2多属性决策分析.pptVIP

多属性决策分析 多属性决策的准备工作 多属性多指标综合评价特点 指标间的不可公度性 指标之间没有统一量纲，难以用同一标准进行评价 指标之间可能存在一定的矛盾性 某一方案提高了这个指标，去可能损害另一指标。 第一节 多属性决策的准备工作 多属性决策的准备工作包括：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）。 一、决策矩阵 经过对决策问题的描述（包括设立多属性指标体系）、各指标的数据采集，形成可以规范化分析的多属性决策矩阵。 设有n个决策指标fi（1≤j≤n），m个备选方案ai 1≤i≤m），m个方案n个指标构成的矩阵 X=(xij)m×n 称为决策矩阵。决策矩阵是规范性分析的基础。 决策指标分两类：效益型（正向）指标，数值越大越优；成本型指标（逆向指标），数值越小越优。 多属性决策的准备工作 第二节 多属性决策方法 改进的理想解法（P51） 改进的理想解法增加了客观赋权的步骤。 原理是先确定权重，使所有方案点到理想解点的距离之和最小，然后再按普通理想解法进行方案排序。 思考：这种方式确定的权重会有什么特点？和信息熵客观赋权法有什么区别？其经济（物理）意义？ 越靠近理想点的方案权重应该会越大。 TOPSIS法用的是欧几里德距离，还有一种距离叫做街区距离，如图。 设系统具有n项评价指标 f1(x)，f2(x)，…，fn(x)，其中 k1项越大越好，k2项越小越好，其余（n－k1－k2）项要求适中。现在分别为这些指标赋以一定的功效系数di, 0≤di≤1, 其中di＝0表示最不满意，di＝1表示最满意；一般地，di＝Φi(x)，对于不同的要求，函数Φi(x)有着不同的形式，当fi越大越好时选用（a），越小越好时选用（b），适中时选用（c）；把fi(x)转化为di后，用一个总的功效系数： 多属性决策的准备工作 注意： 1）简单线性加权法潜在的假设是各属性在偏好上独立，即单个属性值对于整体评价的影响与其他属性值相互独立。如篮球运动员身高和体重不是相互独立的。 2）权重设定的不可靠。如一个权重是0.1，另一个是0.4，多达4倍的关系，是否真正合理？ 3）假设多个属性的效用可以分解成单个属性的效用。如篮球运动员身高和体重需要相匹配。 4）但是理论推导、仿真计算和经验判断都表明，简单加权法与复杂的非线性形式产生的结果很相似，而前者有简单多的理解和使用特点，因此得到普遍的应用。 4、理想解法（TOPSIS法） 由Yoon和Hwang开发，又称逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution） 这种方法通过构造多属性问题的理想解和负理想解，以方案靠近理想解和远离负理想解两个基准作为方案排序的准则，来选择最满意方案。 理想解：就是设想各指标属性都达到最满意值的解； 负理想解：就是设想各指标属性都达到最不满意值的解。 理想解和负理想解一般都是虚拟的方案 可以将m各方案n个属性的多属性决策问题视作在n维空间中的m个点构成的几何系统中进行处理，此时所有的方案都看成该系统的解。 为了直观起见，用两个属性的决策空间： 图中A*为理想解，A－为负理想解 各方案接近理想解和远离负理想解的测度：贴近度。 贴近度涉及到理想解的距离和到负理想解的距离。 TOPSIS决策的步骤 例2－5 P49 4 功效系数法 案例分析 设某系统有3个因素： ①土地占用量R1，大于600亩为不可接受，介于500亩为最好； ②耗电R2，大于1500千瓦为不可接受，介于1000千瓦为最好； ③用水量R3，大于100吨/小时为不可接受，介于60吨/小时为最好。 现有两个方案，已知， 方案1：R1=540亩，R2=1300千瓦，R3=90吨/小时； 方案2：R1=570亩，R2=1200千瓦，R3=80吨/小时。 试评价哪个方案最优？ 今求解于上图，故得： 可见方案2综合评估为较好。 多属性决策方法 AHP方法 * * 第二讲 多属性决策方法 AHP方法 指标Xj 替代方案Ai 期望利润(万元) 产品成品率（%） 市场占有率（%） 投资费用（万元） 产品外观 自行设计（A1） 650 95 30 110 美 观 国外引进（A2） 730 97 35 180 比较美观 改 建（A3） 520 92 25 50 美 观 为了直观，也可以辅助于决策表 二、决策指标的标准化 指标体系中各指标均有不同的量纲，有定量和定性，