多目標(biāo)決策技術(shù)-預(yù)覽頁
【正文】 CI= CR=， 滿意 。 于是第二層的權(quán)重矩陣 : ????????????????????????WWWWW4321)2( 從而各方案關(guān)于總目標(biāo)的權(quán)重： W總 =W（ 1） W（ 2） =（ ， ， ） 由于方案三的權(quán)數(shù)最大，所以優(yōu)先投資方案應(yīng)為 方案三 。 利用模糊數(shù)學(xué)方法進(jìn)行決策的成功案例不斷見諸各種文獻(xiàn) 。 比如平行四邊形的定義是：對(duì)邊平行且相等 （ 內(nèi)涵 ） 的四邊形 （ 外延 ） 。 扎德創(chuàng)立的模糊數(shù)學(xué)用 “ 隸屬度 ” 和 “ 模糊集合 ” 成功地處理了這類問題的描述 ， 使得人們對(duì)現(xiàn)實(shí)世界的認(rèn)識(shí)又躍上了一個(gè)新的臺(tái)階 。這是普通集合的共同特征。 但是一個(gè)人長(zhǎng)得不美也不丑 ， 或者是七分美三分丑 ， 或者是三分美七分丑 ， 又該如何確定他的歸屬呢 ？ 模糊數(shù)學(xué)的處理辦法是將普通集合的特征函數(shù)的取值范圍由 0和 1兩個(gè)點(diǎn)擴(kuò)展到 [0， 1]整個(gè)區(qū)間 ， 并改稱為 隸屬函數(shù) 。 該集合含有無明確歸屬的元素 ， 即其隸屬度不是 “ 非 0即1” 。 分?jǐn)?shù)線 “ —” 也并非相除 ， 而是表示元素 xi與其隸屬度 μA(xi)的對(duì)應(yīng)關(guān)系 。 ㈡ 隸屬函數(shù)的確定 利用模糊集合來處理解決實(shí)際問題 ， 首先要找出論域上的隸屬函數(shù) 。 例如 ， 討論人的高矮 ， 先確定模糊集合 A是 “高個(gè)子 ”， 然后考慮某人 a屬于高個(gè)子模糊集合 A的可能性 ， 為得到量化的數(shù)據(jù) ， 可以邀請(qǐng)一些人評(píng)判 a是否為高個(gè)子 ， 由于人們對(duì)高個(gè)子的邊界不一樣 ，有人會(huì)認(rèn)為是 ， 有人會(huì)認(rèn)為不是 ， 只要參加評(píng)判的總?cè)藬?shù) n（ 或試驗(yàn)次數(shù) ） 充分大 ， 則可得 μA(a)≈ nA 的次數(shù)?a ⑶ 隸屬函數(shù)法 ：即給隸屬函數(shù)構(gòu)造適當(dāng)?shù)臄?shù)學(xué)表達(dá)式，其定義域?yàn)檎撚?X， 值域?yàn)?[0， 1]。 若經(jīng)認(rèn)真品評(píng)，給定 g(x1,x2)=， g(x2,x1)=， g(x1,x3)=， g(x3,x1)=， g(x2,x3)=， g(x3,x2)=， 則兩兩對(duì)比后可得美麗程度矩陣 : x1 x2 x3 321xxxG ?????????在沒有偏好的情況下，可賦予相同權(quán)數(shù)： ω(x1)=ω(x2)=ω(x3)=1/3， 于是，牡丹對(duì)“美”的隸屬度 μA(x1)=ω(x1)g(x1,x1)+ω(x2)g(x1,x2) +ω(x3)g(x1,x3)=1/3 1+1/3 +1/3 = 菊花對(duì)“美”的隸屬度 μA(x2)=ω(x1)g(x2,x1)+ω(x2)g(x2,x2) +ω(x3)g(x2,x3)=1/3 +1/3 1+1/3 = 蘭花對(duì)“美”的隸屬度 μA(x3)=ω(x1)g(x3,x1)+ω(x2)g(x3,x2) +ω(x3)g(x3,x3)=1/3 +1/3 +1/3 1= 由此可得論域 X上的“美”的模糊集合 321 xxx ??? 若評(píng)價(jià)者對(duì)牡丹、菊花、蘭花偏好不一，對(duì)菊花情有獨(dú)鐘，給出的權(quán)數(shù)是 ω(x1)=， ω(x2)=， ω(x3)=， 那么， 牡丹對(duì)“美”的隸屬度 μA(x1)= 1+ + = 菊花對(duì)“美”的隸屬度 μA(x2)= + 1+ = 蘭花對(duì)“美”的隸屬度 μA(x3) = + + 1= 于是論域 X上的“美”的模糊集合 321 xxx ??? ㈢ 模糊矩陣的合成運(yùn)算 以同 維的模糊向量為行組成的矩陣 ， 稱為模糊矩陣 。 