《第三讲多属性决策分析》.pptVIP

4）求A的最大特征值 ③几何平均法。对于一个一致的判断矩阵，按行求几何平均值得到的向量是和权重向量成固定比例的，归一化后就是近似的权重向量。 1）将矩阵A按行求几何平均值： 2）对向量 归一化，令 所得 即为A的特征向量的近似值，也就是权重。 3）按 求最大特征值。 3.2 一致性检验 3.3 判断矩阵的构造 1－9标度法则 得到判断矩阵后的第一步是要进行一致性检验，只有通过检验，计算的权向量才有价值。 详细内容参考教材p166－p180 案例 4、最小加权法 又称最小二乘法，是Chu等人提出的，它涉及线性代数方程组解集，而且从概念上比Saaty的特征向量法更容易理解。 注意：本方法同样要求判断矩阵的一致性。 5、信息熵法 信息熵法是一个客观的赋权法，根据决策矩阵所具有的信息量来赋权。熵是信息论中测定一个系统不确定性的量。信息量越大，不确定性就越少，熵就越少。反之，信息量越小，不确定性越大，熵也越大。 如果某一个属性（准则）的值对所有的方案都差不多，那么这个属性对于决策来讲作用就不大，即便是这个属性很重要。如何测定这种效应呢？ 在信息学中，熵是不确定性的一个指标，用概率分布来表示，它认为一个广泛的分布比具有明显峰值的分布表示更不确定。Shannon给出的表达方法如下： 其中k是正的常数。当所有的Pi都相等时，即Pi=1/n，熵值最大。指标值的差异越小，对方案的评价作用越低，权重应该减小。 分别计算每个属性的熵、差异系数和标准化权重： 可见，X5的权重最大，X3的权重最小。 多属性多指标综合评价特点 指标间的不可公度性，指标之间没有统一量纲，难以用同一标准进行评价； 指标之间可能存在一定的矛盾性，某一方案提高了这个指标，却可能损害另一指标。 上述问题即为多属性决策方法研究的问题。 基本概念 由多个相互联系、相互依存的评价指标，按照一定层次结构组合而成，具有特定评价功能的有机整体，称为多属性决策的指标体系。 准备工作和方法 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 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。 决策矩阵(属性矩阵、属性值表) 例: 学校扩建 例: 学校扩建 研究生院试评估的部分原始数据 指标Xj 替代方案Ai 期望利润(万元) 产品成品率（%） 市场占有率（%） （万元）投资费用 产品外观 自行设计（A1） 650 95 30 110 美 观 国外引进（A2） 730 97 35 180 比较美观 改 建（A3） 520 92 25 50 美 观 投资决策 数据预处理 （1）属性值有多种类型。 有些指标的属性值越大越好，如科研成果数、科研经费等是效益型； 有些指标的值越小越好，称作成本型。 另有一些指标的属性值既非效益型又非成本型。 例如研究生院的生师比，一个指导教师指导4至6名研究生既可保证教师满工作量， 也能使导师有充分的科研时间和对研究生的指导时间，生师比值过高，学生的培养质量难以保证；比值过低；教师的工作量不饱满。 （2）非量纲化 多目标评估的困难之一是指标间不可公度，即在属性值表中的每一列数具有不同的单位(量纲)。即使对同一属性，采用不同的计量单位，表中的数值也就不同。 在用各种多目标评估方法进行评价时，需要排除量纲的选用对评估结果的影响，这就是非量纲化，亦即设法消去(而不是简单删去)量纲，仅用数值的大小来反映属性值的优劣。 （3）归一化 原属性值表中不同指标的属性值的数值大小差别很大，如总经费即使以万元为单位，其数量级往往在千、万间，而生均在学期间发表的论文、专著的数量、生均获奖成果的数量级在个位或小数之间。