SPSSAU | 最好最差权重BWM原理及案例实操分析
BWM(best-worse-method,最好最差法)是一种多准则决策方法,由Jafar Rezaei于2015年提出,其通常用于确定决策标准的权重。其原理是比如5个指标,如果以前AHP就需要5个指标两两的相对重要性数据。但是现在简化为先得到‘最优’和‘最差’这2个指标。得到后需要得到BO(Best-to-other)和OW(Others-to-worst)数据,BO表示‘最好指标与各指标’的相对重要性,OW表示‘各指标与最差指标’的相对重要性。那么5个指标BO就5个数字,OW也5个数字。共10个数字就好了。
得到后使用数学求解规则那套东西来求解,其求解规划数学表达式如下:

Wbest表示最好指标的权重,Wworse表示最差指标的权重,Wj表示某指标权重,cBj表示第j个指标BO时的数据,cWj表示第j个指标OW时的数据,ε(eps)为误差,通常情况下希望该误差越小越好,越接近0越好(其实际意义为规划求解得到和实际情况的gap值)。从上述来看其思想是:本属于该重要性位置的指标,它也应该属于该重要的位置,这是BWM权重的思想意会。
最好最差权重BWM案例
1 背景
当前有一份数据需要进行BWM权重计算,其BO数据和OW数据如下:

BO数据表示‘最好指标与各指标’的相对重要性,比如上表格中指标2对应的BO数据为1,其意味着‘最好指标与指标2’的重要程度为2,至于2代表的意义,其由标度决定(通常情况下使用1 ~ 9级标度较多即1分最不重要,9分最重要,如果是这样则意味着‘最好指标’相对于指标2来讲,重要性很弱,也即说明指标2很重要的意思);
others-to-worst(OW)表示‘各指标与最差指标’的相对重要性,比如上表格中指标2对应的OW数据为8,其意味着‘指标2与最差指标’的相对重要性为8,如果8代表很重要,那么意味着‘指标2’相对于‘最差指标’,指标2很重要。
2 理论
针对BWM权重法,其一般的步骤如下:
- 确定好研究的指标即准则指标;
- 确定最优准则和最劣准则,即最优和最劣指标
- 确定好使用的标度,比如使用1~9分法,1分表示最差,9分表示最差;
- 在确认好指标、最优和最劣指标及标度后,准备好分析数据即BO数据和OW数据;
- 利用数学规划求解计算出权重值;
- 进行一致性检验。
3 操作
本例子SPSSAU操作如下:

需要注意的是,SPSSAU提供两个表格分别放BO和OW数据。以及如果有多个专家打分,那么比如BO数据就有多行,依次放入就好。与此同时,在计算结果输出时,1个专家对应着1份权重数据,多个专家就对应多份权重数据,因此结果中还会有多个专家权重的平均值即输出global权重值。
4 SPSSAU输出结果
SPSSAU共输出5个表格和1个权重分布图,如下说明。
| 表格 | 说明 |
|---|---|
| BO和OW值 | 即放入的原始数据BO和OW数据 |
| BWM权重结果 | 展示BWM法计算得到的权重 |
| Consistency Index(CI)表格 | 展示一致性指数CI值 |
| BWM一致性检验结果 | 展示CR指标及一致性检验结果 |
5文字分析

上表格展示BO和OW数据,即原始输入数据。事实上BWM权重计算时,其前期准备工作包括准备好准则指标,确定最优和最劣指标,确定好标度,然后让专家进行打分,专家打分数据才得到最终的BO和OW数据。

BWM权重计算的原理是数学规划求解,其核心目的是让‘让本应该某指标所属地位,就让其在该位置’,意思是本来该项重要那么其权重就应该高,本来某项不重要那么其权重就应该低。并且这种gap(即数学规划里面的eps指标)应该尽可能小。

