论文部分内容阅读
人工智能的快速发展使得智慧城市成为城市发展的新形态。为了让智慧城市更好的发展,在城市的建设过程中引入智慧城市评价作为衡量城市智慧化水平的手段,进而根据评价结果给与指导意见。智慧城市评价中指标的权重大小对评价结果准确性有较大的影响。针对不同含义的指标,如何通过算法客观准确地确定各自的权重,是当前智慧城市评价的一个研究热点。常用的智慧城市评价方法中,主观赋权法存在主观性过强、评价标准不一致、人力和物力资源耗费大、耗时长、计算复杂等问题。客观赋权法存在因没有考虑指标之间相关性对指标的具体影响而导致评价结果失准问题。当评价需求发生变化时,存在如何捕获评价需求变化信息以及如何使指标权重适应评价需求的变化等问题。因此,如何通过修正指标权重以适应评价需求的变化,实现指标权重的动态调整,也是本文研究的一个重点。事实上,多维度指标的权重确定算法也可应用于其他领域的评价系统中,这使得本文的研究成果是有一定的应用价值。针对上述问题,本文综合考虑专家的主观经验与数据的客观事实。通过调研大量指标赋权算法文献,设计出合理的赋权算法。文中提出的算法既解决了传统算法中无法准确反映指标重要性问题,也解决了算法无法依据评价需求的变化对指标权重进行动态调整的问题。主要研究内容如下:1)针对人力和物力资源耗费大、主观性过强、没有考虑指标之间相关性导致评价结果失准等问题,提出基于CV-CRITIC(Coefficient Variation-CRITIC)指标权重确定算法。CV-CRITIC算法综合考虑指标自身包含的信息和指标间冲突性对指标权重的影响程度。在CRITIC算法的基础上,将差异系数法确定组合赋权中待定参数的思想引入指标权重确定过程。对比实验表明,通过该算法确定的指标权重能更加真实地反映评价指标的相对重要程度。2)针对评价需求变化时如何准确获取评价需求变化信息问题,提出可以反映评价需求变化的权重影响因子计算方法,ACO-RR(Ant Colony Optimization Ridge Regression)算法。ACO-RR算法借鉴了蚁群算法求解多峰函数极值的思想。算法采用群体智能寻找到岭回归模型中的最优参数。根据特定需求得到的城市排名信息,找出能够反映特定评价需求偏好程度的权重影响因子。本文在此基础上对权重进行动态调整解决指标权重适应评价需求的变化的问题。实验证明该模型对智慧城市的评价更准确,说明该模型能有效的计算反映评价需求变化的权重影响因子。3)针对传统方法不能及时响应评价需求的变化去动态调整权重的问题,在CV-CRITIC算法和ACO-RR算法基础上,提出可以动态调整权重的CA算法。CA算法利用ACO-RR模型得到的权重影响因子对CV-CRITIC计算得到的权重进行修正。实验结果表明,由ACO-RR算法修正后的权重准确率更高,能够适应评价需求的变化。