• 研究背景

物联网 (IoT) 系统凭借提升效率、优化决策、创造商业新机遇的潜力，在各领域实现快速发展，2022年全球IoT市场规模达3473.134亿美元，预计2029年将增至10299.6266亿美元，年复合增长率达16.8%。但IoT系统选型涉及设备、传感器、平台等多类对象，需兼顾成本、功耗、安全性等多维度冲突性准则，且存在系统复杂、异构性强、动态性高等问题，传统决策方式难以满足需求。

为此，来自罗马尼亚的一个科研团队提出一种混合群组多准则决策方法，融合最佳最差法 (BWM) 权重计算法与简单加权和法 (SAW)、理想解相似性排序法 (TOPSIS)、折衷解排序法 (VIKOR)、复杂比例评估法 (COPRAS) 四种经典多准则决策法，并设计原创融合算法整合四种方法结果，形成单一最优决策方案。该方法通过IoT平台选型案例验证，与单一方法相比决策结果更稳健，为复杂IoT场景的选型决策提供了结构化、系统化的解决方案。

• 研究过程和内容

(一) IoT选型问题与多准则决策方法适配性分析

IoT选型问题区别于一般决策问题，具有复杂性、异构性、可扩展性、安全性要求高等特征，需同时考量定量 (成本、功耗) 与定性 (易用性、行业适配性) 准则，且准则间常存在冲突 (如低成本与高性能的矛盾)。

现有研究中，AHP、TOPSIS、SAW是IoT选型中最常用的多准则方法，且多以混合形式应用，可解决的选型问题涵盖传感器、设备、平台、服务提供商等，但单一方法存在决策偏倚、对权重敏感、未考虑准则间关联性等局限。因此，研究筛选出SAW、TOPSIS、VIKOR、COPRAS四种适配性强的方法作为核心，其均支持有限备选方案的多准则排序，输入数据类型统一，且各有优势可互补。

(二) 四种核心多准则决策方法的对比分析

从方法特性、优缺点、归一化方式、聚合逻辑等维度，对四种方法进行全面对比，明确各方法的适用场景与局限性，为后续混合方法设计奠定基础，核心对比如下：

SAW (1968)：最简便的加权和法，通过准则权重与性能评分的加权求和排序，对大数据集适配性好，但对权重敏感，未考虑准则间关联性，无法处理负值；

TOPSIS (1981)：通过计算备选方案与正/负理想解的欧氏距离排序，支持定量与定性数据，可处理负值，但存在秩反转问题，极端值对结果影响大；

VIKOR (2002)：通过最大化群体效用、最小化个体遗憾得到折衷解，适合准则冲突的决策场景，但其复杂度随准则/备选方案数量增加而提升，需非等初始权重；

COPRAS (1996)：考虑准则间的相互关联性，无需将最小化准则转换为最大化准则，适合复杂多准则场景，但对准则选择敏感，数据变化时稳定性较差。

同时，四种方法在归一化方式、聚合方法、实现复杂度上存在显著差异 (SAW为max归一化，TOPSIS为向量归一化，VIKOR为max-min线性归一化，COPRAS为和归一化)，这也是其能形成互补的关键。

(三) 混合群组多准则决策方法的设计

研究提出的混合方法以BWM为准则权重计算方法，融合SAW、TOPSIS、VIKOR、COPRAS四种方法，并设计原创融合算法整合结果，整体分为群组BWM权重计算、多准则方法并行求解、结果融合排序三个核心阶段，共13个步骤，核心设计如下：

群组BWM权重计算：选取多领域专家组成决策组，通过专家两两比较确定最优/最劣准则，构建偏好向量，通过线性规划求解各专家的准则权重，再取平均值得到综合准则权重。相较于AHP，BWM仅需2n-3次比较 (n为准则数)，大幅降低专家评估复杂度，且可验证比较一致性；

多准则方法并行求解：决策组对各备选方案按准则进行评分，构建评估矩阵并取专家平均值得到综合评估矩阵；分别采用四种方法的归一化、加权、聚合逻辑，对备选方案进行独立排序，得到四个单一决策结果；

原创结果融合算法：将四种方法的排序结果进行归一化处理 (消除量纲差异)，通过求和得到综合评分，最终按综合评分降序得到备选方案的最终排序，实现“单一方法优势互补、决策结果稳健化”。

(四) IoT平台选型的案例验证

为验证混合方法的有效性，以IoT平台选型为实际场景开展案例研究，具体实施步骤如下：

决策组与评价体系构建：选取3名IoT领域跨学科专家 (IT、安全、运营、商业) 组成决策组，结合文献与实际需求，确定12项评价准则 (含8项平台性能准则：可扩展性、安全性等；4项厂商相关准则：厂商支持、成本等)，其中成本、复杂度、定制化限制为最小化准则，其余为最大化准则；

