基于理想接近度的工程选材决策模型及应用.pdfVIP

材料科学 iiii 一 基于理想接近度的工程选材决策模型及应用 张天云杨瑞成陈奎 甘肃省有色金属新材料省部共建国家重点实验室，兰州市，730050 摘要将理想解法和灰色关联度评价法结合起来，建立基于理想接近度的工程选材决策模 型．以低温存储罐材料选择为例，由专家评分得到其8种评价指标的权重，分别计算10种 候选低温材料的理想接近度，进行选材决策．结果表明：全硬态301型不锈钢的理想接近度 最高，是最佳的低温存储罐材料．基于理想接近度的工程选材决策模型物理含叉更加明确， 分析问题更全面、客观，是工程选材决策的有力工具。 关键词运筹学；理想接近度；5-程材料；决策 在产品设计中，由于可用材料众多、且涉及因素复杂，因而常常难以进行选择【I一】。实现优良的产品 质量和经济效益的途径之一就是从多种可用的工程材料中，选择一种综合性能最佳的材料。在选材过程中， 以性能的硬要求为准则筛选材料后，可得到一组候选材料，选材决策就是从这组候选材料中做出最佳选择， 并给出其余材料的排序，由于这种决策涉及多个指标，因而属于多指标决策问题。 理想解法13。4’(TOPSIS)是近年发展起来的多指标决策的一种有效方法。该法综合考虑备选方案与理想 解和负理想解之间的距离(通常采用欧氏距离)关系，通过计算距离相对接近度，解决多指标决策问题p吲， 但以距离作为尺度仅能反映数据曲线之间的位置关系，在指标值相差较大的情况下。与理想解欧式距离更 近的备选方案可能与负理想解的欧式距离也更近，因而测评结果不够全面、客观。 同样，作为多指标决策的一种有效方法，灰色关联度法tv-8jfl日我国邓聚龙教授创立，该法能很好分析 数据曲线态势变化，是曲线形状相似性的衡量尺度，备选方案与理想解的灰色关联度越大，可认为该方案 越接近理想解[9--12】。但仅从数据曲线态势变化上反映方案的优劣性，测评结果同样不够全面和客观。 本文针对它们各自的缺点，将这两种方法结合起来，综合考虑数据曲线的位置关系和形状相似性，基 于理想接近度，建立工程选材决策模型，并以低温存储罐材料的选择为例，进行选材决策。 1 工程选材决策模型的建立 设对，1种经过初选后的候选材料(也称备选方案)进行决策，每种材料有p个指标，原始数据构成如 下矩阵： x’=(‘)脚 i=I，2，…，忍；J=1，2，…，P 基于理想解法能较好地体现数据曲线的位置关系，而灰色关联度又恰恰可以反映数据曲线几何形状的 相似性，将二者结合起来构造理想接近度。作为判断候选材料优劣的标准，具体步骤如下。 1．1指标正向化 如果P个指标中有逆指标(即数值越小越好)或适度指标(即某个值最好)，则利用适当方法将其转 化为正指标(即数值越大越好)。转化后的数据矩阵x为： f=1,2，…，，l：J=1,2，…，P X=(x“nxp 765 中国科协第四届优秀博士生学术年会论文集 1．2无量纲化 选用合适的方法对数据进行无量纲化，变换后的数据阵y’为： r--(g．ki=L2,…，n；j=L2,…，p 1．3构造加权数据矩阵】， 设己确定的各指标权重为砚，他，…，国，，根据公式 (1) Y盯=功』y；， i=1，2，…，，l；J『=1，2，…P 得到加权数据矩阵Y=()，{，)似p。 1．4确定理想解jr+和负理想解j，一 由于指标己正向化，可用候选材料中各指标的最大值构成Y+(理想材料)，各指标的最小值构成l，一(负 理想材料)，