多属性决策树模型之建立与发展加工.docVIP

多屬性決策樹模型之建立與發展 顏伃君 張淑真 徐雍淳 游雅任 義守大學工業工程與管理學系 高雄縣大樹鄉學城路一段1號 聯絡人：b8720086@isu.edu.tw 摘要 一般決策分析的方法都是分開使用於各種情況，本組發展出來的決策方法是能橫跨多種決策分析領域，擴大決策方法的使用範圍。依環境及決策者需求的不同，能夠同時解決多屬性、多狀態決策分析的問題，使決策者能視所需的情況，在多種方案中決定出對決策者最有利的決策。本組研究的整體架構是以決策樹為主體，發展為多狀態的使用，且不再是單純解決損益期望值的問題，也包含多屬性決策的使用。此外並建構一個電腦介面來呈現決策用的程式，將資料輸入電腦中，就能找到對決策者最有利的決策路徑，此程式可幫助決策者解決繁雜的計算問題。 關鍵字：決策分析、決策樹、多屬性、多狀態 研究動機 決策分析的方法有很多種，每一種都各自有各自不同的特性、原理，不同的決策分析方法，適用在各種不同的狀況，雖然能透徹瞭解各個多屬性決策和群體決策等方法，學會應用及應用在什麼情況。可是目前沒有一種方法可以橫跨多個決策分析領域。在做決策時，各種方法並不能夠全部統合應用，符合特定的狀況時，就得用特定的決策法，真正在做決策時這樣的分野並不是相當的完善。因此，希望發展出一種決策方法能夠結合各個決策分析領域的專長與特色，整合出一個決策模式，能夠在不同情況下展現出各種決策分析特性，讓決策者能夠迅速作出正確的抉擇。 研究目的 參考並詳細研究既有的決策分析法，探究其原理，再取各決策分析法的優良特質，同時將各領域的決策分析法所欠缺的特性，截長補短，自創出一種新的決策分析模式能夠適用於各種狀態，也就是以單一種決策方法，但依環境及決策者需求的不同，同時能夠解決各種決策問題。簡單的說，就是希望發展出一種能解決一般決策問題的決策模式，不侷限於單一領域的決策分析法，符合決策者需求不同而產生的模式。讓決策者更加有效率的做出最好的決策。以下是具體的研究目的： 將各領域的決策方法加以研究分析。 將既有的決策方法截長補短，發展一個適合於各種狀況下使用的新決策。 利用Visual basic程式，使新模式於電腦介面上呈現。 研究範圍與限制 決策分析的方法很多，本組所學的就有多屬性、群體、多狀態及決策樹，本組想利用這些方法綜合出一個新的模型，以供決策者使用，但新的模型並不會包含所有所學的決策方法，而是以一個決策領域作為基礎，綜合許多既有的決策，擴大其使用範圍。 權重的產生方法可由問卷產生(一般問卷或專家問卷)，但如果時間預算允許時，也會考慮用公式的運算方法求出權重。 新決策模型適用於一般狀況，不適用於突發狀況，因為屬性及狀況可能有極端變化，對於正規化及補償性(可能只考慮一個屬性或狀態，而其他都不考慮)都會影響到，或許有某一項屬性或狀態的權重會極大，這樣結果可能不客觀，而結果也不是在突發狀況下最迫切需要的方案。 新決策模型對於方案間的比較，必須是可以利用成本或利潤估計衡量出來。 在新模式中利用SAW法來解決MADM的問題，因為SAW值經由正規化後的值皆介於0~1之間，表示屬性與最佳屬性間之比值的轉換，所以不管屬性是否相同，都可直接用SAW法所求出來的值來做比較。 研究方法 第一步，詳加研究各個已知的方法，不僅是要完全學會各種方法VB 做出適當的程式，將這個新的決策方法以電腦介面的型式呈現出來，使資料的輸入更加方便有效率、資訊的輸出更加快速正確。 研究理論基礎 對於新模式的發展主要是引用多屬性決策分析、決策樹分析、群體決策及多狀態決策作為整合決策方法的依據。以下將新模式中所用到的決策方法做一個簡單的介紹： Simple Additive Weighting Method（SAW） 原理：利用正規化及各屬性權重比例去選擇最佳方案。 步驟： 量化所有定性屬性。 對所有屬性正規化， 利潤屬性： (1) 成本屬性： (2) 找出各個屬性的權重權重。 , (3) 選擇最佳方案。 (4) 決策樹 原理：決策樹是利用圖形選擇最佳方案，不只解決單階段問題，而能表達多階段決策問題。 步驟： 將樹狀圖由左至右畫出來。 判斷是機率節點或決策節點。 機率節點成本利潤需乘上機率值，所得的最小成本期望值及最大利潤期望值為最佳路徑。決策節點直接以最小成本及最大利潤為最佳路徑。 算出各路徑的損益期望值，選擇最佳路徑。 或 。 (5) （若為決策節點則無值） 研究步驟架構 研究的整體架構是以決策樹為主體，決策樹的分枝可能擁有狀態機率值，而且不再只是單純的解決損益期望值的問題，也包含了多屬性決策。路徑與路徑間的比較，因整合了多狀態決策樹及多屬性決策，所以必須判斷節點是什麼狀況，再逐一運算