多目标预测与决策分析教材(PPT).ppt

目的规划法 目的规划法是求解无限个方案多目标决策问题的一种常用方法，早在60年代由Charnes和Cooper等人提出，70年代引起人们的普遍重视，在许多领域有广泛的应用，并取得了显著的经济效果。 目标规划法是在线性规划的基础上发展起来的，既保持了线性规划易于计算的特点，也克服了线性规划只能解决单一目标优化问题的局限性。它是解决与协调各种约束条件和目标之间重要程度不同的多目标决策问题的一个有效工具。 目标规划法基本含义是，求一组非负变量，在满足一定的线性约束（资源约束）与多个线形目标约束条件下，实现计划管理目标与实际可能完成的目标之间的偏差总和为最小。 * 层次分析法的基本步骤 建立层次结构模型。在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。最上层为目标层，通常只有1个因素，最下层通常为方案或对象层，中间可以有一个或几个层次，通常为准则或指标层。当准则过多时(譬如多于9个)应进一步分解出子准则层。 构造成对比较阵。从层次结构模型的第2层开始，对于从属于(或影响)上一层每个因素的同一层诸因素，用成对比较法和1—9比较尺度构追成对比较阵，直到最下层。 计算权向量并做一致性检验。对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量(归一化后)即为权向量：若不通过，需重新构追成对比较阵。 计算组合权向量并做组合一致性检验。计算最下层对目标的组合权向量，并根据公式做组合一致性检验，若检验通过，则可按照组合权向量表示的结果进行决策，否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。 * 逼近于理想解的排序方法 逼近于理想解的排序方法是借助于一多目标决策问题的“理想解”和“负理想解”去对行动方案进行排序。 所谓“理想解”是一设想的最好的解（方案），它的各个属性值都达到各候选方案中的最好值；而“负理想解”是另外一设想的最坏的解（方案），它的各个属性值都达到各个候选方案中的最差值。 虽然在原有的方案集中一般并没有这种理想解和负理想解，但是当我们把每个实际的解和理想解以及负理想解作比较，如果其中有一个解最靠近理想解而又最远离负理想解，那么这个解应当是方案集中最好的解。 用这种方法可以把方案集中的所有方案排队。 * * TOPSIS （Technique for Order Preference by Similarity to an Ideal Solution ）法是C.L.Hwang和K.Yoon于1981年首次提出，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。TOPSIS法是一种逼近于理想解的排序法，该方法只要求各效用函数具有单调递增（或递减）性就行。TOPSIS法是多目标决策分析中一种常用的有效方法，又称为优劣解距离法。 逼近于理想解的排序方法 * 逼近于理想解的排序方法 使用这种方法时，还需要在目标空间中定义一个测度去测量某个解靠近理想解和远离负理想解的程度。 此外，还常常会出现另外的情况，即某个方案距理想解虽最近，但距离负理想解却不是最远的，比如图14-3中x7和x4比较，x7距理想解x+是最近的，但距负理想解x-却并不是最远的，比如与x4相比较。因此难于判断x4和x7哪一个更好些。 为此，我们需要综合一个解距理想解的接近程度和距负理想解的远离程度来判断一个解的优劣，定义另一个测度称为解对理想解和负理想解的相对接近度。 * 逼近于理想解的排序方法 * 逼近于理想解的排序方法 * 算法步骤 * 算法步骤 * 算法步骤 * 算法举例 * 算法举例 * 算法举例 * 算法举例 * 算法举例 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 基于估计相对位置的方案排队法 * 算法举例 * 算法举例 * 算法举例 * 算法举例 * 算法举例 * 无限个方案的多目标决策 * 无限个方案的多目标决策 * 无限个方案的多目标决策 * 无限个方案的多目标决策 事先宣布偏好的方法有目的规划法等。这类方法的主要缺点是决策人往往难于提供所需要的偏好信息。但得到偏好信息后，优化是相当容易的。 逐步宣布偏好信息的方法一般是在优化的过程中，由决策人逐步宣布偏好信息的，这类方法常常包含决策人和分析人（或计算机）之间的对话。求解一个与原多目标决策问题有某种联系的纯量优化