（2）基于决策者偏好的动态组合赋权法：根据初始权重的确定，融合多种主观赋权法和客观赋权发的赋权结果，用属性坐标分析比较的方法进行调整，总结提出基于决策者心理偏好的动态组合赋权法。该方法能对评价指标给出合理的权重，同时又充分体现决策者的心理偏好，较好的克服单一赋权法的不足。
（3）基于灰色关联度的组合赋权法：以主观偏好和客观偏好与决策值之间的灰色关联度最大为原则，通过一个最优化数学模型求出组合赋权系数，避免了主观性，增加了合理性。
（4）基于决策者偏好及赋权法一致性的组合赋权法：在同时考虑决策者对赋权方法的偏好及赋权方法的一致性程度的基础上，将这两个因素通过凸组合的方式反映在组合权重计算公式的加权系数中，其中反映决策者对某种赋权方法偏好度的加权系数可用AHP法来确定，反映一种赋权方法与其它赋权方法一致性程度的加权系数用Spearman等级相关系数来计算。
（5）基于最大熵原理的线性组合赋权法：在被评价对象的指标值与理想值之间的广义距离和充分小的情况下，追求不同赋权方法权重组合系数的信息分配最合理。随着广义距离和不断变小，得到一组不同方法赋权后的组合权重，进而得到了评价结果。
（6）基于偏差平方和最小组合赋权法：对每个决策属性，将各个决策者给出的主观权重和客观权重作为样本点，采用规划的方法来集成主观权重和客观权重，使决策结果更加可靠、可信。最终权重计算表达式为：
 （7）基于区间估计组合赋权法：在评价矩阵已知的情况下，根据不同权重对方案间序关系的影响程度来确定它们的相容性，并且给出了在权重不相容情况下如何寻找并剔除疵点权重的方法。在此基础上，根据组合权重的特点，提出了一种基于区间估计求解组合权重的数学模型。

3  组合赋权两阶段优化算法
组合赋权的两阶段优化算法主要包含两部分内容：1、决策矩阵优化，对于已有的决策矩阵进行规范化处理，并且通过处理后的决策矩阵进行初步优化，筛选部分方案集；2、组合赋权优化，利用第一步得出的优化的决策矩阵，进行多次的组合赋权模型优化，目的就是为了缩小最终的权重与主客观赋权之间的差距，使决策更合理。
3.1  方案筛选阶段优化
设某决策问题的方案集为 ，属性集为 。 下， 属性值为 ，则决策矩阵可记为 。
为了消除不同量纲对决策结果的影响，参照2.2的内容对矩阵进行规范化处理。记规范化处理后的决策矩阵 。
从决策矩阵 ，可以得出 数量的大小直接决定着决策的复杂程度。当 数量较大的时候，很多方案的综合评价结果价值都较小，综合评价的复杂性增加，需要进行筛选。对于一个问题的方案很多，同时，对方案评估的标准液很多的时候，就需要才能够这些方案中首先筛选出部分方案进入最终的评估环节以减少这个评价过程的复杂程度。于是，本文拟采用统计学的方法进行方案筛选。
设： 下 的属性值 的排序记为 ， 可以看成是从总体 中的样本，总体方差未知。
如果方案的综合排序达不到决策者事先设定的水平 ，则排除该方案。由于总体方差未知，用样本方差代替。由于 越小越好，需采用单边假设并进行 检验，于是构建如下模型：
 
计算 在不同属性下排序的均值 ，令 为总体 的期望值，检验统计量为：
 
当 为真，表明该方案越好，则拒绝域为： 。
在本文中给出 水平的时候， 值越小，其精度越高，达到的效果越好；但是同时也要考虑到 值的大小与筛选方案的多少之间的关系，在此对于 值有一定的限制条件： 多方案条件下的组合赋权问题研究(4):http://www.youerw.com/guanli/lunwen_8105.html