不完全信息群体多属性决策的综合评价均值法
五种综合评价方法
五种综合评价方法综合评价方法是指对一些事物或现象进行全面深入的评价,并从多个角度进行综合分析。
以下是五种常见的综合评价方法。
1. 层次分析法(Analytic Hierarchy Process,简称AHP)层次分析法是一种将复杂问题分解、层级化和比较的综合评价方法。
它可以将一个问题拆分成多个层次,并在每个层次上进行判断和比较。
通过建立判断矩阵和计算权重系数,可以得到各个因素的重要性排序,从而进行综合评价。
主成分分析法是一种通过线性变换将高维数据降维到低维空间进行综合评价的方法。
它可以从多个指标中提取出少数几个最能代表数据集特征的主成分,并对这些主成分进行综合分析和判断。
主成分分析法可以帮助我们更好地理解和解释数据的结构和变化。
3. 熵权法(Entropy Weight Method)熵权法是一种基于信息熵的综合评价方法。
它通过计算每个评价指标的信息熵值以及各个指标的权重系数来进行综合评价。
熵权法可以有效地处理评价指标之间的相关性问题,并对指标进行合理的权重分配,确保评价结果更加准确和可靠。
4.灰色关联度分析法灰色关联度分析法是一种基于灰色关联度理论的综合评价方法。
它通过计算样本序列与参照序列之间的关联度,来描述两个序列之间的接近程度和相似性。
灰色关联度分析法可以用于对复杂的多指标问题进行综合评价,并找出最具代表性的综合指标。
5.实证研究方法实证研究方法是一种基于实证数据的综合评价方法。
它通过收集和分析实际数据,使用统计分析、回归分析等方法来评估事物或现象的性质和效果。
实证研究方法可以提供客观的事实依据,并帮助我们进行科学的综合评价。
这些综合评价方法各有特点和适用范围,根据具体情况选择合适的方法进行综合评价。
通过综合分析,我们可以更全面地了解问题的本质,为决策提供更准确的依据。
常用综合评价方法
常用综合评价方法
常用的综合评价方法有:
1. 综合评价指数法:将多个评价指标加权平均得到综合评价指数。
2. 层次分析法:将评价指标按照一定的层次结构进行分析,通过构建层次结构模型,确定各个指标的权重,最终得到综合评价结果。
3. 熵权法:利用信息熵原理,根据指标的信息量来确定权重,适用于指标之间存在信息互补和相互制约的情况。
4. 灰色关联度法:通过计算各个评价指标变化序列的关联度,得到综合关联度,用于综合评价。
5. 数量化综合评价法:通过将评价对象进行模糊量化,然后进行加权求和,最终得到综合评价结果。
6. 主成分分析法:通过对评价指标数据进行主成分分析,筛选出主成分,利用主成分得分进行综合评价。
这些综合评价方法可以根据具体的评价对象和评价指标的特点来选择和使用。
几种模糊多属性决策方法及其应用
几种模糊多属性决策方法及其应用一、本文概述随着信息时代的快速发展,决策问题日益复杂,涉及的属性越来越多,决策信息的不确定性也越来越大。
在这种背景下,模糊多属性决策方法应运而生,成为解决复杂决策问题的重要工具。
本文旨在探讨几种典型的模糊多属性决策方法,包括模糊综合评价法、模糊层次分析法、模糊集结算子等,并分析它们在实际应用中的优势和局限性。
本文首先介绍了模糊多属性决策方法的基本概念和理论基础,为后续研究提供必要的支撑。
接着,详细阐述了三种常用的模糊多属性决策方法,包括它们的原理、步骤和应用范围。
在此基础上,通过案例分析,展示了这些方法在实际应用中的具体运用和取得的效果。
通过本文的研究,读者可以深入了解模糊多属性决策方法的原理和应用,掌握其在实际问题中的使用技巧,为解决复杂决策问题提供有力支持。
本文也为进一步研究和改进模糊多属性决策方法提供了参考和借鉴。
二、模糊多属性决策方法概述模糊多属性决策(Fuzzy Multiple Attribute Decision Making,FMADM)是一种处理不确定性、不精确性和模糊性的决策分析方法。
在实际问题中,由于信息的不完全、知识的局限性或环境的动态变化,决策者往往难以获取精确的属性信息和权重信息,这使得传统的多属性决策方法难以应用。
模糊多属性决策方法通过引入模糊集理论,能够更好地处理这种不确定性和模糊性,为决策者提供更合理、更可靠的决策支持。
