9-2多屬性決策-文庫吧資料
2025-02-28 18:23本頁面
【正文】 則 pik＝ pki＝ 0。與圖 。(2) 表示優(yōu)先關(guān)系的 01矩陣圖 各方案的指向圖。例如，若 xixk，則有向弧從節(jié)點(diǎn) xi出發(fā)，指向節(jié)點(diǎn) xk；若 xi~xk，則在 xi和 xk之間畫兩條有向弧，一條從從 xi指向 xk，另一條從從 xk指向 xi； 若方案 xi與 xk不可比，則節(jié)點(diǎn) xk和 xi之間不畫有向弧 。但是它們都不如指向圖直觀，也不如 01矩陣便于運(yùn)算。首先根據(jù)各方案對在各目標(biāo)下的 優(yōu)先次序 （即序數(shù)信息）及各目標(biāo)的 權(quán)重 進(jìn)行排序。 Navarrete,1979提出的基于估計(jì)相對位置的方案排隊(duì)法是求解這類問題的一種較好的方法。例如，選擇干部問題，要給出每個(gè)候選人的德、才、體的屬性值是令人傷腦筋的事，但要決策人按照德、才、體這幾個(gè)方面分別排出候選人的優(yōu)劣次序卻并不困難。 d* d0 C*1 2 3 4 5 方案排序 :x1x2x4x5x3 基于估計(jì)相對位置的方案排隊(duì)法?前面幾節(jié)介紹的求解多屬性決策問題的方法，包括加權(quán)和法，字典序法，加權(quán)積法和逼近理想點(diǎn)的排隊(duì)法 (TOPSIS法 )，以及后面要介紹的 ELECTRE法等等，都需要有較多的初始信息， 需要在事先給出決策矩陣 ，即需要給出每個(gè)備選方案的各屬性的數(shù)值。 人均專著y1生師比y2科研經(jīng)費(fèi)y3逾期畢業(yè)率y41 66762 35553 82234 94545 605步驟 2:加權(quán)規(guī)范陣(升 /百公里 )y2(w2=)舒適度y3(w3=)x1 6x2 4x3 8x4 7步驟 3:理想解與負(fù)理想解n x*=[, , ]n x0=[, , ]步驟 4:距離計(jì)算與排序方案排序 :x2x3x4x1(升 /百公里 )y2(w2=)舒適度y3(w3=)x1 7x2 5x3 0x4 4步驟 2:加權(quán)規(guī)范陣備選車價(jià)格 (升 /百公里 )y2(w2=)舒適度y3(w3=)x1 40 25 10x2 15 18 3x3 25 10 6x4 35 15 8成本指標(biāo)步驟 1:規(guī)范化備選車價(jià)格 2． TOPSIS法的算法步驟2． TOPSIS法的算法步驟2． TOPSIS法的算法步驟2． TOPSIS法的算法步驟例 1:用 TOPSIS法解 ”買車 ”問題效益指標(biāo)成本指標(biāo)備選車 價(jià)格 Solution）的英文縮略。tobyOrder(升 /百公里 )y2w2=(1w3 )/2舒適度y3w3綜合評價(jià)值(Ci)x1 0 0 w3x2 0 *w3x3 *w3x4 *w3權(quán)的靈敏度分析結(jié)果C1C2C3C4 TOPSIS法TOPSIS是 逼近理想解的排序方法 （ Technique綜合評價(jià)值備選車價(jià)格 n 例子：買車。 設(shè)某高校擬從三個(gè)候選人中選一人擔(dān)任中層領(lǐng)導(dǎo)，候選人的優(yōu)劣用六個(gè)屬性去衡量，這六個(gè)屬性是 ① 健康狀況 ② 業(yè)務(wù)知識
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1