shapley值的应用条件

基于Shapley值权重分配的组合预测模型 所谓组合预测，就是将若干种单一预测方法赋予不同的权值，从而形成综合的预测模型。在组合预测中，权重选取十分重要，合理的权重会大大提高预测精度。常见的权重选取方法有：算术平均法、标准差法、方差倒数法、均方倒数法、离异系数法、AHP法、德尔菲法、最优加权法等。AHP法与德尔菲法均为主观赋权，不可避免地会受到人为因素的影响；最优加权法预测的精度最高，但是计算复杂，往往需要求解线性规划或非线性规划，且求得的权重可能为负数，往往只能得到次优解，在实际应用中有较大的局限。在对物流需求进行预测时，为有效降低预测误差常会进行组合预测，而这时为各个单一的预测方法分配的权重应反映这种单一的预测方法对总预测结果贡献的大小。误差越大，预测效果越差，则在组合中的权重越小；预测误差越小，预测效果越好，则它在组合预测中的权重应该越大。Shapley值法是用于解决多人合作对策问题的一种数学方法。它主要集中应用在合作收益在各合作方之间的分配，Shapley值实现的是每个合作成员对该合作联盟的贡献大小，突出反映了各个成员在合作中的重要性。Shapley值法的最大优点在于其原理和结果易于被各个合作方视为公平，结果易于被各方接受 首先利用等间距数据序列，建立多个等间距灰色预测模型模型，再将这些单个灰色预测模型进行组合，可以建立等间距组合灰色预测模型。组合权系数的确定可利用合作对策的shapley值方法。最后通过一个具体的实际例子对组合预测模型的建立方法加以说明，实例对原始数据序列分别选取不同的序列构造了三个单个预测模型,根据三种预测模型得到了组合预测模型，实例计算结果表明组合预测模型比单个GM（1，1）模型预测方法具有更高的拟合和预测精度.”---------------------------------------------------------------------青岛理工大学

1. 在博弈论中，shapley值的应用条件是需要保证合作中每个参与者的收益是可加的、稳定的，即不存在任何一个个人可以因退出合作得到更多利益的情况，否则shapley值就失去了意义。

2. 在具体应用中，一般需要确认博弈参与者数量和权益分配规则，还需要假定每个参与者的贡献是可以量化的、可比较的。

3. Shapley值作为一种分配机制，主要适用于涉及多个参与者、需要公平分配结构资本等资源的场景，例如团队决策、资源共享等。

1. Shapley值的应用条件是多方参与博弈，每个参与者对博弈的贡献具有可加性，且博弈的收益分配必须是合理、公正的。

2. Shapley值是一种合理的分配方式，它基于每个参与者对博弈的贡献来确定每个参与者的收益。该方法被广泛应用于社会和经济领域的收益分配问题，如合作游戏、投票问题、资源分配和成本分摊等场景。

3. Shapley值的应用不仅可以帮助我们更公正地分配收益，还能够促进多方之间的合作和共赢，提高整个博弈的效益。