第二节 TOPSIS法.docVIP

第二节 TOPSIS法 多属性决策问题广泛地存在于社会、经济、管理等各个领域中，如投资决策、项目评估、质量评估 、方案优选 、企业选址 、资源分配 、科研成果评价 、人员考评 。决策者要从具有多个属性的一组备选方案中进行选择，其目的是要从多个备选方案中选择一个相对最优的方案，使该方案的各个属性能最大程度地达到决策者满意。 属性是指“目标”或“指标”，上述各个备选方案通常都具有多个属性，而各个属性一般具有不同的单位，各个属性之间还有可能存在冲突。多属性决策往往只含有有限个预先制定的方案。满意方案的最后抉择与产生最后决策的属性满足程度有关，最终方案的选择在属性内进行判断与比较完成。 多属性决策概述 多属性决策概述 经典多属性决策问题可以描述为：给定一组可能的备选方案，对于每个方案，都需要从若干个属性 （每个属性代表不同的评价准则）去对其进行综合评价。决策的目的就是要从这一组备选方案中找到一个使决策者达到最满意的方案，或者对这一组方案进行综合评价排序，且排序结果能够反映决策者的意图。 （1 （2 （3）各目标间的矛盾性。如果多属性决策问题中，存在一个备选方案能使所有目标都达到最优，也就是说存在最优解，那么目标间的不可公度性就不成问题了，但是这种情况很少出现。换言之，大量存在的现象是各属性之间存在着某种矛盾，即存在着冲突——当采用一种方案改进某一个目标值的同时，很可能使另一个目标值不能够得到改善，甚至会使这个目标值变差。例如，某化工企业想拓展业务领域，意图收购某机械厂，但是拓展领域的同时可能会给企业短期效益带来损害，而且如果收购后经营不善很可能导致企业的亏损甚至倒闭。 （4）决策者的偏好不同导致决策结果不同。不同的决策者对同一个决策问题会有不同的看法，决策的结果也就有所不同。所谓仁者见仁智者见智。 2、求解多属性决策问题的准备工作 在介绍各种求解多属性决策问题的具体方法之前，我们先要介绍求解的前期准备工作，包括决策问题的描述、相关信息的采集（即形成决策矩阵）、决策数据的预处理和方案的初选（或称为筛选）。 多属性决策的解题步骤 第一步是提出问题。这时对所要面临的问题的认识是主观而含糊的，所提出的目标也是高度概括的。 第二步是明确问题。这时要使目标具体化，要确定衡量各目标达到程度的标准即属性和属性值的可获得性，并且要清楚地说明问题的边界与环境。 第三步是构造模型。要选择决策模型的形式，确定关键变量以及这些变量之间的逻辑关系，估计各种参数，并在上述工作的基础上产生各种备选方案。 第四步是评价优化。要利用模型并根据主观判断，采集或标定各备选方案的各属性值，并根据决策规则进行排序或优化。 第五步是根据上述评价结果，择优付诸实施。以上各步骤的顺序进行只是一种理想的多准则决策流程，从第三步开始，就有可能需要返回前面的策一步进行必要的调整，甚至从头开始。决策问题愈复杂，反复的可能性就愈大，重复的次数也愈多。 3、决策矩阵 对于多属性决策问题，设可供选择的方案集为；用表示方案的n个属性值；当目标函数为时，。各方案的属性值可列成决策矩阵或属性矩阵、属性表。该表提供了分析决策问题所需的基本信息，各种数据的预处理和求解方法都以此作为分析的基础。 决策矩阵 例 设某连锁快餐店在某地区现有6个分店，由于无法完全满足该地区用餐、送餐需求，需要扩建其中的一个分店。在扩建时既要满足就近送餐的要求，又要使扩建的费用尽可能小。经过调研，获得如表所示的决策矩阵。 连锁店序号 费用（万元） 平均送餐距离（km） 住宅商品房面积（百万平米） 人均绿地面积（平米/人） 交通事故死亡率（%） 1 0.1 5 5000 4.7 2 0.2 7 4000 2.2 3 0.6 10 1260 3.0 4 0.3 4 3000 3.9 5 0.8 2 284 1.2 4数据预处理 数据预处理又称属性值的规范化，主要有如下三个作用（要求）： 例如表中示范性街区的评估中的人均绿地面积，街区绿地面积并不是像城市绿地面积那样越大越好，否则远郊甚至山区就会毋庸置疑的成为示范区了。一个街区所指的是城市里的一条街或者一个小区，其经济贡献的大小往往不容忽视。人均绿地面积过大说明该街区的土地利用率过低，对经济发展贡献较小，而且无人区过大往往会成为暴力犯罪高发场所，治安管理难度较大；人均绿地面积过小则居住过于拥挤，人口密集，居民生活质量较差，商业、工业等较少，财政收入很低。这几类属性放在同一个表中不便于直接从数值大小判断方案的优劣，因此需要对决策矩阵中的数据进行预处理，使表中任一属性下性能越好的方案经过变换后其属性值越大。 第二，非量纲化。多属性决策与评估的困难之一是目标间的不可公度性，即在属性值表中的每一列数的单位（量纲）都不相同。即使对同一属性，采用不同