第四讲各种多属性决策方法.ppt

构造拉格朗日函数： 令 得到： 2、对方案的偏好信息为模糊互补判断矩阵的情形 设决策者根据互补标度对决策方案 进行两两 比较，并构造模糊互补判断矩阵 。 为了使决策信息一致化，利用下列转换函数把所有方案 的综合属性值转化成互补判断矩阵形式 ，其中 易知： 一般情况下，模糊互补判断矩阵 和 之间往往存在着一定的偏差，为此引入线性偏差函数 显然，为了得到合理的属性权重向量w，上述偏差值总是越小越好，为此可建立下列优化模型： 构造拉格朗日函数： 令 得到： 3、对方案的偏好信息为效用值的情形 设决策者对方案xi的偏好值以效用值θi的形式给出，θi∈[0,1],θi越接近1，决策者越偏好方案xi。这里把握规范化矩阵 中的属性值rij看成决策者在属性uj下 对方案xi的客观偏好值。 由于种种条件的制约，决策者的主观偏好与客观偏好之间往往存在着一定的差距，为了使决策具有合理性，属性权重向量w的选择应使决策者的主观偏好值与客观偏好值（属性值）的总偏差最小化。为此建立下列单目标优化模型： 解此模型，作拉格朗日函数： 求其偏导数，并令 解得： 四、基于理想点的多属性决策方法 1 决策方法 (1)由于决策方案xi越接近正理想点就越优,因此,可令方案xi与正理想点之间的加权偏差之和为 对于给定的权重向量w,ei+(w)越小则方案xi越优.于是可建立如下多目标决策模型: 由于每个方案都是公平竞争的,不存在任何偏好关系,因此可将模型(M-3.1)等权集结为如下单目标最优化模型: 2 实例分析 步骤1 虽然上述各因素均为效益型，但量纲不一致，将决策矩阵转化为规范化矩阵R，如下表所示： 一、多属性决策问题的准备工作 设可供选择的方案集为: 方案的属性集为: 决策矩阵为: 1、决策矩阵 例1学校扩建问题。设某地区现有6所学校，由于无法完全容纳该地区适龄儿童，需要扩建其中的一所。在扩建时既要满足学生就近入学的要求，又要使扩建的费用尽可能小。(至于所扩建学校的教学质量我们稍后再考虑。)经过调研，获得如下表所示的决策矩阵。 学校序号 费用/(万元) 平均就读距离/(km) 1 60 1.0 2 50 0.8 3 44 1.2 4 36 2.0 5 44 1.5 6 30 2.4 例2 研究生院评估。为了客观地评价我国研究生教育的实际状况和各研究生院的教学质量，国务院学位委员会办公室组织过一次研究生院的评估。为了取得经验，先选5所研究生院，收集有关数据资料进行了试评估。下表中所给出的是为了介绍各种数据预处理方法的需要而选的几种典型属性和经过调整了的数据。 j i 人均专著y1/(本/人) 生师比y2 科研经费y3/(万元/年) 逾期毕业率y4/(%) 1 0.1 5 5000 4.7 2 0.2 7 4000 2.2 3 0.6 10 1260 3.0 4 0.3 4 3000 3.9 5 2.8 2 284 1.2 2 数据预处理 数据预处理又称属性值的规范化，主要有三个作用： (1)属性值有多种类型。有的属性值越大越好。有的属性值越小越好，有的属性值越接近于某个值越好。因此，需要对决策矩阵中的数据进行预处理，使表中任一属性下性能越优的方案变换后的属性值越大。 (2)无量纲化。多目标间的不可公度性，要求仅用数值的大小来反映属性值的优劣。 (3)归一化。即把表中数均变换到[0,1]区间上。 数据处理的本质是要给出某个指标的属性值在决策人评价方案优劣时的实际价值。 1、线性变换 原始的决策矩阵为Y={yij} ,变换后的决策矩阵记为Z={zij},i=1,…,m,j=1,…,n。设yjmax是决策矩阵第j列中的最大值。若j为效益型属性，则 zij=yij/yjmax (1) 采用上式进行数据预处理时，经过变换的最差属性值不一定为0，最佳属性值为1。 若j为成本型属性，可以令 zij=1-yij/yjmax (2) 经过(2)变换后的最佳属性值不一定为1，最差为0。成本型属性也可以用下式进行变换： zij’=yjmin/yij