多屬性決策問題分析-免費(fèi)閱讀
【正文】 ii, 各方案間不存在級別高于關(guān)系的最小優(yōu)勢子集稱為核2. 若足夠小，決策人直接進(jìn)行價(jià)值判斷，擇一實(shí)施。 ELECTRE 法國人：一、級別高于關(guān)系(Outranking Relation)給定決策人的偏好次序和屬性矩陣{}當(dāng)人們有理由相信x’優(yōu)于x”，稱x’的級別高于x”, 記作x’Sx”Notes: i, 決策人愿望承擔(dān)x’x”所產(chǎn)生的風(fēng)險(xiǎn)。只要認(rèn)識(shí)到加權(quán)和法本身存在的種種局限性并采取相應(yīng)的補(bǔ)救措施，則加權(quán)和法仍不失為一種簡明而有效的多目標(biāo)評價(jià)方法。 加權(quán)和法常常被人們不適當(dāng)?shù)厥褂茫@是因?yàn)樵S多人并不清楚：使用加權(quán)和法意味著承認(rèn)如下假設(shè)：①指標(biāo)體系為樹狀結(jié)構(gòu)，即每個(gè)下級指標(biāo)只與一個(gè)上級指標(biāo)相關(guān)聯(lián)；②每個(gè)屬性的邊際價(jià)值是線性的(優(yōu)劣與屬性值大小成比例)，每兩個(gè)屬性都是相互價(jià)值獨(dú)立的；③屬性間的完全可補(bǔ)償性：一個(gè)方案的某屬性無論多差都可用其他屬性來補(bǔ)償。往往作為上法的補(bǔ)充.這些方法用于初始方案過的預(yù)選,不能用于方案排序 ordering —次序，優(yōu)先序也不能用于方案分等 Ranking —量化優(yōu)先程度.167?！ 〉谌菤w一化。有些指標(biāo)的屬性值越大越好，如科研成果數(shù)、科研經(jīng)費(fèi)等是效益型；有些指標(biāo)的值越小越好，稱作成本型。另有一些指標(biāo)的屬性值既非效益型又非成本型。原屬性值表中不同指標(biāo)的屬性值的數(shù)值大小差別很大，如總經(jīng)費(fèi)即使以萬元為單位，其數(shù)量級往往在千()、萬()間，而生均在學(xué)期間發(fā)表的論文、專著的數(shù)量、生均獲獎(jiǎng)成果的數(shù)量級在個(gè)位()或小數(shù)()之間，為了直觀，更為了便于采用各種多目標(biāo)評估方法進(jìn)行比較，需要把屬性值表中的數(shù)值歸一化，即把表中數(shù)均變換到［0，1］區(qū)間上。 加權(quán)和法一、引言多目標(biāo)決策的特點(diǎn): 目標(biāo)間的矛盾性, 各屬性值不可公度.這二難點(diǎn)不可公度雖可通過屬性矩陣的規(guī)范化得到部分解決, 但前述規(guī)范化過程不能反映目標(biāo)的重要性權(quán)：目標(biāo)重要性的度量, 即衡量目標(biāo)重要性的手段.權(quán)的三重含義: ① 決策人對目標(biāo)的重視程度。事實(shí)上，這些假設(shè)往往都不成立。三、確定權(quán)的常用方法1. 最小平方誤差法 見教材第174頁. 與主觀慨率中的方法類似.2. 本征向量法 / / … / / / … / Aw = … … … … … … … … / / … / = nw即 (A nI) w = 0 如A的估計(jì)不夠準(zhǔn)確, 則A中元素的小的攝動(dòng)意味本征值的攝動(dòng),從而 Aw = w 由此可求得w .四、層次分析法AHP1. 。 ii,理由：同基于相對位置的方案排隊(duì)法：()給定方案集X , x’, x”∈X ,當(dāng)且僅當(dāng)X中存在,…,。若中包含較多方案，調(diào)整α重復(fù)上述步驟.五、ELECTREⅡ1. 定義高、中、低三閥值 ＜＜＜＜1和 ＜＜2. 定義三個(gè)不和諧集 = {(,) | ≥ i, k=1,…,m i≠k } = {(,)| ≥ ≥ i, k=1,…,m i≠k } = {(,) | ＜ i, k=1,…,m i≠k }2. 定義強(qiáng)級別高于和弱級別高于 ≥1且
電大資料相關(guān)推薦
鄂ICP備17016276號-1