在现代决策分析领域中，OWA算子（Ordered Weighted Average Operator，有序加权平均算子）是一种多属性综合评价方法。该算子首先对一个待评价对象的各个属性值进行排序，然后按照一定的顺序（通常是降序或升序）对排序后的数值进行加权平均，从而得到最终的评价结果。OWA算子的灵活性在于它可以通过不同的权重设置方法来达到不同的评价效果，比如激励型评价、惩罚型评价和综合性评价等。
在应用OWA算子进行评价时，一个核心问题是如何确定各个属性对应的权重。权重的选择会直接影响到评价的结果和应用的实际效用。针对这一问题，学者们提出了多种赋权方法，其中包括了利用权重熵值最大化来确定权重的策略，以及基于最小方差模型的赋权方法等。
文章提到的minimaxdisparity模型是一种特定的赋权模型，其目标是求解使得各属性值加权和与其最大值之间的差距最小化的权重。该模型在解决实际问题时，旨在降低风险和不确定性，寻求更为稳健和均衡的权重分配方案。
在2014年的研究中，杨昔阳、肖晓羽和李志伟三位学者针对minimaxdisparity模型提出了利用单纯形算法获得解析解的方法，并证明了该模型解的唯一性。单纯形算法是一种在多维空间中寻找最优解的迭代算法，广泛应用于线性规划问题中。通过该算法，研究人员能够通过较为简洁的数学过程给出minimaxdisparity模型的解析解，这是其理论研究和实际应用中的一个关键贡献。
文章指出，该研究的意义在于解决了一个在多属性决策分析领域中存在的关键问题，即在给定的评价框架下，是否存在唯一确定的权重向量。传统上，对于类似的问题，研究者们通常依赖于一些未经严格证明的结论来进行推断，这可能会导致模型解的不确定性和潜在的误差。通过上述研究，作者不仅提供了解决方案，还为minimaxdisparity模型的理论基础增添了新的内容。
文章还提到，minimaxdisparity模型的解具有唯一性，意味着在一定条件下，无论采用何种算法或计算方法，都能得到相同的权重结果。这一点对于保证评价结果的一致性和可靠性至关重要，使得该模型在工程设计、经济管理等领域的应用更为可行和可信。
此外，该研究还为后续的研究者提供了新的思路和方法，鼓励大家在OWA算子的赋权方法和minimaxdisparity模型方面进行更加深入的探讨。随着相关算法和技术的不断发展，这一领域有望涌现出更多创新的理论和应用，以满足日益增长的复杂决策问题的需求。
