基于支持向量机装备技术方案多属性决策.docVIP

基于支持向量机装备技术方案多属性决策 　　(1?惫?防科技大学 人文与社会科学学院，湖南 长沙 410074; 2?惫?防科技大学 信息系统与管理学院，湖南 长沙 410073) 　　 　　摘 要：在装备技术方案选择中，为获取和表达决策者的偏好，实现对方案的选择，提出了基于支持向量机的多属性决策方法。首先，分析了多属性决策支持向量机方法的原理。其次，提出了基于属性效用函数估计的学习样本构造方法，从决策问题本身抽取学习样本。最后给出了一个算例。 　　关键词：技术经济；多属性决策；支持向量机；技术方案 　　中图分类号：C934 文章标识码：A 文章编号：1007-3221(2007)02-0029-05[HK] 　　 　　Weapon Technical Scheme Multiple Attribute Decision Making 　　Based on Support Vector Machine 　　 　　GAO Feng??1, WANG Qiang??2[JZ)] 　　[HK41](School of Humanity and Social Science, National University of Defense Technology, Changsha 410074, China) 　　 　　Abstract:In weapon technical scheme selection, in order to capture and represent the decision makers preferences and then to select the most desirable alternative, a method for solving multiple attribute decision making (MADM) problems is proposed based on support vector machine (SVM). Firstly, the principle of MADM based on SVM is discussed. Secondly, to extract learning samples from the MADM problem, an approach to estimating the utility functions for attributes is presented. Finally, an example is used to illustrate the proposed method. 　　Key words:technology economics; multiple attribute decision making; support vector machine; technical scheme 　　 　　0 引言 　　 　　建设项目技术方案的评价是技术经济学的核心研究范畴。现有的装备建设项目技术方案评价大量采用了多属性决策方法。在多属性决策问题的求解过程中，由于多属性效用函数结构复杂，在一般情况下较难设立它们的值，所以人们将多属性效用函数分解为单个属性效用函数的加性形式、乘法形式或拟加性形式［1］。然而对于复杂的实际决策问题，这些约束条件很难得到保证。基于支持向量机（Support Vector Machine, SVM）对非线性系统建模不须要事先对函数关系进行任何假设这一特性，本文提出多属性决策的SVM方法，利用SVM来估计多属性效用函数，表达决策者的偏好结构信息，实现对决策方案的排序和选择。 　　 　　基于对决策机理的认识，多属性决策??SVM方法的决策过程分为两个阶段：学习阶段和执行阶段。学习阶段的目标是获取决策者的偏好行为，建立决策模型。学习阶段由三部分组成：构造学习样本、训练和测试。学习样本反映了决策者的偏好信息。将样本集分为训练集和测试集。通过对训练集样本的学习，SVM获取决策者的偏好行为，建立决策模型。决策模型是否满足要求，则由测试集进行检验。学习阶段完成后，SVM??就像一个“黑箱”一样贮存了决策者进行多属性决策的经验、知识、主观判断及对目标重要性的看法等偏好信息和推理机制。执行阶段的目标是根据建立的决策模型对方案x??i进行选择或排序。此时，训练好的??SVM??便可再现决策者的偏好信息, 对决策问题做出合理的判断，得到决策结果。该方法能够快速地对具有大量数据的同类问题进行决策分析，是一种智能化的多属性决策方法。 　　 　　2 基于属性效用函数估计的学习样本构造 　　基于机器学习的多属性决策方法，要求事先存在学习样本，且样本具有权威性, 并能反映决策对象的整体