多目標決策技術(shù)培訓教程-文庫吧在線文庫
【正文】 ： ⑴ aii=1； ⑵a ij=1/aji； ⑶a ij=aika kj， 因而不是完全一致性判斷矩 陣 。所用的檢驗 指 標 是： CI稱為一致性指標。? 解 ： ⑴ 計 算 A中各行所有元素的幾何平均 值 ： ⑵ 歸一化： ⑶ 計 算最大特征根 : ⑷ 一致性 檢驗 ： CR＝ CI/CR=247。B1 21/91/3C1C3模糊決策方法正成為決策領(lǐng)域中一種很有實用價值的工具。 ㈠ 模糊集合與隸屬函數(shù) ? 在經(jīng)典數(shù)學里，集合是指具有某種特定屬性的事物的全體。記為 μA(x)， 0≤ μA(x)≤1。（ ）式也稱為 扎德記法 。比如對 “ 年輕 ” 這一模糊集合，可構(gòu)造隸屬函數(shù) 1， 當 x≤25 歲 μA(x)= (60x)/35，當 25歲＜ x≤60 歲 0， 當 x＞ 60歲? ⑷ 對比平均法 ：對論域 X中的元素，先按某種模糊特性兩兩比較，排定比較程度的分值，然后按一定規(guī)則轉(zhuǎn)換為總體排序的分值，該分值即可做為相應(yīng)元素的隸屬度。? 我 們 先介 紹 第一大步： 單 方案模糊 綜 合 評 判的基本方法和步驟 。也可簡單表示為模糊評判向量 Ri=(ri1,ri2,… ， rin), i=1,2,… ， m． 令稱 R為單因素模糊評判矩陣。 ? 對每一方案均按前述 ㈠～㈣ 步驟，求得各自的模糊綜合評判結(jié)果集 B， 然后按下述方法之一，挑選優(yōu)先方案。? 對 方案 D1的 “ 使用 簡 便 ” 這 一特點，有 30%的人 認為 很好， 60%的人 認為 好， 10%的人 認為 “ 一般 ” ，沒有人 認為 差。 16:16:1116:16:1116:16Thursday, March 11, 20231乍見翻疑夢，相悲各問年。 16:16:1116:16:1116:163/11/2023 4:16:11 PM1成功就是日復(fù)一日那一點點小小努力的積累。 4:16:11 下午 4:16 下午 16:16:11三月 21楊柳散和風，青山澹吾慮。 三月 214:16 下午 三月 2116:16March 11, 20231業(yè)余生活要有意義，不要越軌。 16:16:1116:16:1116:16Thursday, March 11, 20231知人者智，自知者明。 11 三月 20234:16:11 下午 16:16:11三月 211楚塞三湘接，荊門九派通。 三月 214:16 下午 三月 2116:16March 11, 20231行動出成果，工作出財富。 銷 售 狀 態(tài)產(chǎn) 品 評 價v1（ 很好） v2（ 好） v3（ 一般） v4（ 差）狀態(tài)概率 D1 D2 益損值（萬元）D1 1000 800 300 300D2 800 700 200 200靜夜四無鄰，荒居舊業(yè)貧。將評判結(jié)果 B作歸一化處理，然后將 bj視為處于狀態(tài) vj的概率，結(jié)合各方案在各狀態(tài)下的益損值，用期望值法進行決策。于是建立綜合評判模型：? B=W?R? 其中 W=(ω 1,ω 2,… ， ω m)為一模糊向量。? ㈡ 建立 綜 合 評 判的 評語 集 V ? 評 價集是 評 判者 對評 判 對 象可能作出的各種 評 價 語 言所 組 成的集合。在模糊決策中會用到模糊矩陣的合成運算，因此，我們先介紹一下模糊矩陣的合成運算法則。實踐中隸屬函數(shù)的確定方法很多，沒有統(tǒng)一模式，允許有一定程度的主觀判斷。 下面給出模糊集合和隸屬函數(shù)的定義：? 定義 用 X表示所討論的某類對象的集合，稱之為 論域 ，由映射 μA： X→[0 ， 1]? x → μA(x)， 所刻劃的集合稱為論域 X上的一個模糊子集 A， μA(x)稱為定義在 X上的 隸屬函數(shù) ， 對于給定的 x∈ X， μA(x)的取值稱為 x對于模糊集合 A的 隸屬度 。這一特征可用下述函數(shù)來描述： CA(x)稱為集合 A的特征函數(shù)。然而，在現(xiàn)實世界中，并不是所有的概念都有明確的內(nèi)涵和外延。 167。1/21/4C31C2 ? 對于目標層，把準則層的四項指標兩兩比較： B1不如 B2重要，比B3略重要，比 B4稍微重要； B2比 B3稍微重要，比 B4明顯重要； B3比 B4稍微重要。 設(shè) 第 t層 有 m個元素，第 t+1層 有 n個元素，那么 對于第 t層 的第 i個元素，可以求得第 t+1層 各元素 對 它的權(quán) 重行向量 : W i=(ωi1,ωi2,… ， ωin)， i=1， 2， … ， m，（ 注意：若第 t+1層 的第 j個元素與第 t層 的第 i個元素無聯(lián) 系 時 ， ωij=0） 于是可以用 W i為 行，得到表示第 t層 和第 t+1層 各元素之 間 重要程度的 權(quán) 重矩 陣 ， 記為 W （ t） 設(shè)決策問題可分為 ι+1層，總目標記為第 0層，依次記為第 1層，第 2層， … ，第 ι層，第 t層相對于上一層的權(quán)重矩陣為 W （ t） ， 則由 W 總 =W （ 1） W （ 2） .… W （ ι） ， 算得的行向量各元素，即最底層 各方案 對總 目 標 的 權(quán) 數(shù)，其中 權(quán) 數(shù)最大的方案就是 優(yōu) 先方案。平均隨機一致性指標同判斷矩陣的階數(shù)有關(guān)，一般情況下，矩陣階數(shù)越大，出現(xiàn)一致性隨機偏離的可能性也愈大，下表給出了階數(shù)為 3～ 10時的 RI值。 ⑶ 計算判斷矩陣 A的最大特征根： 其中 (AW )i為向量 AW 的第 i個元素。Bk A1 A2 … A nA1A2 ┆Ana11 a12 … a1na21 a22 … a2n ┆ ┆ ┆an1 an2 … annaij取值 含 義 1 Ai與 Aj同樣重要 3 Ai比 Aj稍微重要 5 Ai 比 Aj明顯重要 7 Ai 比 Aj重要得多 9 Ai 比 Aj極端重要 2， 4， 6， 8 介于上述相鄰兩種情況之間 以上各數(shù)的倒數(shù) 兩元素反過來比較 如： 第三步：求判斷矩陣
教學課件相關(guān)推薦
鄂ICP備17016276號-1