原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
三、多属性决策 变换后的属性值与原属性值之间的函数图形为一般梯形。例如，设研究生院的生师比最佳区间为[5,6], =2, =12，则函数图像如下图所示。 三、多属性决策 4. 向量规范化 无论成本型属性还是效益型属性，向量规范化均用下式进行变换 这种变换也是线性的，但是它与前面介绍的几种变换不同，从变换后属性值的大小上无法分辨属性值的优劣。它的最大特点是，规范化后，各方案的同一属性值的平方和为1，因此常用于计算各方案与某种虚拟方案（如理想点或负理想点）的欧氏距离的场合。 三、多属性决策 5. 原始数据的统计处理 有些时候某个目标的各方案属性值往往相差极大，或者由于某种特殊原因只有某个方案特别突出。如果按一般方法对这些数据进行预处理，该属性在评价中的作用将被不适当地夸大。例如表9.3所示的评估问题，方案5的第一个属性值远大于其他方案，若不作适当处理，会使整个评估结果发生严重扭曲。为此可以采用类似于评分法的统计平均方法。具体的做法有多种方式，其中之一是设定一个百分制平均值M，将方案集X中各方案该属性的均值定位于M，再用下式进行变换： 三、多属性决策 其中， 是各方案属性j的均值，m为方案个数，M的取值可在0.5-0.75之间。上式有多种变形, 例如： 其中， 为方案集X中各方案关于指标j的属性值的均方差，当高端均方差大于2.5 时变换后的值均为1.00。该变换的结果与专家打分的结果比较吻合。 三、多属性决策 6. 专家打分数据的预处理 有时某些性能指标很难或根本不能用适当的统计数据来衡量其优劣。通常要请若干个同行专家对被评价对象按指标打分，再用各专家打分的平均值作为相应指标的属性并据此确定被评价对象的优劣。假设被邀请的各位专家在评价中理应发挥同样的作用；但是，对同一批被评价对象的同一指标，由于不同专家的打分习惯不同，所给分值所在区间往往会有很大差别。比如，专家甲的打分范围在50~95之间，而专家乙的打分范围在75~90之间。如果不对专家所打出的原始分值进行处理直接计算平均值，则专家甲在评价中所起的实际作用将是专家乙的3倍。为了使各位专家的意见在评价中起同样重要的作用，应该把所有专家的打分值规范化到相同的分值区间[M0,M*]。M和M*的选值不同对评价结果并无影响，只要所有专家的打分值都规范到该区间就行。具体算法为： 三、多属性决策 方案筛选 1. 选优法 选优法(Dominance)又称优势法，是利用非劣解的概念（亦即优势原则）去淘汰一批劣解：若方案集X中方案xi与方案xk相比时，方案xi至少有一个属性值严格优于方案xk，而且方案xi的其余所有属性值均不劣于方案xk，则称方案xi比方案xk占优势，或称方案xk与方案xi相比处于劣势；处于劣势的方案xk可以从方案集X中删除。在从大批方案中选取少量方案时，可以用选优法淘汰掉全部劣解。 三、多属性决策 2. 满意值法 满意值法(Conjunctive)又称逻辑乘法（即与门）。不失一般性，设各属性均为效益型。这种方法对每个属性都提供一个能够被接受的最低值，称为切除值，记作yj0 (j=1,…,n），只有当方案xi
文档评论（0）