《运筹学课件：策略分析与决策优化》.pptVIP

*************************************多目标决策目标规划目标规划是处理多目标决策问题的一种方法，它将多个目标转化为偏差变量的最小化问题。基本思路是设定各目标的目标值，然后最小化实际值与目标值之间的偏差。目标规划的一般形式：最小化∑wi(di++di-)约束条件：fi(x)+di--di+=gi其中，gi是第i个目标的目标值，di+和di-分别是正负偏差变量，wi是权重。层次分析法（AHP）层次分析法是一种系统化的多准则决策方法，由萨蒂(Saaty)提出。它将复杂问题分解为层次结构，通过两两比较建立判断矩阵，计算权重，最终得到各方案的综合评分。AHP的基本步骤：建立层次结构：目标层、准则层和方案层构建判断矩阵：使用1-9标度法进行两两比较计算权重：特征值法或算术平均法一致性检验：确保判断的一致性计算综合评分：自上而下合成各层权重帕累托最优与非劣解帕累托最优是多目标优化中的核心概念，指无法在不损害至少一个目标的情况下，同时改善其他目标的解。帕累托前沿是所有帕累托最优解的集合。求解多目标优化问题的方法：加权和法：将多个目标函数加权求和ε-约束法：优化一个目标，其他目标设为约束多目标进化算法：直接搜索帕累托前沿数据包络分析（DEA）DEA模型原理数据包络分析是一种基于线性规划的非参数效率评价方法，用于评估多投入多产出系统的相对效率。DEA不需要预先确定投入与产出的函数关系，而是通过比较各决策单元（DMU）的表现，构建效率前沿面。DEA的基本假设：同质性：所有DMU使用相同类型的投入，产生相同类型的产出凸性：任何两个可行生产点的加权平均也是可行的无偏性：所有DMU都是有效率的，除非有证据表明不是CCR模型是最基本的DEA模型，假设规模报酬不变。BCC模型则放宽了这一假设，考虑规模报酬可变的情况。效率评价应用DEA在效率评价领域有广泛应用，特别适用于公共部门和非营利组织的绩效评估，这些组织通常难以用单一的财务指标衡量。主要应用领域：银行分支机构效率评价医院和医疗系统绩效分析学校和教育机构的教学质量评估公共交通系统的运营效率评价企业部门间或企业间效率比较城市或区域的可持续发展评价DEA不仅能评价各DMU的相对效率，还能识别效率低下的原因和改进方向，为管理决策提供科学依据。通过设定参考集，DEA可以为非效率单元提供学习的标杆。马尔可夫链P状态转移概率矩阵描述系统从一个状态转移到另一个状态的概率n状态数量系统可能处于的不同状态总数π稳态概率向量描述系统长期运行后各状态的概率分布t时间步长系统状态更新的离散时间间隔马尔可夫链是一种描述随机过程的数学模型，其核心特性是无后效性——系统未来的状态只取决于当前状态，而与过去的历史无关。状态转移概率pij表示系统从状态i转移到状态j的概率。所有状态转移概率构成转移概率矩阵P，满足每行概率和为1。对于一个有n个状态的马尔可夫链，如果从状态i出发，可以到达任何其他状态j，则称该马尔可夫链是不可约的。对于不可约且非周期的马尔可夫链，无论初始状态如何，长期运行后系统会达到稳态分布π，满足方程πP=π。马尔可夫链广泛应用于库存管理、排队系统、可靠性分析、信息检索（如PageRank算法）、基因序列分析等领域。预测方法预测是运筹学中的重要领域，为决策提供关于未来的信息。时间序列分析是基于历史数据的规律预测未来的方法，它假设数据包含趋势、季节性、周期性和随机成分。常用的时间序列预测方法包括移动平均法、指数平滑法、ARIMA模型等。回归分析则研究变量间的关系，通过建立因变量与自变量之间的函数关系进行预测。简单线性回归仅考虑一个自变量，而多元回归考虑多个自变量的综合影响。在实际应用中，需要通过假设检验、残差分析等方法验证模型的有效性。现代预测方法还包括机器学习技术，如神经网络、支持向量机和集成学习等，它们能处理更复杂的非线性关系和大规模数据。模糊数学在决策中的应用模糊集合理论扩展了经典集合论，引入隶属度概念隶属函数表示元素属于集合的程度模糊集合运算：交、并、补模糊关系与模糊推理模糊综合评价处理多指标模糊评价问题的方法确定评价因素集和评语集构建单因素评价矩阵确定权重向量计算模糊综合评价结果2模糊控制基于模糊规则的控制系统模糊化：将精确输入转为模糊量模糊推理：应用模糊规则解模糊化：转换为精确控制量模糊决策在模糊环境下的最优决策方法模糊目标与模糊约束模糊多准则决策模糊层次分析法灰色系统理论灰色预测灰色预测模型GM(1,1)是灰色系统