上表格展示一致性系数Consistency Index;CI指标为固定值,当前最多为9阶数据,CI指标是接下来CR指标的计算中间值,其为中间过程值并不特别意义。

上表格展示一致性检验及其结果等。上表格展示EPS指标,EPS是BWM进行数学规划求解时计算得到。CI值是查表得到,比如当前是5个专家打分数据,那么对应为2.3。一致性比率CR指标用于评价一致性,CR=EPS指标/CI值,并且对CR进行检验的标准为0.5,如果小于0.5则意味着通过一致性检验,反之则说明没有通过一致性检验。本次数据计算得到CR值为0.005,即通过一致性检验,意味着专家打分数据相对重要性满足一致性,并没有逻辑性问题。
如果没有通过一致性检验,需要考虑是否有出现比如指标1相对指标2更加重要,指标2比起指标3更加重要,那么肯定指标1相对指标3更重要,但数据上却出现指标3比指标1更重要。
6 剖析
涉及以下几个关键点,分别如下:
- 请确保分别放入BO和OW数据,并且如果有多个专家,那么对应就有多行BO或者OW数据。
- BWM的计算参考文献如下:Rezaei J .Best-worst multi-criteria decision-making method: Some properties and a linear model[J].Omega, 2016, 64(oct.):126-130.DOI:10.1016/j.omega.2015.12.001.
7 疑难解惑
- BWM权重计算时一致性检验没有通过?
如果没有通过一致性检验,需要考虑是否有出现比如指标1相对指标2更加重要,指标2比起指标3更加重要,那么肯定指标1相对指标3更重要,但数据上却出现指标3比指标1更重要。
相关文章:
SPSSAU | 最好最差权重BWM原理及案例实操分析
BWM(best-worse-method,最好最差法)是一种多准则决策方法,由Jafar Rezaei于2015年提出,其通常用于确定决策标准的权重。其原理是比如5个指标,如果以前AHP就需要5个指标两两的相对重要性数据。但是现在简化为…...
docker安装elasticsearch(es)最新版本
docker安装elasticsearch(es) docker官网 https://hub.docker.com/ https://www.cnblogs.com/balloon72/p/13177872.html 1、拉取最新项目elasticsearch docker pull elasticsearch:8.14.3lscpu 查看架构 2、构建环境 mkdir -p /data/elasticsear…...
02 RabbitMQ:下载安装
02 RabbitMQ:下载&安装 1. 下载&安装1.1. 官网1.2. Docker方式1.2.1. 下载镜像1.2.2. 启动1.2.3. 登录验证 1. 下载&安装 1.1. 官网 RabbitMQ: One broker to queue them all | RabbitMQ 1.2. Docker方式 1.2.1. 下载镜像 # docker pull 镜像名称[…...
mmcv库出现No module named ‘mmcv._ext
遇到 "No module named mmcv._ext" 这个错误通常意味着你的 Python 环境中缺少 mmcv 库的扩展模块 _ext。mmcv(MMDetection 训练工具箱的核心库)通常依赖于 _ext 模块来提供一些高性能的操作,这些操作是用 C/C 实现的,并…...
防止xss(跨站脚本攻击)
1、输出数据时进行转义:这是最基本的预防措施。确保在输出数据到HTML时对特殊字符进行适当的转义,以防止它们被解释为HTML或JavaScript代码。PHP中可以使用htmlspecialchars()、strip_tags()、htmlentities函数来实现这一点。 echo htmlspecialchars($d…...
django小型超市库存与销售管理系统-计算机毕业设计源码46608
摘 要 随着信息技术的快速发展,超市库存与销售管理面临着前所未有的挑战与机遇。为了提升超市的运营效率,优化库存管理,并增强销售数据的分析能力,我们基于Django框架设计并开发了一套小型超市库存与销售管理系统。该系统充分利用…...
