第_二节_求解多属性.pptVIP

第 二节 求解多属性决策问题的准备工作 一、决策矩阵 属性集、方案集、决策矩阵（已讲过） 二、数据的预处理 三、确定权的常用方法 二、数据的预处理 属性值的规范化，主要有三个作用： 1.属性值有多种类型 效益型指标，值越大越好；成本型指标，值越小越好；属性值既非效用型又非成本型，如固定性、区间型、偏离型和偏离区间型。通过预处理，任一属性下越优的方案属性值越大。 2.非量纲化 指标间存在不可公度性，即在属性值表中的每一列数具有不同的单位（量纲）。 3.归一化 原属性值表中不同指标的属性值的数值大小差别很大。为了便于采用多种方法进行评价，把数值归一化，即把数均变换到[0，1]区间上。 二、数据的预处理 数据预处理的本质是：要给某个指标的属性值在决策人评价方案优劣时的实际价值。数据预处理方法有以下几种： （一）向量归一化 这种方法意味着决策矩阵每个列向量按其自己的规则来划分，因此决策矩阵 的每个标准化值 可以计算为 变换的优点：把所有的指标值都化为无量纲的量，且均处于区间（0，1），有利于指标间的比较；缺点是：他是非线性变换，不能产生等长度的计算尺度，变换后各指标的最小值和最大值不相同，指标间的直接比较仍有困难。这种方法在ELECTRE法和TOPSIS法中比较常用。 二、数据的预处理 例一：某航空公司在国际市场上购买飞机，按四个决策指标对不同的型号的飞机进行综合评价，这四个指标是：最大速度 、最大范围 、最大负载 、价格 。现有四种型号的飞机可供选择，具体指标见表1. 表1 飞机属性表 二、数据的预处理 在决策指标中， ， ， 是效益型指标，越大越好， 是成本型指标，越小越好。表1对应的矩阵为 采用向量归一化法 可得到标准化矩阵为 二、数据的预处理 （二）线性转换 线性转换法是针对效益型和成本型指标转换的方法。 对于效益型属性， 转换的结果是 数据处理后，最佳属性值为1，但最差的属性值一般不为0. 对于成本型属性， 可计算为 或 数据处理后，最差属性值为0，但最好的属性值往往不为1. 这种方法的优点是它们是线形的，且变换前后的的指标值成比例，每类属性的属性值严格从0到1变化。但对任一指标来说，变换后的 和 不一定同时出现。 二、数据的预处理 对例一的数据进行线性转换，得到的标准化矩阵为 （三）标准0-1变换 为了使每个属性变换后的最优值为1且最差值为0。 其缺点是：变换前后的各指标值不成比例。 二、数据的预处理 采用0-1变换处理例一的数据得到的矩阵为 其中，每一属性最佳值为1，最差值为0。 （四）优值为给定区间时的变换 有些属性既非效益型又非成本型，如生师比，生师比过高，学生的培养质量难以保证，比值过低教师的工作量不饱满。采用前面的方法都行不通。 设给定的最优属性区间为[ ， ]， 为无法容忍下限， 二、数据的预处理 为无法容忍上限，则 生师比最佳区间[5,6], =2, =12 函数图像为图1所示。 二、数据的预处理 数据经过变换的结果见表2 表2 生师比属性的数据处理 还有其它的变换，如标准样本变换法、原始数据的统计处理、专家打