和定量的指标，结合数学处理，能够更好地集成专家的知识和经验，计算结果更加客观、准确而得到了广泛的应用，是解决本文权重问题的最优方法。但是，AHP法的应用是基于三个假设基础上的：
(1)不存在层次间的反馈支配作用；
(2)层次内部元素之间不存在相互影响或支配作用；
(3)只有相邻层次才有支配关系，跨层元素只有间接支配关系，没有直接支配关系。
可见，AHP法进行评价时在解决评价指标体系层次间存在反馈支配问题时存在缺陷，不能解决指标之间存在的相互关系，此时系统的结构更类似于网络结构。网络分析法正是适应这种需要。
因此，本文将利用在AHP基础上衍生来的网络分析法(ANP)确定科技领军人才创新旺盛期成长环境指标的权重，尽量减小计算结果受相互关系的影响，使评价结果更为准确。
4.3.2 基于ANP的科技领军人才创新旺盛期成长环境指标体系权重的确定及应用
网络分析法ANP将系统元素划分为两大部分：第一部分为控制因素层，包括问题目标及决策准则，所有决策准则均被认为是彼此独立的，且只受目标元素支配。控制因素层中可以没有决策准则，但至少有一个目标。控制层中每个准则的权重可用AHP方法获得。第二部分为网络层，它是由所有受控制层支配的元素组组成的，其内部是互相影响的网络结构。ANP方法通过构造相互联系的元素之间的关系矩阵(超矩阵)，考虑元素之间的多重影响，通过对超矩阵求极限运算，得到网络层各元素相对于目标的极限超矩阵(即综合权重)。
AHP与ANP面对的都是非结构化和半结构化的决策问题，而这种类型的决策又是决策问题的绝大部分。ANP是由AHP发展而来，可以说AHP是ANP的一个特例。
使用AHP有三个基本假定：
（1）不存在层次间的反馈支配作用；
（2）层次内部元素之间不存在相互影响或支配作用；
35
（3）只有相邻层次才有支配关系，跨层元素只有间接支配关系，没有直接支配关系。
使用ANP时完全突破了这三个假设，它可以适用于既存在递阶层次结构、又存在内部循环相互支配的层次结构、而且层次结构内部还存在依赖性和反馈性的情况。ANP将系统元素划分为两大部分，第一部分称为控制元素层，包括问题目标及决策准则，所有的决策准则均被认为是彼此独立的，且只受目标元素的支配。控制元素层中可以没有决策准则，但至少有一个目标。控制层次就是一个典型AHP递阶层次结构，所有的准则彼此独立，下一个准则只受上一个准则支配，每个准则的权重均可用传统的AHP法获得。第二部分为网络层，它是由所有受控制层支配的元素组成的，元素之间相互依存、相互支配，元素和层次间内部不独立，递阶层次结构中的每个准则支配的不是一个简单的内部独立的元素，而是一个相互依存、反馈的网络结构。控制层和网络层组成了典型ANP层次结构，如图4-1。
目标控制层准则P1准则PnA元素集C1B元素集C2表示A影响B或B受制于A元素集C3网络层元素集C4C表示C元素集内元素是相互依存或非独立的元素集C5
图4-1 ANP的典型递阶层次结构
图4-2表示了图4-1中ANP网络层的几种典型结构。
36
如图4-2(1)所示的递阶层次结构是，仅有外部递阶层次支配关系而不存在层次内部依存关系的一种最简单的系统结构形式。这种结构形式决定了它的功能依存性可以表现为单一准则下的排序和递阶层次中的合成排序。
1111122222NN-1N-1N-1N-1NNNN（1）内部独立的（2）内部依存的（3）带有反馈的递阶层次结构递阶层次结构递阶层次结构（4）内部独立的循环层次结构（5）内部依存的循环层次结构
图4-2 ANP网络图的几种典型结构
如果在递阶层次结构中考虑内部依存性。这种系统结构为具有内部依存性的递阶层次结构，如图4-2(2)所示。此时同一层次内的准则或方案存在着相互制约、相互影响的关系。这使得单一准则下的排序不仅要考虑被其支配的方案，还应考虑本层次准则(或方案)之间的关系，因而原有的单准则下的排序必须修正，合成排序也应作相应改变。在实际决策问题中，有时最低层不仅受较高层支配，同时反过来它又对最高层起支配作用。此时层次之间的支配关系形成循环回路，这种结构称为循环层次结构如图4-2(4)和(5)所示。
如果一个复杂系统可分解为若干层次或元素组，某些层次之间既可能存在递阶支配关系，又可能存在循环支配关系，同时也允许存在层次内部的依存性，这
37
类结构就是反馈层次结构，如图4-2(3)所示。显然递阶层次结构和循环层次结构都可视为反馈层次结构的特殊情形，因此反馈系统的排序对于复杂系统的决策具有重要意义。某些反馈层次结构在更高的聚合水平上可归结为递阶层次结构，例如图4-2(3)上的反馈层次结构。
更复杂的反馈系统各元素(或元素组)之间互相支配、互相影响，此时已很难划分层次，或者说每个层次只有一个元素，也很难划分层次的高低，此时系统结构实际上是一个网络结构。这种结构在引入最高目标后往往能转化为内部依存的递阶层次结构。
ANP结构的超矩阵如下所示： （1）优势度
采用ANP方法在某一准则下，对于受支配元素进行两两比较时，由于被比较元素之间可能不是独立的，而是相互依存的，这种比较可以有两种方式：
1）直接优势度：给定一个准则，直接比较两元素对于该准则的重要程度； 2）间接优势度：给定一个准则，在准则下比较两元素对于第三个元素（称为次准则）的影响程度。
第一种方式比较适用于两元素间互相独立的情形，第二种比较适用于两元素间互相依存的情况。优势度量化可按表4-1所示1～9标度表进行。
（2）超矩阵W的建立
设ANP的控制层中有元素p1,p2,...,pm，控制层下，网络层有元素组C1,C2,...,Cn，其中Ci中有元素ei1,ei2,...,einii?1,2,...,N，ps(s?1,2,...,m)为准则，Ce(l?1,2,...,nj)e以j中元素jl为次准则，将元素组Ci中元素按其对jl的影响力大小进行间接优势度比较，即在准则ps下构造判断矩阵：
并有特征根法得权重向量
38
e,e,...,einiCje,e,...,ejni的列向量就是Ci中元素i1i2对中元素j1j2的影
CW?0响程度排序向量。若j中元素不受Ci中元素影响，则ij。对于i?1,2,...,N；
这里的
wijj?1,2,...,N重复上述步骤，最终可获得准则ps下的超矩阵W。这样的超矩阵有m
个，它们都是非负矩阵。
（3）超矩阵W的结构特点 超矩阵W构造有以下几个特点：
1）超矩阵每个子块中的每一列，都是通过两两比较的判断矩阵计算得到的同一层次中元素的排序向量。
2）无论元素是否可聚合成层次，或元素组，超矩阵W都可以直接通过元素之间的两两比较导出，此时矩阵中的每一列就是以某个元素为准则的排序权重。但聚合成层次或元素组进行比较的方式具有有效性、稳定性和系统性等优点，且更符合人们的思维特点，因而前述的分组进行比较的方式得到经常使用。
3)超矩阵中(除零子块外)每一个子块均由归一化的列向量组成，但超矩阵的任意一列其和未必归一化(除非该列中仅有一个非零子块)。为了利用超矩阵对复杂系统进行排序，需要将超矩阵的每一列归一化，这可以用加权矩阵实现。
4)超矩阵中主对角线上的子块涉及内部依存性的排序。相应的判断矩阵中的
39