项目实战_表白墙(简易版)
你能学到什么 一个比较简单的项目:表白墙(简易版),浏览器:谷歌升级版将在下个博客发布 效果如下 正文 说明 我们是从0开始一步一步做这个项目的,里面的各种问题,我也会以第一人称视角来解…...
优化 Spring Boot 项目启动速度:高效管理大量 Bean 注入
个人名片 🎓作者简介:java领域优质创作者 🌐个人主页:码农阿豪 📞工作室:新空间代码工作室(提供各种软件服务) 💌个人邮箱:[2435024119@qq.com] 📱个人微信:15279484656 🌐个人导航网站:www.forff.top 💡座右铭:总有人要赢。为什么不能是我呢? 专栏导…...
《LeetCode热题100》---<5.普通数组篇六道>
本篇博客讲解LeetCode热题100道普通数组篇中的六道题 第一道:最大子数组和(中等) 第二道:合并区间(中等) 第一道:最大子数组和(中等) 法一:贪心算法 class So…...
【Hot100】LeetCode—169. 多数元素
目录 题目1- 思路2- 实现⭐169. 多数元素——题解思路 3- ACM 实现 题目 原题连接:169. 多数元素 1- 思路 定义两个变量 一个是 count:维护当前元素的出现次数一个是 ret :维护当前元素 思路 遍历整个数组**①如果 count 0 **ÿ…...
专科、本科、研究生是按照什么分类的?
高等教育按照阶段主要分为以下几类 一、专业学位教育 特点:职业导向 专业学位教育是针对特定职业领域的专业培训,如医学、法律、工程等,旨在使学生具备从事相关职业所需的专业知识和实践技能。 实践性 专业学位教育注重实践教学和职业技…...
关于实时ODS层数仓搭建的三个问题
目录 问题一:数据同步的实时性无法满足 问题二:批量数据同步计算处理效率低 问题三:没有稳定的数据传输管道 FineDataLink的解决方案 实战案例-销售部门与财务部门数据同步 设置ODS层实时同步任务 设置DW层增量数据同步 设置 DM 层任务汇总 关…...
微信仿H5支付是什么
仿H5支付是指一种模拟原生H5支付流程的非官方支付方式。这种支付方式通常是由第三方支付服务提供商开发和维护的,目的是为了绕过官方支付渠道的限制,如费率、审核等问题。然而,由于仿H5支付并非官方授权和认可的支付方式,其安全性…...
网络安全知识竞赛规则及流程方案
为普及网络安全知识,进一步提升网络安全意识,树立正确的网络安全观,营造安全健康文明的网络环境,在2023年国家网络安全宣传周到来之际,特举办网络安全知识有奖竞赛活动,通过竞赛活动普及国家法律法规、政策…...
赞!蚓链用数字化打造助农扶农电商平台!
助农扶农电商平台在推动农村经济发展、促进农民增收方面发挥着重要作用。蚓链数字化平台使用“防伪溯源”为农户、商户、平台、政府与消费者打造了全方位的信任链条和纽带。给各方带来众多价值! (一)农户方面 1、拓宽销售渠道,降…...
RocketMQ延时消息
RocketMQ消息发送基本示例(推送消费者)-CSDN博客 RocketMQ消费者主动拉取消息示例-CSDN博客 RocketMQ顺序消息-CSDN博客 RocketMQ广播消息-CSDN博客 延时消息: 延时消息实现的效果就是产者调用 producer.send 方法后,消息会立即发送到 Broker,并被存…...
【C++/STL】:哈希的应用 -- 位图布隆过滤器
目录 🚀🚀前言一,位图1. 位图的概念2. STL库中的位图3. 位图的设计4. 位图的模拟实现5. 位图的优缺点6. 位图相关考察题⽬ 二,布隆过滤器1. 布隆过滤器的概念2. 布隆过滤器的实现3. 布隆过滤器删除问题4. 布隆过滤器的优缺点 点击…...
非线性面板数据实证模型及 Stata 具体操作步骤
目录 一、引言 二、文献综述 三、理论原理 四、实证模型 五、稳健性检验 六、程序代码及解释 一、引言 在当今的经济和社会研究中,非线性面板数据模型的应用日益广泛。这类模型能够更好地捕捉数据中的复杂关系,为研究者提供更深入和准确的分析结果。…...
视角 | 麻省理工学院提出出温度计校准法,专治AI大模型过度自信
在数字化浪潮的推动下,人工智能(AI)正成为塑造未来的关键力量。硅纪元视角栏目紧跟AI科技的最新发展,捕捉行业动态;提供深入的新闻解读,助您洞悉技术背后的逻辑;汇聚行业专家的见解,…...
