9多属性决策.ppt

9 多属性决策 9.1 决策矩阵 9.2 方案筛选 9.3 数据预处理 9.4 权与目标层次结构 9.5 加权和法 9.6 加权积法 9.1 决策矩阵 例1:买车 表9.3 研究生院试评估部分数据 9.2 方案筛选 1. 选优法 选优法的例子:买车 2. 满意值法 满意值法例子:买车 3. 逻辑和法 逻辑和法例子:买车 小结:方案筛选 9.3 数据预处理 1. 线性变换 1. 线性变换 1. 线性变换 2. 标准0-1变换 2. 标准0-1变换 3. 最优值为给定区间时变换 3. 最优值为给定区间时变换 4. 向量规范化 5. 原始数据的统计处理 5. 原始数据的统计处理 5. 原始数据的统计处理 表9.3之属性1用不同方法处理结果比较 6. 专家打分数据的预处理 6. 专家打分数据的预处理 9.4 权与目标层次结构 权(weight)： 多目标决策问题的特点，也是求解的难点在于目标间的矛盾性和各目标的属性值不可公度，求解多属性决策问题同样需要解决这两个难点。 其中不可公度性可通过属性矩阵的规范化得到部分解决， 但这些规范化方法无法反映目标的重要性。 解决各目标之间的矛盾性靠的是引入权（Weight）这一概念。权是目标重要性的度量，即衡量目标重要性的手段。 权(weight) 目标层次结构 1．树状结构 2．网状结构 9.5 加权和法 一般加权和法求解步骤: 例1: 用加权和法求解例9.2 例2: 用加权和法求解例9.2 1. 一般加权和法 2. 字典序法 9.6 加权积法 例:可持续发展评价指标体系 加权积法1:可持续发展评价 加权积法2:可持续发展评价 加权积与加权和法的对比 加权积法的特点: 加权积法对综合评价指数普遍偏小的处理方法： 3. 加权积法属性值表的规范化 权这一概念包含并反映下列几重因素： ①决策人对目标的重视程度； ②各目标属性值的差异程度； ③各目标属性值的可靠程度。 权应当综合反映三种因素的作用，而且通过权，可以通过各种方法将多目标决策问题化为单目标问题求解。 比较复杂的多属性决策问题的目标往往具有层次结构。根据不同层次的目标间的关系，可以把多层次的目标体系分成两类。 一种是树状结构，如图9.2(a)所示，其中较低层次的目标只与上一层各目标中的一个相关联。 另一种是网状结构，如图9.2(b)所示，其中较低层次的某些目标与上一层次的一个以上的目标相关。 对于树状结构的目标体系，只要自上而下，即由树干向树梢，求树杈各枝相对于树杈的权，使 ,直到最低层目标相对上一层次目标的各组权全部设定为止。 在求出上述各组权后，只要将上一层次目标的权与该目标相关的下一层目标的权相乘即得下一层目标关于总目标的权， 采用加权和法的关键在于确定指标体系并设定各最低层指标的权系数：有了指标体系就可以设法利用统计数据或专家打分给出属性值表；有了权系数，具体的计算和排序就十分简单了。 正因为此，以往的各种实际评估过程中总要把相当大的精力和时间用在确定指标体系和设定权上。 对例9.2中的属性值表9.3，其中属性2用式（9.5）进行数据预处理（见表9.6之第2列）,其他属性用线性变换作数据预处理（见表9.4之前三列）； 设决策人设定的各属性权重分别为0.2,0.3,0.4,0.1； 方案集X中各方案的排序为： 。 若用式(9.7)对属性1作处理; 设决策人设定的各属性权重分别为0.2,0.3,0.4,0.1 方案集X中各方案的排序为：x1x2x4x3x5 加权和法常常被人们不适当地使用，这是因为许多人并不清楚：使用加权和法意味着承认如下假设： ① 指标体系为树状结构，即每个下级指标只与一个上级指标相关联； ② 每个属性的边际价值是线性的(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； ③ 属性间的完全可补偿性：一个方案的某属性无论多差都可用其他属性来补偿。 字典序法是在 w1?w2 ?… ?wn （符号?表示远远大于）时的加权和法，即某个目标特别重要,它与重要性处于第二位的目标相比重要得多；重要性处于第二位的目标 又比重要性处于第三位的目标重要得多，……。 实质上，字典序法是单目标决策, 首先只根据最重要目标的属性值的优劣来判断方案集X中各方案的优劣；只有当两个或多个方案的最重要目标的属性值相同时，再比较它们的第二重要的目标的属性值；如此继续，直到排定所有方案的优劣次序为止。 在用一般加权和法及层次分析法求解多属性决策问题时，都隐含了各目标的属性值之间的可补偿性，而且这种补偿是线性的。 而事实上，许多决策问题中的属性值之间是不可补偿的，即使在一定范围内可以补偿，这种补偿也是非线性的。 * * 设一个多属性决策问题记作MA，可供选择的方案集为 X={x1,…,