第四讲各种多属性决策方法.pptVIP

2、实例分析 8 6 1 7 0 5 X6 9 6 9 9 7 u6 5 0 7 7 8 X5 2 5 7 6 8 X4 6 7 7 9 8 X3 5 7 7 7 7 X2 7 9 9 9 7 X1 u5 u4 u3 u2 u1 1/2 1/5 1/9 0 0 0 X6 0 ? 0 0 1 u6 2/5 0 0 7/9 1 X5 1 5/9 0 5/9 1 X4 1/5 7/9 0 1 1 X3 2/5 7/9 0 7/9 2/3 X2 0 1 1 1 2/3 X1 u5 u4 u3 u2 u1 八、基于线性目标规划模型的多属性决策方法 1、 模型 2 决策方法 3 实例分析 13 14 13 11 12 20000 15000 11000 8000 7500 90 85 87 72 70 8500 7500 7000 6500 4500 X1 X2 X3 X4 X5 u4 u3 u2 u1 0.929 1.000 0.929 0.786 0.857 1.000 0.750 0.550 0.400 0.375 1.000 0.944 0.967 0.800 0.778 0.529 0.600 0.643 0.692 1.000 X1 X2 X3 X4 X5 u4 u3 u2 u1 若互反判断矩阵 ，即 ，则有 或 在此情形下，可直接利用互反判断矩阵的排序方法（如特征向量法）求出矩阵H的排序向量，并依此对方案进行排序和择优。 然而，互反判断矩阵 和 之间往往存在着一定的偏差，为此引入线性偏差函数 显然，为了得到合理的属性权重向量w，上述偏差值总是越小越好，为此可建立下列优化模型： 构造拉格朗日函数： 令 得到： 2、对方案的偏好信息为模糊互补判断矩阵的情形 设决策者根据互补标度对决策方案 进行两两 比较，并构造模糊互补判断矩阵 。 为了使决策信息一致化，利用下列转换函数把所有方案 的综合属性值转化成互补判断矩阵形式 ，其中 易知： 一般情况下，模糊互补判断矩阵 和 之间往往存在着一定的偏差，为此引入线性偏差函数 显然，为了得到合理的属性权重向量w，上述偏差值总是越小越好，为此可建立下列优化模型： 构造拉格朗日函数： 令 得到： 3、对方案的偏好信息为效用值的情形 设决策者对方案xi的偏好值以效用值θi的形式给出，θi∈[0,1],θi越接近1，决策者越偏好方案xi。这里把握规范化矩阵 中的属性值rij看成决策者在属性uj下 对方案xi的客观偏好值。 由于种种条件的制约，决策者的主观偏好与客观偏好之间往往存在着一定的差距，为了使决策具有合理性，属性权重向量w的选择应使决策者的主观偏好值与客观偏好值（属性值）的总偏差最小化。为此建立下列单目标优化模型： 解此模型，作拉格朗日函数： 求其偏导数，并令 解得： 四、基于理想点的多属性决策方法 1 决策方法 (1)由于决策方案xi越接近正理想点就越优,因此,可令方案xi与正理想点之间的加权偏差之和为 对于给定的权重向量w,ei+(w)越小则方案xi越优.于是可建立如下多目标决策模型: 由于每个方案都是公平竞争的,不存在任何偏好关系,因此可将模型(M-3.1)等权集结为如下单目标最优化模型: 2 实例分析 90 105 130 98 u5 19 28 32 27 2 5 5 3 1800 2800 3500 1900 0.37 0.58 0.52 0.43 X1 X2 X3 X4 u4 u3 u2 u1 步骤1 虽然上述各因素均为效益型，但量纲不一致，将决策矩阵转化为规范化矩阵R，如下表所示： 0.6923 0.8077 1.0000 0.8438 u5 0.5938 0.8750 1.0000 0.7538 0.40000 1.0000 1.0000 0.6000 0.5143 0.8000 1.0000 0.5429 0.6379 1.0000 0.8966 0.7414 X1 X2 X3 X4 u4 u3 u2 u1 五、 基于方案满意度的多属性决策方法 1、决策方法 9.33 24.33 4.64 13.24 41646 X5 7.41 22.46 3.51 10.59 4682