决策分析中一致性的价值：概念、度量和应用

和 以相同的概率从以下五个值对中选取一个：  ;   ;   ;    和  .V0: 和           （完整分数信息）V1：   和     在25%的案例中   和   在25%的案例中   和   在25%的案例中   和   在25%的情况下，V2：   和   在25%的案例中   和   在25%的案例中   和   在25%的案例中   和   在25%的案例中允许 是期权的平均性价比 和 均匀分布，然后C1：  C2:. 结果 从设置C1和C2标准化为 因此.  假设为所有问题实例的预算。9结果强调，更准确地预测约定价值分数可以提高约定价值规则的有效性。对于A2实例，与随机规则相比，协议规则的值在MCDA和PDA情况下分别减少了41%和43%的所需期权协议数量；但在A1案例中，MCDA和PDA中的比例分别上升至49%和51%。总的来说，通过寻找触发基于序数的弱优势规则、得分范围大且距离真正的边界不太远的选项，一致性度量值似乎获得了最大的收益. 对协议进行更精确的预测（即从A1实例更改为A2实例）的收益要小得多。

这是因为预测误差受到分数上下限的限制，这意味着预测的边界 即使对于不太准确的商定分数预测，也不应该离未知的真实边界太远吗 在大多数情况下。当使用协议值规则时，将分数范围从设置V1增加到V2，MCDA和PDA案例所需的期权协议分别增加66%和33%。这是一个预期的结果，因为参与者对评分的分歧越大，就需要越长的时间才能就稳健的选项达成一致。在使用协议价值规则的情况下，将期权的货币价值比率从C2设置为C1的价差减小，可使PDA情况下所需的期权协议平均数翻倍。这一结果也不那么令人惊讶，因为如果所有的期权平均而言在性价比方面或多或少都具有同等的吸引力，那么许多期权就不太可能 被支配或支配，与实际分数无关 该组织最终同意了这一点。与不完整的分数信息不同，对于不完整的权重信息，无论是百分比还是名义上，所需的偏好启发的减少都很小。这可以解释为MaxRange规则已经提供了接近下限的解决方案。