多屬性決策問題分析-wenkub
2023-04-09 00:20:46 本頁面
【正文】 ②各目標屬性值的差異程度。常用于計算各方案與某種虛擬方案(如理想點或負理想點)的歐氏距離的場合。 此外，還可在數(shù)據(jù)預處理時用非線性變換或其他辦法來解決或部分解決目標間的不完全補償性。即使對同一屬性，采用不同的計量單位，表中的數(shù)值也就不同。例如研究生院的生師比，一個指導教師指導4至6名研究生既可保證教師滿工作量， 也能使導師有充分的科研時間和對研究生的指導時間，生師比值過高，學生的培養(yǎng)質(zhì)量難以保證；比值過低；教師的工作量不飽滿。 MA MC MO一、決策矩陣(屬性矩陣、屬性值表)方案集 X = {}方案 的屬性向量 = {,…,}當目標函數(shù)為 時, = ()各方的屬性值可列成表(或稱為決策矩陣):……………………………………………………例: 學校擴建學校序號費用(萬元)平均就讀距離km160250344436544630例： 研究生院試評估的部分原始數(shù)據(jù) ji 人均專著(本/人) 生師比科研經(jīng)費(萬元/年) 逾期畢業(yè)率(%)155000274000310126044300052284二、數(shù)據(jù)預處理 數(shù)據(jù)的預處理(又稱規(guī)范化)主要有如下三種作用。首先，屬性值有多種類型。這幾類屬性放在同一表中不便于直接從數(shù)值大小來判斷方案的優(yōu)劣，因此需要對屬性表中的數(shù)據(jù)進行預處理，使表中任一屬性下性能越優(yōu)的值在變換后的屬性表中的值越大。在用各種多目標評估方法進行評價時，需要排除量綱的選用對評估結(jié)果的影響，這就是非量綱化，亦即設法消去(而不是簡單刪去)量綱，僅用數(shù)值的大小來反映屬性值的優(yōu)劣。常用的數(shù)據(jù)預處理方法有下列幾種。表中最右一列是屬性2經(jīng)式()變換后的值再向量規(guī)范化的結(jié)果. ji () () () ()12345 (5) 原始數(shù)據(jù)的統(tǒng)計處理 = ( M) + M ()其中, = 是各方案屬性j的均值, m為方案數(shù), .式()可以有多種變形, 例如: = (’)其中 為屬性j的均方差,. ji 人均專著(本/人) 線性變換(M=)’式12345三、方案篩選(Dominance)淘汰劣解(邏輯乘 即與門Conjunctive)規(guī)定 j=1,2,…,n (切除值)當 ≥ j=1且j=2且…j=n 均滿足時,方案 被接受主要缺點：目標間不能補償，例研究生錄取時教委規(guī)定的單科分數(shù)線.(Disjunctive或門)
電大資料相關推薦
鄂ICP備17016276號-1