灰关联矩阵.PPT

多屬性決策 2.1　緒論 2.2　多屬性決策方法 2.3　多屬性決策方法之進行步驟 2.4　案例研討 2.2　多屬性決策方法 1/2 多評準決策除了多屬性決策方法，還包括多目標決策(multiple objective decision making, MODM)。 多屬性決策方法分為三大類： 無法獲得決策者的偏好資訊 可獲得決策者對環境的偏好資訊 可獲得決策者對屬性的偏好資訊 多屬性決策方法的種類： 多屬性效用理論(multiple attribute utility theory, MAUT) 灰色系統理論中之灰關聯分析法 模糊理論的模糊多屬性決策 2.2 多屬性決策方法 2/2 2.2.1灰關聯分析 2.2.2TOPSIS法 2.2.3簡單加權法 2.2.4層級加權法 2.2.5ELECTRE法 2.2.6屬性權重求算方式 2.2.1灰關聯分析 1/8 灰色系統六大類的研究方法： 灰生成 灰關聯分析 灰建模 灰色理論最主要是針對系統模型之不明確性，即資訊不完整的情況下，對系統進行探討與瞭解。灰色理論主要能對事物的不明確性、多變量輸入(multi-input)、離散的數據(discrete data)及數據的不完整性，做有效的處理 。 灰預測 灰決策 灰控制 2.2.1灰關聯分析 2/8 灰關聯分析主要是透過參數間關聯性的比較，而瞭解到參數與實際理想變數間的關聯性。由部分不明確條件中，找出所需要的訊息，進而明瞭參數間之互動關係。 主要精神構築在三大基本公理上： 差異公理：訊息的差異仍然是訊息 訊息是認知的依據：認知的非唯一性 「灰性」存在公理：訊息一定具有灰性 2.2.1灰關聯分析 3/8 灰關聯度分析決定效果測定上，有以下三種方法 效益目標之測度(上限效果之測定) 成本目標之測定(下限效果之測定) 特定目標之測度(特定中心效果之測定) 灰關聯中之灰關聯度可分為 局部性分析 整體性分析 2.2.1灰關聯分析 4/8 效益目標之測度(上限效果之測定) 目的：衡量數據偏離最大值之程度，即希望效果愈大愈好為其考慮範圍。 數學公式： (2.2) 2.2.1灰關聯分析 5/8 特定目標之測度(特定中心效果之測定) 目的：希望效果是某個特定目標為其考慮範圍。 數學公式： 2.2.1灰關聯分析 6/8 1.局部性分析 定義灰關聯度 ?0i 為：當只有一數列 x0 為參考數列，其他數列為比較數列時 (2.8) 修飾後更廣義之定量化的灰關聯度 灰關聯度 ?0i 表示 x0 數列與 x 數列關聯程度，0 ?0i ? 1 ?0i 愈趨近1 時，表示 xi 數列與 x0 數列的關聯程度愈高。 ?0i 愈趨近0 時，表示 xi 數列與 x0 數列的關聯程度愈低。 2.2.1灰關聯分析 7/8 2.整體性分析 當參考數列和被比較數列均不只一個時，灰關聯度不只一個，可以將這些灰關聯度排序，構成一方陣，稱為「灰關聯方陣」。對各個因素間作分析，此種分析稱為「整體性分析」。 建立灰關聯方陣： 假設有 m 個參考數列 M 個比較數列 2.2.1灰關聯分析 8/8 灰關聯矩陣 (2.10) 求出矩陣和特徵值及特徵向量關係。其方法為： 建立灰關聯矩陣R。 求出灰關聯矩陣R的特徵值?1,?2,?, ?m。 求出特徵向量形成的矩陣P，滿足 (2.11) 取最大之特徵值?max所對應的特徵向量 2.2.2TOPSIS法 1/5 TOPSIS法基本觀念在於先界定理想解(positive-ideal solution)與負理想解(negative-ideal solution)。 理想解是各替選方案效益面屬性之評估值最大，成本面屬性之評估值最小者。 負理想解是各替選方案效益面屬性之評估值最小，成本面屬性之評估值最大者。 2.2.2TOPSIS法 2/5 TOPSIS法進行六步驟： 計算正規化評估值 (2.12) (Xij 為第 i 方案在第 j 屬性之原始評估值。) 計算加權後正規化評估值 (2.13) (Wj 為第 j 屬性的權重值。) 2.2.