第03讲随机决策理论与方法-2.ppt

决策理论与方法 ——随机决策理论与方法(2) 合肥工业大学管理学院 * 随机决策理论与方法 1、主观概率 2、效用函数 3、决策准则 4、贝叶斯决策分析 5、多属性决策分析 6、多目标决策分析 7、序贯决策分析 多属性决策分析—多目标决策 什么是多目标决策问题？(例如购买衣服时，款式、价格、颜色、质量等可能都是决策目标)。多目标决策问题的特点： 决策问题的目标多于一个； 多个目标间不可公度(non-commensurable)，即各目标没有统一的衡量标准，难以比较； 各目标之间存在矛盾。 一般将决策变量离散、决策方案有限的多目标决策问题称为多属性(Multi-attribute)决策问题；而将决策变量连续、有无限决策方案的多目标决策问题称为多目标(Multi-objective)决策问题。两者又可以统称为多准则(Multi-criterion)决策问题。 多属性决策分析—相关术语 属性(Attribute)：备选方案的特征、品质或性能参数 (如描述服装的款式、颜色、布料、质量、价格) ，也称为指标。 指标体系(Index Systems)：一系列互相联系、互相补充的指标所组成的统一整体。指标体系往往由多层组成(习惯上称为一级指标、二级指标等)，层次结构分为树状结构和网状结构，其中以树状结构最常用。 多属性决策分析—相关术语 目标(Objective)：决策人的愿望或决策人所希望达到的、努力的方向(如物美价廉)。在多目标决策中，目标是求极值的对象，是需要优化的函数式。 目的(Goal)：在特定时间、空间状态下，决策人的期望，是目标的具体数值表现。目标和目的常混用。 准则(Criterion)：判断的标准或度量事物价值的原则及检验事物合意性的规则，兼指属性和目标。 多属性决策分析—求解过程 多属性决策分析—目标与属性 在多目标决策中，决策目标常用目标集、目标递阶分层结构以及属性集描述； 目标递阶分层结构的最下层目标要用一个或多个属性来描述；不同的方案对应的各属性值存在差异，也就导致目标实现的差异，因此可借此来评价方案的优劣； 替代属性：某些目标无法用属性值直接度量时，需要使用替代属性对目标进行度量。如师资队伍的质量可以用学历结构、职称结构、专业结构、科研能力等替代属性来衡量。(寻找“替代属性/替代变量”在科学研究中是非常重要的) 多属性决策分析—目标与属性 属性选择的要求： 每个属性是可测和可理解的； 属性集是最小完备集：既要能够描述决策问题的所有(重要)方面，又不能有冗余； 属性的测量值是可运算的； 属性集内的各属性相互独立、可分解。 但在实际决策中，上述要求很难达到，这也正是我们开展决策理论与方法研究的动力源。 多属性决策分析—目标与属性 例：某流域水资源项目建设目标(指标体系)及属性 多属性决策分析—问题的符号表示 MA=X, A, Θ, V, ?, f X表示方案集，X={x1, x2, …, xm} A表示属性集，A={a1,a2,…,an} Θ表示状态集，Θ={?1, ?2, …, ?k} V表示值集，所有可能取值的集合 ?:Θ→V，分布函数，确定各状态发生的可能性 f:X×A→V，目标函数，确定各方案对应的属性值 多属性决策分析—问题的符号表示 例：给定自然状态的多属性决策问题 多属性决策分析—属性值预处理 剩下的问题是我们如何评价方案的优劣。 属性值预处理的目标是规范化各属性值，使其能够真正体现方案优劣的实际价值。 属性值类型： 效益型指标：属性值越大越好； 成本型指标：属性值越小越好； 中性指标：属性值取某一个恰当的值最优，过大、过小都不合适。 多属性决策分析—属性值预处理 预处理主要有两项任务： 非量纲化：通过某种方法消除量纲的选用对决策或评价结果的影响。 归一化：不同属性的属性值取值范围存在很大差别，为了真实反映各属性值的价值，需要将属性值统一变换到[0,1]区间上以消除属性取值范围的差异对决策或评价结果的影响。 多属性决策分析—属性值预处理 设fi(a)为方案i的a属性值，记fmax=max(fi(a))， fmin=min(fi(a)) 线性变换 效益型。变换z:fi(a)→zi(a)定义为：zi(a)=fi(a)/fmax； 成本型。变换z:fi(a)→zi(a)定义为：zi(a)=1-fi(a)/fmax； 或者变换z:fi(a)→zi(a)定义为：zi(a)=fmin/fi(a)。 标准0-1变换 效益型。 zi(a)= (fi(a)-fmin)/(fmax-fmin)； 成本型。 zi(a)= (fmax-fi(a))/(fmax-fmin)。 向量规范化：zi(a)=fi(a)/(?ifin(a))1/n(n可以取1或2)。 多属性决策分析—