决策理论与方法之多属性决策讲义.pptVIP

一、一般加权和法 加权和法，包括评分打点，由于其简单、明了、直观，是人们最经常使用的多目标评价方法。采用加权和法的关键在于确定指标体系并设定各最低层指标的权系数：有了指标体系就可以设法利用统计数据或专家打分给出属性值表，有了权系数，具体的计算和排序就十分简单了。正因为此，以往的各种实际评估过程中总要把相当大的精力和时间用在确定指标体系和设定权上。 一、一般加权和法 使用加权和法意味着承认如下假设： ① 指标体系为树状结构，即每个下级指标只与一个上 级指标相关联 ② 每个属性的边际价值是线性的(优劣与属性值大小成比例)每两个 属性都是相互价值独立的； ③ 属性间的完全可补偿性：一个方案的某属性无论多差都可用其他 属性来补偿。 事实上，这些假设往往都不成立。首先，指标体系通常是网状 的，即至少有一个下级指标同时与二个或二个以上的上级指标相 关联。其次，属性的边际价值的线性常常是局部的，甚至有最优 值为给定区间或点的情况存在，属性间的价值独立性条件也极难 满足，至少是极难验证其满足。至于属性间的可补偿性通常只是 部分的、有条件的。因此，使用加权和法要认识到加权和法本身 存在的种种局限性并采取相应的补救措施，这样加权和法才不失 为一种简明而有效的多目标评价方法。 二、字典序法 字典序法是在 （符号?表示远远大于）时的加权和法，即某个目标 特别重要,它与重要性处于第二位的目标相比重要得多，重要性处于第二位的目标又比重要性处于第三位的目标重要得多……。 实质上，字典序法是单目标决策, 首先只根据最重要目标的属性值的优劣来判断方案集X 中各方案的优劣；只有当两个或多个方案的最重要目标的属性值相同时，再比较它们的第二重要的目标的属性值；如此继续，直到排定所有方案的优劣次序为止。 这种决策方法虽然看起来并无道理，但是它与实际生活中某些人的决策方式很接近，因为有些人倾向于在最重要的目标得到满足之后再去考虑重要性较差的目标。例如许多家庭主妇在选购家用电器时用的就是字典序法。 显然，这种方法不适于重大问题的决策。 二、字典序法 例 不粘性 （0.6） 价格 （0.3） 重量 （0.1） A 0.6 0.7 0.3 B 0.6 0.5 0.4 C 0.3 0.2 0.7 方案 属性 （权重） 三、层次分析法 层次分析法的求解步骤如下： 第一步 由决策人利用表 9.9 构造矩阵 A。 第二步 用本征向量法求 和 。 第三步 矩阵 A 的一致性检验。若最大本征值 大于表 9.10 中给 出的同阶矩阵相应的 时不能通过一致性检验,应重新估计 矩阵A直到 小于 通过一致性检验时，求的 有效。 第四步 方案排序。 ① 各备选方案在各目标下属性值已知时, 可以根据指标的大 小排出方案 i ( i =1,…, m)的优劣。 ② 各备选方案在各目标下属性值难以量化时, 可以通过在各 目标下优劣的两两比较(仍利用表 9.9)求得每个目标下各方 案的优先性（亦即权重），再计算各方案的总体优先性 （即总权重）, 根据总体优先性的大小排出方案的优劣。 三、层次分析法 例 9.3 设某高校拟从三个候选人中选一人担任中层领导，候选人的优劣用六个属性去衡量，这六个属性是：①健康状况②业务知识③书面表达能力④口才⑤道德水平和⑥工作作风。关于这六个属性的重要性，有关部门设定的属性重要性矩阵 A 为 三、层次分析法 ① ② ③ ④ ⑤ ⑥ ① ② ③ ④ ⑤ ⑥ 三、层次分析法 用本征向量法可以求得矩阵 A 的最大本征值 。但是，求 要解 n 次方程，当 时计算比较麻烦，可以用近似算法。 例如 Saaty 给出了求 近似值的方法， 这种近似算法的精度相当高，误差在 数量级。Saaty 给出的求 的近似算法如下： ① A 中每行元素连乘并开 n 次方： （9.24） ②求权重：