准则权重计算：通过群组BWM得到12项准则的综合权重，**成本 (0.2603)**为最重要准则，其次为安全性 (0.1347)、数据处理与分析 (0.1130)；

备选方案与评估矩阵构建：选取市场上14款主流IoT平台作为备选方案，专家采用1-10分制对各平台按准则评分，取平均值得到综合评估矩阵；

单一方法与混合方法求解：分别采用SAW、TOPSIS、VIKOR、COPRAS对14款平台排序，再通过原创融合算法得到混合方法的最终排序；

结果相关性分析：采用斯皮尔曼相关分析验证混合方法与单一方法结果的关联性，结果显示混合方法与COPRAS相关性最高 (0.991209)，与VIKOR相关性最低 (0.960440)，且所有相关性系数均高于0.94，证明混合方法结果与单一方法具有高度一致性，同时弥补了单一方法的偏倚问题。

• 研究结果

(1) 多准则决策方法是解决复杂IoT选型问题的有效工具，其结构化的评估框架可兼顾多维度冲突准则，有效处理IoT系统的复杂性、异构性，且能融入决策专家的偏好，提升决策的科学性与包容性；

(2) SAW、TOPSIS、VIKOR、COPRAS四种方法在IoT选型中各有优劣且高度互补，单一方法易受权重、数据分布影响产生决策偏倚，而融合四种方法的混合方案可显著提升决策结果的稳健性；

(3) 群组BWM是高效的准则权重计算方法，相较于传统AHP，其所需的两两比较次数更少，且可验证比较一致性，更适合多专家参与的群组决策场景；

(4) IoT平台选型案例验证了混合群组多准则决策方法的有效性，该方法与单一方法结果的斯皮尔曼相关系数均高于0.94，且能整合各单一方法的优势，决策结果更具参考价值；同时，案例中所有方法均判定P1为最劣平台，P12 (混合方法) /P11 (VIKOR/TOPSIS) 为最优平台，证明方法具有良好的一致性；

(5) 混合方法的实施效果受数据质量、专家经验、准则选取等因素影响，其实施成本主要来源于专家评估、数据获取与软件工具使用，且成本随决策问题的复杂度提升而增加。

• 研究意义

(一) 理论层面

系统梳理了IoT选型问题的特征与现有多准则决策方法的应用现状，为后续IoT领域的决策研究提供了文献基础与方法参考；

提出了融合BWM与SAW/TOPSIS/VIKOR/COPRAS的混合群组多准则决策方法，并设计了原创的结果融合算法，丰富了多准则决策方法在IoT领域的混合应用形式，为解决复杂群组决策问题提供了新的理论框架；

从方法特性、优缺点、归一化方式、应用场景等维度，完成了四种核心多准则方法的全面对比，为不同IoT选型场景的方法选择提供了明确依据。

(二) 产业层面

为企业、机构的IoT选型决策提供了结构化、可落地的操作流程，涵盖准则体系构建、权重计算、方案评估、结果整合全流程，可直接应用于IoT传感器、设备、平台、服务提供商等各类选型场景，降低决策的主观性与盲目性；

混合方法的稳健性可帮助企业选择更贴合自身需求的IoT解决方案，优化资源配置，提升IoT系统的实施效果，降低因选型不当导致的成本损耗与性能风险；

针对IoT平台选型设计的12项评价准则，结合了平台性能与厂商能力，可为企业构建IoT平台评价体系提供直接参考，适配工业物联网、智慧城市、智慧农业等多领域的平台选型需求。

(三) 行业发展层面

该方法的推广应用可推动IoT领域决策的标准化、科学化，减少因主观决策导致的资源浪费，助力IoT产业的高质量发展；同时，结构化的选型框架可降低IoT系统的实施门槛，推动IoT技术在各行业的深度融合与应用，充分发挥IoT系统提升效率、创造商业价值的核心潜力。

原文链接：https://www.mdpi.com/2079-9292/13/4/789

• Electronics 期刊介绍

主编：Flavio Canavero, Politecnico di Torino, Italy

期刊涵盖的研究领域包括但不限于：电子材料、微电子学、光电子学、工业电子、电力电子、生物电子、微波和无线通信、计算机科学与工程、系统与控制工程、电路和信号处理、半导体器件、人工智能、电动和自动驾驶汽车、量子电子等。期刊致力于快速发表与广泛电子领域相关的最新技术突破以及前沿发展。

2024 Impact Factor：2.6

2024 CiteScore：6.1

Time to First Decision：16.4 Days

Acceptance to Publication：2.6 Days

期刊主页：https://www.mdpi.com/journal/electronics