網络分析法.docVIP

网络分析法（Analysis Network Process Method）简介 1996年Saaty教授在层次分析法（AHP）的基础上提出了网络分析法（Analysis Network Process Method ，ANP）。ANP方法的基本理论与AHP法相同，不同的是模型结构，ANP法中引入超矩阵的概念，采用这种方法，所有网络结构中的元素均能够对结论产生影响，最终结果不仅被备选方案的权重影响，也被备选方案所属元素集影响，可以通过反馈更好的反映现实生活。 ANP法的基本结构 与AHP法自上而下的层次结构不同，ANP法的网络结构中的连接没有固定方向，它既包括元素集之间的循环连接，也包括元素集对自身的反馈连接，这种网络结构往往能够较好的反映现实社会的问题，并且采用这种将问题细化结构、简单计算的方法远比采用简单划分结构、复杂计算过程的方法得到结果更令人满意。 网络分析法模型将系统分为控制层和网络层两个部分，控制层包括决策问题的目标和决策准则，至少应存在一个目标，但决策的准则可以没有，网络层由元素组组成，这些元素组受到控制层的支配，元素组间以及内部元素之间相互依存、相互影响，形成了网络结构。典型的ANP模型如图所示： 网络分析法的基本步骤： 分析问题 对决策问题进行分析，形成元素集，分析元素层次是否内部独立，是否存在依存和反馈，分析方法类同于AHP方法，可采用会议法、专家填表等形式进行。 构造ANP的典型结构 首先构造控制层，界定决策目标和准则，再构造网络层次，分析每一个元素集的网络结构和相互影响关系，元素集间关系确定后即可构建相应的ANP网络，基本实际问题中都是既有内部依存又有循环的ANP网络层次。 构造ANP的超矩阵计算权重 网络分析法中的1-9标度法 标度 定义与说明 1 两元素对某个属性具有同样重要性 3 两元素比较、一元素比另一元素稍微重要 5 两元素比较，一元素比另一元素明显重要 7 两元素比较，一元素比另一元素重要得多 9 两元素比较，一元素比另一元素极端重要 2、4、6、8 接于上述两个相邻等级之间的标度 几种常用的多目标决策方法 VAGUE方法 Vague方法由Cau和Buehrer提出，其本质是模糊集理论的一种推广形式。Vague集由真、假隶属函数定义，体现了元素对模糊概念的属于与不属于程度，较传统的模糊集理论有更强的表达不确定性的能力，且更具灵活性。目前Vague理论已经成功运用于模糊控制、模式识别、决策分析和专家系统领域，应用效果优于传统模糊集理论。 定义：假设论域，上Vague集由真隶属函数和假隶属函数描述，，其中是由支持的证据所导出的肯定隶属度的下界，是由反对的证据所导出的否定隶属度的下界，且。元素在Vague集中的隶属度被区间的一个子区间所界定，称为该区间为在中的Vague值，记为。 对Vague集，当离散时，记为： 当连续时，记为： ，称为相对于Vague集的Vague度，刻画了相对于Vague集的踌躇程度，是相对于的未知信息的一种度量。值越大，说明相对于的未知信息越多，显然。可知，相对于的隶属情况应具有三维表示。 对Vague集的解释例如，设，则，，，此时可解释为，元素属于的程度为0.6，不属于的程度是0.3，对的踌躇程度是0.1.用投票模型解释为，赞成6票，反对3票，弃权1票。 Vague集将的隶属度限制在区间[0,1]中的一个子区间内，如果，Vague集退化为模糊集，如果和同时为0或1，Vague集退化为经典集合。 模糊决策 模糊决策中常用的模糊数类型为三角模糊数。若，其中，则称为一个三角模糊数，其特征函数（隶属函数）可表示为： 式中：和分别为所支撑的上届和下届，为的中值。 三角模糊数具有如下的运算法则： 假设和为两个任意的三角模糊数，为任意的正实数，则有： （1） （2） （3） （4） 三角数比较的可能度公式 假设和为两个任意的三角模糊数，则称： 为的可能度，其中。 这里，值的选择取决于决策者的风险态度，当时，称决策者是追求风险的，当时，决策者是风险中立的，当时，称决策者是厌恶风险的。特别当时，称为的悲观可能度，当时，称为的乐观可能度。 定理1：若和为两个三角模糊数，则： （1） （2）若，则 （3）若，则 （4），特别是 若个三角模糊数两两进行比较，由上述定理1可知，得到的可能度矩阵是模糊互补判断矩阵。 熵权法 层次分析法和网络分析法确定权重实质上基本都是一种主观赋权法，它需要决策者对指标的重要性进行两两比较，主观性较强。为在考虑专家意见的基础上使权重更加客观，可引入熵权的概念。熵在信息理论中作为不确定性和信息量的度量，完全利用原始指标数据信息，以指标值之间的差异大小反映指标的“信息价值”来确定权重。熵权法具体过程如下： 在有个评价指标，