多屬性決策問題概述-wenkub
2023-04-09 00:20:47 本頁面
【正文】 ②各目標(biāo)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(fù)理想點)的歐氏距離的場合?！ 〈送猓€可在數(shù)據(jù)預(yù)處理時用非線性變換或其他辦法來解決或部分解決目標(biāo)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(dǎo)教師指導(dǎo)4至6名研究生既可保證教師滿工作量， 也能使導(dǎo)師有充分的科研時間和對研究生的指導(dǎo)時間，生師比值過高，學(xué)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(dāng)目標(biāo)函數(shù)為 時, = ()各方的屬性值可列成表(或稱為決策矩陣):……………………………………………………例: 學(xué)校擴(kuò)建學(xué)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(yù)處理 數(shù)據(jù)的預(yù)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(jìn)行預(yù)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(biāo)評估方法進(jìn)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(shè)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(yù)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(dāng) ≥ j=1且j=2且…j=n 均滿足時,方案 被接受主要缺點：目標(biāo)間不能補償，例研究生錄取時教委規(guī)定的單科分?jǐn)?shù)線.(Disjunctive或門)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1