哈尔滨工程大学经济管理学院宫诚举团队在《运筹与管理》发表论文《面向群体评价的序关系分析法》，该研究将序关系分析(G1)法拓展至群体评价场景，提出迭代算法、集合有序率等创新方法求解评价指标权重，为复杂评价问题提供了更精准高效的解决方案，提升了群体评价结果的科学性与满意度。
在各类综合评价场景中，指标权重的确定直接影响评价结果的可靠性。序关系分析(G1)法因简单易操作、无需构建判断矩阵等优势被广泛应用，但传统G1法多用于单个专家评价，面对需要多专家参与的群体评价时，存在集结方法受限、未形成专属适配体系等问题。
为破解这一难题，团队遵循“少数服从多数”原则，构建了面向群体评价的序关系分析新方法。首先，设计迭代算法，通过统计多专家给出的指标序关系信息，逐步确定群体层面的指标重要性排序，流程简洁且可复制性强;其次，创新提出“集合有序率”概念及测度方法，通过衡量专家个体与群体序关系的相似度分配专家权重，更充分利用偏好信息，适配G1法的应用逻辑;随后，从个体和群体两个角度求解指标权重，个体角度通过集结专家偏好信息计算，群体角度则先确定相邻指标重要程度比值，缺失比值通过非线性规划模型求解;最后，提供两种综合权重计算方式，既可依据评价需求者的偏好系数整合双角度权重，也能通过构建模型最大化被评价对象差异，确保评价结果贴合实际需求。
为验证方法有效性，团队通过5名专家对5个指标的评价算例进行测试，计算得出的指标权重与现有文献方法结果高度吻合，且无需构建判断矩阵、集结方式更灵活。对比分析显示，该方法考虑信息更全面，能根据评价需求者偏好调整权重，适配不同场景，有效解决了群体评价中指标权重确定的核心难题。
该研究由国家自然科学基金等项目支持，其成果拓展了G1法的应用范围，为复杂系统性评价问题提供了新工具。未来，团队将进一步把该方法拓展至模糊数、区间数等不确定性评价场景，持续完善群体评价理论与方法体系。