例 設(shè)模糊矩陣 ， ， 求 Q?R ?????????Q ????????R 解 ?????????????????????????????????????????????????????????????????)()()()()()()()()()()()()()()()()()(?? RQ 二、模糊決策法的步驟及應(yīng)用 模糊決策法分為兩大步，第一大步是對(duì)每個(gè)方案單獨(dú)做模糊綜合評(píng)判，第二大步是利用第一大步模糊綜合評(píng)判的結(jié)果，用適當(dāng)?shù)姆椒ń?jīng)過比選，確定優(yōu)先方案。 在多目標(biāo)模糊決策問題中 ， U即為目標(biāo)集合 。 設(shè)評(píng)判對(duì)象按因素集 U中第 i個(gè)因素 ui進(jìn)行評(píng)判，對(duì)評(píng)語集 V中第 j個(gè)評(píng)語 vj的隸屬度為 rij， 則按 ui評(píng)判的結(jié)果，可用下面的模糊集合表示： mivrvrvrniniii ,2,1,R2211 ?? ?????Ri稱為單因素評(píng)判集 ， 顯然它應(yīng)是評(píng)語集 V上的一個(gè)模糊子集 。 但考慮各 因素 （ 評(píng)價(jià)指標(biāo) ） 對(duì)綜合評(píng)判的重要程度不同 ， 我們給各因素以不同的權(quán)數(shù) ω i(i=1,2,… ， m)， 其中 ω i表示第 i個(gè)因素 ui在綜合評(píng)判中的重要程度 。 ??mi ijr1 第二大步：用適當(dāng)方法確定優(yōu)先方案。,V ⒉隸屬度對(duì)比系數(shù)法 假設(shè)對(duì)某一方案得到如下的 B： 等級(jí)評(píng)語 優(yōu) 良 可 差 劣 隸屬度 B 用結(jié)構(gòu)相對(duì)數(shù)計(jì)算隸屬度對(duì)比系數(shù) （ 這里是優(yōu)良度 ） ： 結(jié)構(gòu)優(yōu)良度 1＝＝＝ 良優(yōu) ???? ????jjbbb也可用比例相對(duì)數(shù)計(jì)算隸屬度對(duì)比系數(shù)： 比例優(yōu)良度 ＝＝＝劣差良優(yōu)????bbbb 這兩個(gè)優(yōu)良度在實(shí)際應(yīng)用時(shí)可任選其一，比較每個(gè)方案的優(yōu)良度，以其大者為優(yōu)先方案。工廠決策層對(duì)產(chǎn)品進(jìn)行功能分析，認(rèn)為產(chǎn)品應(yīng)具有使用簡(jiǎn)便，性能穩(wěn)定，造型美觀三大特點(diǎn)，即評(píng)價(jià)的因素（指標(biāo)）集為： U={u1(使用簡(jiǎn)便 )， u2(性能穩(wěn)定 )， u3(造型美觀 )} 對(duì)上述三個(gè)因素的評(píng)語集為： V={v1(很好 )， v2(好 )， v3(一般 )， v4(差 )} 對(duì)于 D1， D2兩方案試制出的樣機(jī) ， 由銷售部門熟悉情況的人員及部分顧客代表進(jìn)行評(píng)價(jià) 。 因此 ， 該廠決定按 D1方案進(jìn)行生產(chǎn) ， 即生產(chǎn) VCD影碟機(jī) 。 :14:2817:14Mar239Mar23 1故人江海別，幾度隔山川。 。 , March 9, 2023 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 :14:2817:14:28March 9, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 2023年 3月 9日星期四 5時(shí) 14分 28秒 17:14:289 March 2023 1空山新雨后，天氣晚來秋。 :14:2817:14Mar239Mar23 1越是無能的人，越喜歡挑剔別人的錯(cuò)兒。 2023年 3月 9日星期四 下午 5時(shí) 14分 28秒 17:14: 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1