多属性决策分析1.pptVIP

第七章 多属性决策分析 决策指标的标准化 决策指标权重的确定 加权和法 加权积法 Topsis法 Electre 法（不讲） Promethee法（不讲） 第一节 多属性决策的准备工作 多属性决策的准备工作包括：决策问题的描述、相关信息的采集（即形成决策矩阵）、决策数据的预处理和方案的初选（或称为筛选）。 一、决策矩阵 经过对决策问题的描述（包括设立多属性指标体系）、各指标的数据采集，形成可以规范化分析的多属性决策矩阵。(困难，列方程和解方程的关系，理论和实践之间的关系) 设有n个决策指标fi（1≤j≤n），m个备选方案ai 1≤i≤m），m个方案n个指标构成的矩阵 X=(xij)m×n 称为决策矩阵。决策矩阵是规范性分析的基础。 决策指标分两类：效益型（正向）指标，数值越大越优；成本型指标（逆向指标），数值越小越优。 第二节 多属性决策方法 改进的理想解法（P216） 改进的理想解法增加了客观赋权的步骤。 原理是先确定权重，使所有方案点到理想解点的距离之和最小，然后再按普通理想解法进行方案排序。 思考：这种方式确定的权重会有什么特点？和信息熵客观赋权法有什么区别？其经济（物理）意义？ TOPSIS法用的是欧几里德距离，还有一种距离叫做街区距离，如图。 1、标准水平法 由于多属性决策时，属性间具有不可替代性，决策人对部分或全部属性可能设定标准水平要求。有两种方式： 1）联合法 决策者设立了必须接受的最小属性值（标准等级），任何不满足最小属性值的方案都被否定，这种方法叫联合法。 关键点在于标准等级（也叫阈值）的设定，要适当。 如：考研单科设限、招收新员工、评定职称 2）分离法 分离法评价方案是建立在最大的一个属性值上，达到标准的方案就接受。 如：高考特招生、选拔足球运动员（在防守、速度特长） 特点： 属性间不可补偿 在实践中被大量应用 可以保证任何在某方面特别差的个体或方案不被选入 只需分出接受或不接受 特点： 在实践中被大量应用 可以保证所有个体或方案在某方面有特长 2、字典法 本方法类似查字典。 对于一些决策情形下，单个的属性在决策中的作用很显著，甚至在最重要的属性上就可以进行决策。在最重要属性上，如果某个方案对于其他方案有较高的属性值，该方案就被选择，决策结束；如果在最重要的属性上不能区分优劣，就以第二重要的属性来进行比较；这个过程可以进行进行，直到一个方案被选中或所有的属性都被考虑过。 如：高校招生，按高考成绩排序，同样成绩者，优秀三好生优先。 特点： 本方法需要对属性的重要性排序 有可能漏掉更好的方案，如对高考的批评。 可能的改进是不会因为属性值略高一点就被认为更好。 3、简单线性加权法P212 是一种最常用的多属性决策方法。方法是先确定各决策指标的权重，再对决策矩阵进行标准化处理，求出各方案的线性加权均值，以次作为各方案排序的判据。 注意：标准化时，要把所有指标属性正向化。 步骤： 1）用适当的方法确定各属性的权重，设权重向量为 3）求出各方案线性加权指标值 4）选择线性加权指标值最大者为最满意方案 例7－4 P212 注意： 1）简单线性加权法潜在的假设是各属性在偏好上独立，即单个属性值对于整体评价的影响与其他属性值相互独立。如篮球运动员身高和体重不是相互独立的。 2）权重设定的不可靠。如一个权重是0.1，另一个是0.4，多达4倍的关系，是否真正合理？ 3）假设多个属性的效用可以分解成单个属性的效用。如篮球运动员身高和体重需要相匹配。 4）但是理论推导、仿真计算和经验判断都表明，简单加权法与复杂的非线性形式产生的结果很相似，而前者有简单多的理解和使用特点，因此得到普遍的应用。 4、理想解法（TOPSIS法）P213 由Yoon和Hwang开发，又称逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution） 这种方法通过构造多属性问题的理想解和负理想解，以方案靠近理想解和远离负理想解两个基准作为方案排序的准则，来选择最满意方案。 理想解：就是设想各指标属性都达到最满意值的解； 负理想解：就是设想各指标属性都达到最不满意值的解。 理想解和负理想解一般都是虚拟的方案 可以将m各方案n个属性的多属性决策问题视作在n维空间中的m个点构成的几何系统中进行处理，此时所有的方案都看成该系统的解。 为了直观起见，用两个属性的决策空间： 图中A*为理想解，A－为负理想解 各方案接近理想解和远离负理想解的测度：贴近度。 贴近度涉及到理想解的距离和到负理想解的距离。 TOPSIS决策的步骤 例7－5 P215 * * 指标Xj