多準(zhǔn)則決策(敦煌xxxx-7)(編輯修改稿)
2025-03-01 17:17 本頁面
【文章內(nèi)容簡介】 最大最小法 ? 給定各屬性的最低水平 合取法 析取法 ? 已知各屬性權(quán)重的順序 字典序法 排列法 ? 已知各屬性權(quán)重的數(shù)值 簡單加權(quán)和法 加權(quán)積法 線性分配法 接近理想解的排序法 刪除選擇法 1. 簡單加權(quán)和法（ SAW, Simple Additive Weighting ） ???????njjijnjiji miwrvv11,2,1, ?? 隱含假設(shè)：屬性相互獨(dú)立，各屬性值對整體評價(jià)的影響可以疊加，因而各個(gè)屬性具有互補(bǔ)性 . nmijrR ?? )( Tnw ),( 21 ?? 方案 Ai 對 n個(gè)屬性的綜合取值為 ? 對決策矩陣采用不同的標(biāo)準(zhǔn)化方法（歸一化、最大化），得到的結(jié)果會有差別 . TmvvvRwv),(,1 ???或 2. 加權(quán)積法（ WP, Weighted Product ） ????njwiji midvj1,2,1, ?? 可以直接用方案對屬性的原始值 dij， 不需要標(biāo)準(zhǔn)化 ? 若效益型屬性的權(quán)重取 正 值，則費(fèi)用型屬性的權(quán)重應(yīng)取 負(fù) 值 . 將 SAW的算術(shù)加權(quán)平均改為幾何加權(quán)平均： 3. 接近理想解的排序法（ TOPSIS ） n個(gè)屬性、 m個(gè)方案視為 n維空間中 m個(gè)點(diǎn)的幾何系統(tǒng) ? 每個(gè)點(diǎn)的坐標(biāo)由 確定 ? 在空間中定義 歐氏距離 ，決策矩陣 模一化 ? 正理想解 由所有最優(yōu)加權(quán)屬性值構(gòu)成 ? 負(fù)理想解 由所有最劣加權(quán)屬性值構(gòu)成 ? 定義距正理想解近、距負(fù)理想解遠(yuǎn)的數(shù)量指標(biāo) —— 相對接近度 ? 備選方案的優(yōu)劣順序按照相對接近度確定 mivvv inii ,1),( 21 ?? ? 4. 刪除選擇法（ ELECTRE） ? 比較每一對方案 {Ai , Ak}的加權(quán)屬性值 vij和 vkj, 按照vij≥vkj和 vijvkj 將屬性集分 為一致集和矛盾集 . ? 利用屬性值和權(quán)重定義 一致性指標(biāo) cik和矛盾性指標(biāo) dik, cik越大 , dik越小 , Ai越優(yōu)于 Ak . 將歐氏距離改為 街區(qū)距離 , 且決策矩陣 歸一化 或 最大化 TOPSIS方法等價(jià)于 簡單加權(quán)和法 的情況 : dc,? 確定度量 cik ,dik的閾值 , 時(shí) Ai 優(yōu)于 Ak, 由此決定刪除和選擇的方案 . dc, ddc ikik ?? , 應(yīng)用過程中幾種主要方法的比較 方法 方案 SAW WP TOPSIS ELECTRE A1 2 2 1 1 A2 4 4 4 3 A3 1 1 2 1 A4 3 3 3 3 例 選擇戰(zhàn)斗機(jī) 方案排序基本一致： A3， A1優(yōu)于 A4， A2 4種方法對方案的優(yōu)劣排序 方法方案 SAW (R最大化 ) SAW (R歸一化 ) WP TOPSIS A1 A2 A3 A4 用 SAW， WP， TOPSIS 計(jì)算的數(shù)值結(jié)果 例 選擇戰(zhàn)斗機(jī) A3與 A1（ A4與 A2）差別不大， A3， A1明顯優(yōu)于 A4， A2 用各種方法得到的結(jié)果沒有顯著差別 幾種方法的集成 “多屬性決策 (MADM)方法選擇本身就是一個(gè) MADM問題” ? 甄選 ：利用占優(yōu)法、和取法、字典序法等將被占優(yōu)的、不可接受的方案刪除 . ? 排序或計(jì)算 ：分別利用 SAW, WP, TOPSIS等對方案按照優(yōu)劣排序或計(jì)算數(shù)值結(jié)果 . ? 集成 ：對幾種方法得到的排序或數(shù)值結(jié)果進(jìn)行集成 . 平均法 Borda數(shù)法 加權(quán)和法 與其尋找最好方法，不如將幾種方法的結(jié)果加以集成 . ? 簡單、方便的 SAW適用于日常生活中大多數(shù)多屬性決策問題 . ? 一些重大決策不妨采用思路更縝密、計(jì)算手段更全面的 TOPSIS, E
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1