多目標(biāo)決策技術(shù)培訓(xùn)教程(參考版)
2025-01-22 15:12本頁面
【正文】 2023/3/11 16:16:1116:16:1111 March 20231一個人即使已登上頂峰，也仍要自強不息。 11 三月 20234:16:11 下午 16:16:11三月 211最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。勝人者有力，自勝者強。 三月 2116:16:1116:16Mar2111Mar211越是無能的人，越喜歡挑剔別人的錯兒。 三月 21三月 21Thursday, March 11, 2023閱讀一切好書如同和過去最杰出的人談話。 2023/3/11 16:16:1116:16:1111 March 20231空山新雨后，天氣晚來秋。 。 三月 21三月 2116:16:1116:16:11March 11, 20231意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 三月 2116:16:1116:16Mar2111Mar211世間成事，不求其絕對圓滿，留一份不足，可得無限完美。 三月 21三月 21Thursday, March 11, 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。 2023/3/11 16:16:1116:16:1111 March 20231做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點的射線向前。 。 三月 21三月 2116:16:1116:16:11March 11, 20231他鄉(xiāng)生白發(fā)，舊國見青山。 三月 2116:16:1116:16Mar2111Mar211故人江海別，幾度隔山川。 三月 21三月 21Thursday, March 11, 2023雨中黃葉樹，燈下白頭人。因此，該廠決定按 D1方案進行生產(chǎn) ，即生產(chǎn) VCD影碟機。即 對 “ 使用 簡 便 ” 這 一因素的模糊 評 判向量 為 :R1=(， ， ， 0)? 類 似地， 對 方 D1的 “ 性能 穩(wěn) 定 ” 和 “ 造型美 觀 ” 的模糊 評 判向量分 別為 R2=(， ， ， 0)， R3=(， ， ，)? 由此可得方案 D1的 單 因素模糊 評 判矩 陣 : 同樣可得方案 D2的單因素模糊評判矩陣： ? 由于市場上顧客對簡便性、穩(wěn)定性、美觀性的要求不一，因而要考慮加上不同的權(quán)數(shù)： W=(， ， )? 由此可得出兩個方案的綜合評判結(jié)果分別為： 由于 BⅡ 的各分量之和為 +++=＞ 1 ，作歸一化處理后得： BⅡ =(， ， ， ) 現(xiàn)將評價結(jié)果作為銷售狀態(tài)的概率，再根據(jù)市場預(yù)測，得到每個方案在各狀態(tài)下的益損值，制成模糊決策表如下表所示。工廠決策層對產(chǎn)品進行功能分析，認(rèn)為產(chǎn)品應(yīng)具有使用簡便，性能穩(wěn)定，造型美觀三大特點，即評價的因素（指標(biāo)）集為： U={u1(使用簡便 )， u2(性能穩(wěn)定 )， u3(造型美觀 )}? 對上述三個因素的評語集為： ? V={v1(很好 )， v2(好 )， v3(一般 )， v4(差 )} ? 對于 D1， D2兩方案試制出的樣機，由銷售部門熟悉情況的人員及部分顧客代表進行評價。詳見下例。 ⒊ 期望值法 ? ⒈ 模糊向量 單值 化法 ? 給 各 評語 元素 vi賦值 ，比如 “ 很好 ” 取 為 5， “ 好 ”取 為 4， “ 一般 ” 取 為 3， “ 不好 ” 取 為 1。 第二大步：用適當(dāng)方法確定優(yōu)先方案。? 設(shè) 按模糊矩 陣 的合成運算法 則 算得 B=(b1,b2,… ， bn)， B稱 為模糊 綜 合 評 判 結(jié) 果集。但考慮各 因素（評價指標(biāo)）對綜合評判的重要程度不同，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個因素 ui在綜合評判中的重要程度。 ㈣ 建立綜合評判模型，進行綜合評判 ? 從前述單因素模糊評判矩陣 R可以看出： R的第 i行所反映的是第 i個因素（評價指標(biāo)） ui對評判對象的影響取各個評語元素的程度；而 R的第 j列所反映的是所有各因素（評價指標(biāo)）影響評判對象取第 j個評語元素的程度。? 設(shè)評 判 對 象按因素集 U中第 i個因素 ui進 行 評 判， 對評語 集 V中第 j個 評語 vj的隸屬度 為 rij， 則 按 ui評 判的 結(jié) 果，可用下面的模糊集合表示：Ri稱為單因素評判集，顯然它應(yīng)是評語集 V上的一個模糊子集。通常表示 為 V={v1， v2， … ， vn}? 其中元素 vi(i=1,2,… ， n)代表可能的第 i種 評語 。在多目 標(biāo) 模糊決策 問題 中， U即 為 目 標(biāo) 集合。? ㈠ 確定模糊 綜 合 評 判的因素集 U ? 因素集是以影響 評 判 對 象的各種因素 為 元素所 組 成的一個普通集合。 例 設(shè)模糊矩陣 ， ， 求 Q?R 解 二、模糊決策法的步驟及應(yīng)用 ? 模糊決策法分為兩大步，第一大步是對每個方案單獨做模糊綜合評判，第二大步是利用第一大步模糊綜合評判的結(jié)果，用適當(dāng)?shù)姆椒ń?jīng)過比選，確定優(yōu)先方案。? 設(shè) 模糊矩 陣 A=(aij)mt， B=(bij)tn， 模糊矩 陣 A與 B的合成運算 記為 C=A?B? 運算結(jié)果 C仍為模糊矩陣，且 C=(cij)mn ? 其中 cij=(ai1∧ b1j)∨ (ai2∧ b2j)∨…∨ (ait∧ btj)， i=1,2,… ，m； j=1， 2… ， n． ? 式中 “∧” 為取小運算，如 (ai1∧ b1j)=min(ai1,b1j)；“∨” 為取大運算，即 max。? 若 經(jīng)認(rèn) 真品 評 ， 給 定 g(x1,x2)=， g(x2,x1)=，g(x1,x3)=， g(x3,x1)=， g(x2,x3)=， g(x3,x2)=，? 則兩兩對比后可得美麗程度矩陣 : x1 x2 x3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 “ 美 ” 的隸屬度μA(x1)=ω( x1)g(x1,x1)+ω( x2)g(x1,x2) +ω( x3)g(x1,x3)=1/31+1/3+1/3= 菊花對 “ 美 ” 的隸屬度μA(x2)=ω( x1)g(x2,x1)+ω( x2)g(x2,x2) +ω( x3)g(x2,x3)=1/3+1/31+1/3= 蘭花對 “ 美
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1