[论文解读] An Algorithm for the Optimal Consistent Approximation to a Pairwise Comparisons Matrix by Orthogonal Projections

Waldemar W. Koczkodaj, M. Orłowski|arXiv (Cornell University)|May 8, 2015

Advanced Scientific Research Methods参考文献 10被引用 6

一句话总结

本文提出了一种高效算法，通过在对数变换的向量空间中使用正交投影，计算不一致成对比较矩阵的最优一致逼近。通过利用预先计算的一致矩阵空间的正交基，该方法将问题简化为基矩阵的线性组合，从而实现 O(n²) 时间复杂度的最小二乘一致逼近，且保证了数值稳定性和计算简便性。

ABSTRACT

The algorithm for finding the optimal consistent approximation of an inconsistent pairwise comparisons matrix is based on a logarithmic transformation of a pairwise comparisons matrix into a vector space with the Euclidean metric. Orthogonal basis is introduced in the vector space. The orthogonal projection of the transformed matrix onto the space formed by the images of consistent matrices is the required consistent approximation.

研究动机与目标

• 解决由专家判断产生的成对比较矩阵中不一致性的挑战。
• 提供一种数学上严谨且计算高效的算法，将不一致的互惠矩阵逼近为一致矩阵。
• 通过使用对数变换将问题转化为线性代数框架，简化逼近过程。
• 为一致矩阵空间构建可重用的正交基，使任意给定大小 N 的矩阵都能实现快速且稳定的投影计算。
• 通过量化和最小化不一致性，支持决策系统中的知识获取和数据验证。

提出的方法

• 将原始成对比较矩阵 M 变换为对数矩阵 A = [log m_ij]，以使一致矩阵的空间变为线性子空间 L。
• 将空间 L 定义为满足对所有 i,j,k 有 m'_ik + m'_kj = m'_ij 的矩阵集合，这对应于对数域中的一致比率矩阵。
• 使用基于指示矩阵 B_k 的递归公式，构建 L 的正交基 {T₁, T₂, ..., T_{N-1}}，确保正交性以实现高效的投影。
• 通过基矩阵与对数矩阵 A 的点积计算投影系数 t_k = (T_k · A) / ||T_k||²。
• 将最优一致逼近 A' 重构为线性组合 A' = Σ t_k × T_k，这对应于对数空间中的最小二乘逼近。
• 对所得矩阵 A' 进行指数运算，以在原始尺度下恢复最终的一致成对比较矩阵。

实验结果

研究问题

• RQ1 如何高效且稳健地计算不一致成对比较矩阵的最优一致逼近？
• RQ2 在对数向量空间中，对应于一致成对比较矩阵的线性子空间具有何种结构？
• RQ3 能否系统性地为此子空间构建正交基，以简化投影计算？
• RQ4 该逼近算法的计算复杂度是多少？是否可针对实际应用进行优化？
• RQ5 在对数空间中使用正交投影相较于现有不一致性减少技术有何改进？

主要发现

• 一致成对比较矩阵的空间在对数向量空间 R^{N×N} 中构成一个维度为 N−1 的线性子空间 L。
• 为 L 显式构造了一个闭式正交基 {T₁, ..., T_{N-1}}，其中 T_k 通过递归定义，且其已知的欧几里得范数为 √[2(N−k)/(N−k+1)]。
• 对数矩阵 A 到 L 的投影通过基矩阵 T_k 的线性组合计算，系数为 t_k = (T_k · A)/||T_k||²，从而确保最小的最小二乘误差。
• 该算法实现 O(n²) 时间复杂度的统一逼近计算，使其适用于实际应用的可扩展性。
• 由于使用了正交基，该方法保证了数值稳定性和计算简便性，避免了斜投影的复杂性。
• 最终的一致矩阵通过指数化投影后的对数矩阵获得，从而保持了互惠性和一致性属性。