欧氏距离相等的情况的解决方案。

12、专利公开号为cn116665489a的发明中提出了一种结合相对熵与灰色关联分析法的改进topsis方法，基于三个维度建立评价指标体系；基于熵权法-critic对各评价指标进行组合赋权；引入相对熵与灰色关联分析法对逼近理想值排序(topsis)法进行改进，对各评价方案进行综合评价。该发明对传统topsis方法进行了较大改进，能够得到更为科学、准确的综合评价结果。传统topsis方法认为各指标重要度一致并且仅将评价方案与正负理想解之间的欧式距离作为评价基础，该发明采用组合赋权法为各指标进行客观赋权来表征指标重要度差异，引入相对熵原理和灰色关联分析方法，不仅解决了无法对欧氏距离相等的评价方案进行优劣排序的问题，还从曲线形状上反映评价方案与正负理想解之间的相似程度，有效避免了无法区分部分评价方案的接近程度的缺陷。然而，客观组合赋权法无法反映决策者个人偏好，灰色关联分析法很容易受到局部点关联倾向的影响，致使评价结果无法反映真实情况。

13、论文《考虑决策者偏好的均衡接近度灰关联改进topsis动态评价方法及其应用研究》中提出考虑决策者偏好的均衡接近度灰关联改进topsis动态评价方法，同时从距离和曲线形状上对方案进行综合评价，评价结果不仅体现数据序列的态势变化，同时还能避免局部点关联现象。然而，此方法利用指标值确定指标权重，决策者偏好仅体现在决策者对距离和形状的偏好，未考虑到决策者对各评价指标的偏好程度，通过欧氏距离来评判位置相对接近度，不能精确地反映各评价方案之间的差距。

技术实现思路

1、本发明的目的是为了提供一种基于逼近理想解排序的系统架构评估方法，针对现有的主观赋权法权重结果依赖于专家的知识和经验，容易导致权重偏差、客观赋权法完全依赖数据，结果不够稳定、ahp方法无法描述评估过程中存在的模糊性和不确定性和熵权法计算的熵值接近1时，其所传递的信息与熵权大小不一致等问题，提出基于fahp和改进熵权法的组合赋权法计算各评价指标权重；另外，针对topsis方法对于位于正理想解和负理想解的中垂线上的点无法进行优劣排序和仅能根据目标值与理想解间的欧氏距离来判断评价样本的优劣等缺陷，在topsis中加入相对熵和均衡接近度的思想，通过判断各评价对象在距离上和形状上到理想解的相对贴进度确定最佳方案，使评价结果更加准确可靠。

2、为实现上述技术目的，本发明采取的技术方案为：

3、一种基于逼近理想解排序的系统架构评估方法，所述系统架构评估方法包括以下步骤：

4、步骤a，将同时满足系统功能需求和最低性能需求的系统架构确定为备选方案；

5、步骤b，选取系统关键性能作为评估指标，构建符合全面性和层次性原则的评估指标体系；

6、步骤c，采用fahp模糊层次分析法计算各评估指标的主观权重；

7、步骤d，采用改进熵权法计算各评估指标的客观权重；

8、步骤e，计算各评估指标的主客观组合权重；

9、步骤f，计算各评估指标的加权值，确定正理想解和负理想解，计算备选方案到正理想解和负理想解之间的相对熵，进而得到备选方案在距离上与正理想解和负理想解的接近度；计算评估指标与正负理想解之间的灰色关系系数，结合灰色关系系数计算得到备选方案到正理想解和负理想解之间的灰色关联度，根据备选方案与正理想解和负理想解之间的灰熵计算备选方案与正理想解和负理想解之间的均衡接近度，进而得到备选方案在形状上与正负理想解的接近度；综合得到备选方案在距离和形状上与正负理想解的接近度，并计算得到综合相对贴进度，依据综合相对贴进度筛选得到最优备选方案。

10、与现有技术相比，本发明的有益效果如下：

11、第一，本发明的基于逼近理想解排序的系统架构评估方法，针对主观赋权法权重结果依赖于专家的知识和经验，容易导致权重偏差、客观赋权法完全依赖数据，结果不够稳定、ahp无法描述评估过程中存在的模糊性和不确定性以及熵权法计算的熵值接近1时，其所传递的信息与熵权大小不一致等问题，使用基于fahp和改进熵权法的组合赋权法计算各评价指标权重；

12、第二，本发明的基于逼近理想解排序的系统架构评估方法，针对topsis方法无法对于位于正理想解和负理想解的中垂线上的点进行优劣排序的问题，提出将相对熵理论融入topsis方法解决中线盲区问题；

13、第三，本发明的基于逼近理想解排序的系统架构评估方法，针对topsis方法仅能根据备选方案与理想解间的欧氏距离来判断评价样本的优劣以及灰色关联分析方法很容易受到局部点关联倾向的影响等问题，提出结合相对熵和均衡接近度灰色关联改进topsis方法，均衡接近度可以反映备选方案在曲线形状上与正理想解与负理想解的接近程度，而且避免局部点关联现象，通过判断各评价对象在距离上和形状上到理想解的相对贴进度确定最佳方案。