昇思25天学习打卡营第XX天|CycleGAN图像风格迁移互换
CycleGAN是一种用于图像到图像翻译的生成对抗网络,它突破了传统域迁移模型的限制,无需成对样本即可学习图像在不同域间的转换。这种无监督的方法特别适用于难以获取配对数据的场景,例如艺术风格迁移。与需要成对训练样本的Pix2Pix不同&#x…...
利用最小二乘法找圆心和半径
#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …...
生成xcframework
打包 XCFramework 的方法 XCFramework 是苹果推出的一种多平台二进制分发格式,可以包含多个架构和平台的代码。打包 XCFramework 通常用于分发库或框架。 使用 Xcode 命令行工具打包 通过 xcodebuild 命令可以打包 XCFramework。确保项目已经配置好需要支持的平台…...
【根据当天日期输出明天的日期(需对闰年做判定)。】2022-5-15
缘由根据当天日期输出明天的日期(需对闰年做判定)。日期类型结构体如下: struct data{ int year; int month; int day;};-编程语言-CSDN问答 struct mdata{ int year; int month; int day; }mdata; int 天数(int year, int month) {switch (month){case 1: case 3:…...
C++实现分布式网络通信框架RPC(3)--rpc调用端
目录 一、前言 二、UserServiceRpc_Stub 三、 CallMethod方法的重写 头文件 实现 四、rpc调用端的调用 实现 五、 google::protobuf::RpcController *controller 头文件 实现 六、总结 一、前言 在前边的文章中,我们已经大致实现了rpc服务端的各项功能代…...
超短脉冲激光自聚焦效应
前言与目录 强激光引起自聚焦效应机理 超短脉冲激光在脆性材料内部加工时引起的自聚焦效应,这是一种非线性光学现象,主要涉及光学克尔效应和材料的非线性光学特性。 自聚焦效应可以产生局部的强光场,对材料产生非线性响应,可能…...
rknn优化教程(二)
文章目录 1. 前述2. 三方库的封装2.1 xrepo中的库2.2 xrepo之外的库2.2.1 opencv2.2.2 rknnrt2.2.3 spdlog 3. rknn_engine库 1. 前述 OK,开始写第二篇的内容了。这篇博客主要能写一下: 如何给一些三方库按照xmake方式进行封装,供调用如何按…...
css3笔记 (1) 自用
outline: none 用于移除元素获得焦点时默认的轮廓线 broder:0 用于移除边框 font-size:0 用于设置字体不显示 list-style: none 消除<li> 标签默认样式 margin: xx auto 版心居中 width:100% 通栏 vertical-align 作用于行内元素 / 表格单元格ÿ…...
wpf在image控件上快速显示内存图像
wpf在image控件上快速显示内存图像https://www.cnblogs.com/haodafeng/p/10431387.html 如果你在寻找能够快速在image控件刷新大图像(比如分辨率3000*3000的图像)的办法,尤其是想把内存中的裸数据(只有图像的数据,不包…...
论文阅读:LLM4Drive: A Survey of Large Language Models for Autonomous Driving
地址:LLM4Drive: A Survey of Large Language Models for Autonomous Driving 摘要翻译 自动驾驶技术作为推动交通和城市出行变革的催化剂,正从基于规则的系统向数据驱动策略转变。传统的模块化系统受限于级联模块间的累积误差和缺乏灵活性的预设规则。…...
Unity中的transform.up
2025年6月8日,周日下午 在Unity中,transform.up是Transform组件的一个属性,表示游戏对象在世界空间中的“上”方向(Y轴正方向),且会随对象旋转动态变化。以下是关键点解析: 基本定义 transfor…...
