住房分配的数学建模住房分配的数学建模.doc

住房分配决策模型 问题的提出： 住房分配是一个多指标，多成员的决策问题，是多属性决策（Multiple Attribute Decision Making, 简记为MADM）在现实中的具体应用。而解决多属性决策问题关键的环节就是确定各指标的相对权重。在确定权的方法上目前主要有层次分析法中的最大特征根法、近似计算方法中的幂法、方根法、求积法，加权平方和法以及来自信息论的熵技术等。一定的原则指导下，寻求一种较为合理、有效的方法对住房分配也就显得十分必要。层次分析法（AHP)是解决多属性决策的一种行之有效的方法。本文通过分析住房分配要素的性质和成员在各指标下的数据，利用层次分析法，结合具体实例给出了分配方案需要的排序。并在文末，检验了方案的合理性，并对个例进行了推广，使这种方法更具有通用性。 问题的分析： 住房分配涉及到很多指标，诸如职称、职务、工作时间、学历、对单位贡献程度、特殊人才、奖励等。合理分配住房问题，就是根据一定的原则，分配这些指标在住房分配时的权重，实现半定性问题向定量问题的转化。由于住房分配考虑的指标多半是成员的历史信息，因此每位成员的指标信息是已知的。规范化各位成员的指标信息，结合指标权重，利用加权和法，给出每位成员的综合得分，从而实现排序的目的。在计算权重和综合成员得分上都有不同的方法。我们无法说哪一种方法更好，给出的排序方案更科学，更公正。本文在求权重时利用了最大特征根法，在综合成员得分时采用了简单加权法，从最终评价中给出综合的排序。由于定性向定量转化本身都有很大的主观性，因此我们不能从根本上实现最精确的排序。只能给出一种相对合理的排序结果。 1 指标选取 指标的选择从属性上可以分为三种类型：效益型，成本型，既非效益又非成本型。指标属性值越大越好的，称为效益型指标；指标值越小越好的称为成本型指标。无法用大小衡量好坏的属于第三类指标。在考虑住房分配时更多考虑的是效益型指标，如级别，工作时间，任职时间，学历，科研经费，奖励等。有时，也可以考虑惩罚性因素，处分扣分。还有些如爱人单位，家庭负担程度，稳定状况等既不属于效益型又不属于成本型指标。 2 指标数据的处理 针对指标属性的不同类型和各个属性的不同量纲，应用不同的变换对原始数据处理。使数据变成区间的值，进而使数据变的规范化。具体如下，对效益型指标，其中为第个成员在第属性下的属性值，为第个属性这一列的最大值；对成本型指标，利用处理。由于某种原因造成属性值差别较大的情况，如奖励等则采用统计平均的办法，即设定平均值，将方案属性的均值定位于，用下式，实现归一化，其中，是属性的均值，为成员的个数，的取值可在之间。 3 属性权重的确定 根据首次提出层次分析法的美国匹次堡大学Seaty 教授的建议，把关联因素相对重要程度用1~9及其倒数表示相互比较元素的重要程度的反映，找出判断矩阵。由判断矩阵寻求属性的权重。判断矩阵的选择有很大的主观性，需要专家组对各属性集中比较各因素的相对比较。此外，还要对判断矩阵从其应有的性质和一致性作出检验，方能说明各因素间相对客观的权重。在住房分配中专家组可由住房分配小组代替，依据一定的、统一的原则，对指标体系中各因素的相对重要程度做出比较。通过对判断矩阵的调整、判断和求解，得出满足一致性的判断矩阵。在由判断矩阵求权重时常用的有四种方法：最大特征根法，加权平方和法、近似计算权重的方法，还有来自信息论的熵技术。本文为利用软件MATLAB，采用了最大特征跟法。归一化特征向量，即可得出属性指标的具体权重值。 4 决策时的几个假设 （1）每个属性的边际价值是线形的(优劣与属性值大小成比例)，每两个属性都是相互价值独立的。即住房指标体系下各属性值的大小反映了各成员在该属性下的相对优劣程度，而指标间又是相互独立的，防止一个事实在两个指标中衡量的情况。 （2）属性间的完全可补偿性：方案的某属性无论多差都可与用其它属性来补偿，即在住房各指标体系中，成员的综合得分体现的排序结果是他们各自在各个属性下优劣互补的最终结果。 （3）假设住房分配选择的指标、计算各属性值时采取的量化方法及确定指标的相对重要程度都具有权威性，各成员对此没有异议。 5 方案的产生 根据各成员归一化的属性值和各指标的权重，利用简单加权和法求得各个成员的综合得分，达到排序的目的。 决策实例 某院校现行住房分配方案采用“分档次加积分”的方法，其原则是：“按职级分档次，同档次的按任职时间先后排队分配住房，任职相同时再考虑其他条件(如工龄、爱人情况、职称、年龄大小等)适当加分，从高分到低分依次排队”。我们认为这种分配方案仍存在不合理性，例如，同档次的排队主要由任职先后确定，任职早在前，任职晚在后，即便是高职称、高学历，或夫妻双方都在同一单位(干部或职工)，甚至有的为