基于离差最大化的多属性决策方法及matlab应用.docxVIP

基于离差最大化的多属性决策方法及matlab应用 若所有方案在属性uj下的属性值差异越小，则说明属性对方案决策所起的作用越小；反之越重要。从对方案进行排序的角度考虑，方案属性值偏差越大的属性应该赋予较大的权重。 对于属性uj，用表示方案与其他所有方案的离差，则可定义为， 令 表示对uj属性而言，所有方案与其他方案的总离差。构造目标函数，是的总离差最大， 解最优化模型，利用拉格朗日函数 求偏导数， 求解并归一化处理 （公式a） 步骤1 对于多属性决策问题，构造决策矩阵A，并利用适当方法规范化处理R。 步骤2 利用（公式a）计算最优权重向量。 步骤3计算方案xi的综合属性值。 步骤4 对方案进行排序。 实例： 有一规范化后的决策矩阵R，如下表所示， u1 u2 u3 u4 u5 u6 x1 0.984 0.755 0.744 0.6 0.373 0.412 x2 0.984 0.958 0.857 0.636 0.568 0.480 x3 0.844 0.886 0.707 0.58 0.385 0.508 x4 0.984 1 0.990 0.515 0.802 0.678 x5 0.934 0.8 0.795 0.683 0.322 1 x6 0.738 0.84 0.636 0.618 0.336 0.644 x7 1 0.877 0.946 0.618 1 0.559 x8 0.984 0.938 1 0.457 0.631 0.322 x9 0.738 0.41 0.274 1 0.085 0.61 x10 0.847 0.984 0.885 0.629 0.892 0.532 步骤1：利用（公式a）计算最优权重向量。 omiga = 0.0953 0.1456 0.1944 0.1169 0.2820 0.1658 步骤2：利用公式计算方案xi的综合属性值。 Z=[0.5920 0.7140 0.6075 0.8306 0.6965 0.5900 0.8538 0.7095 0.4253 0.8093] 可以看到方案7为最佳。 程序如下： clear;clc; A=[0.984 0.755 0.744 0.6 0.373 0.412 0.984 0.958 0.857 0.636 0.568 0.480 0.844 0.886 0.707 0.58 0.385 0.508 0.984 1 0.990 0.515 0.802 0.678 0.934 0.8 0.795 0.683 0.322 1 0.738 0.84 0.636 0.618 0.336 0.644 1 0.877 0.946 0.618 1 0.559 0.984 0.938 1 0.457 0.631 0.322 0.738 0.41 0.274 1 0.085 0.61 0.847 0.984 0.885 0.629 0.892 0.532] m=6 n=10 temp1=0 temp2=0 temp3=0 temp4=0 temp5=0 temp6=0 temp7=0 temp8=0 temp9=0 temp10=0 for i=1:n temp1=abs(A(1,:)-A(i,:))+temp1 temp2=abs(A(2,:)-A(i,:))+temp2 temp3=abs(A(3,:)-A(i,:))+temp3 temp4=abs(A(4,:)-A(i,:))+temp4 temp5=abs(A(5,:)-A(i,:))+temp5 temp6=abs(A(6,:)-A(i,:))+temp6 temp7=abs(A(7,:)-A(i,:))+temp7 temp8=abs(A(8,:)-A(i,:))+temp8 temp9=abs(A(9,:)-A(i,:))+temp9 temp10=abs(A(10,:)-A(i,:))+temp10 end temp=[temp1 temp2 temp3 temp4 temp5 temp6 temp7 temp8 temp9 temp10] temp=reshape(temp,6,10) omiga=sum(temp)/sum(sum(temp)) Z=A*o