模糊多属性决策方法的核心思想是将决策问题中的属性值和权重视为模糊数,利用模糊集理论中的运算法则进行决策分析。
根据不同的决策目标和背景,模糊多属性决策方法可以分为多种类型,如模糊综合评价、模糊多目标决策、模糊群决策等。
这些方法在各自的领域内都有着广泛的应用,如企业管理、项目管理、环境评估、城市规划等。
在模糊多属性决策方法中,常用的模糊数有三角模糊数、梯形模糊数、正态模糊数等。
这些模糊数可以根据实际问题的需要选择合适的类型,以更好地描述属性值的不确定性和模糊性。
多属性决策分析方法概述
多属性决策分析方法概述多属性决策分析方法是一种帮助决策者在面临多个属性和多个选项时做出正确决策的方法。
在现实生活中,我们常常面临多个选项,每个选项都有多个和相互竞争的属性。
为了选择最合适的选项,我们需要对各个选项的属性进行评估,并确定每个属性的权重以及各个选项在这些属性上的表现。
多属性决策分析方法为我们提供了一种系统的方法来评估各个选项并做出正确决策。
多属性决策分析方法可以分为两大类:基于权重的方法和基于排序的方法。
基于权重的方法将属性和选项的评估转化为权重的赋值和加权求和的过程,从而获得每个选项的综合评价值。
基于排序的方法则将评估的焦点放在各个选项之间的比较和排序上,通过建立一个排名序列来确定最佳选项。
在基于权重的方法中,最常用的方法是层次分析法(Analytic Hierarchy Process,简称AHP),它由美国数学家托马斯·L·赛蒂斯博士于1970年提出,并在20世纪80年代初被广泛应用于各个领域。
AHP 方法通过对每个属性进行两两比较,建立判断矩阵,并通过特征值和特征向量的计算方法来确定属性的权重。
然后使用加权求和的方法,将属性的权重与各个选项的得分进行相乘,并对得到的结果进行汇总,得到每个选项的综合评价值。
在基于排序的方法中,TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)是一种常用的方法,它由美国学者Hwang和Yoon于1981年提出。
TOPSIS方法通过将各个选项和理想解之间的距离计算,得到每个选项到理想解的相似度,从而确定它们的排序。
TOPSIS方法具有计算简单、易于理解和直观的优点,因此被广泛应用于各个领域。
除了AHP和TOPSIS,还有其他一些多属性决策分析方法,如电子表格模型、积分模型和数据包络分析(Data Envelopment Analysis, DEA)等。
【国家自然科学基金】_不确定多属性决策_基金支持热词逐年推荐_【万方软件创新助手】_20140802
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89
多粒度 多目标优化 多属性群体决策 多属性模糊决策 多属性分类 多属性决策支持 多准则妥协解排序法 商务智能 含糊度 可信度 协同工程环境 协同决策 区间置信结构 区间理想点 区间数排序 区间值vague集 动态多属性决策 判断矩阵 决策支持技术 偏预序距离 信息不完全 信任函数 信任偏好 估计理论 优势度 优于次数 产品方案 二次规划 两人零和博弈 不确定语言短语 不确定语言变量 不确定动态加权平均算子 不完全信息 一致性 web质量管理 p-owg算子 electre方法
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 科研热词 多属性决策 可能度 模糊集 排序 多维区间数 重要度绩效分析 证据理论 范数 聚类算法 网络层次分析法 网架恢复 编程 相对熵 目标识别 目标规划 电力系统恢复 模糊逻辑 模糊传感器 服务属性 数据库 排序方法 抢修重要度 恢复策略 强计算 工程项目 工程决策 层次分析法 大型建设工程 多目标决策 多属性群决策 多属性群体决策 多属性决策(mada) 多属性 多任务 发包模式 区间数比较 区间数 区间型多属性决策 加权距离 决策模型 信息融合 不确定多属性决策 不确定 不完全 一致性 vague集 topsis dematel ahp 推荐指数 5 3 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
多属性综合评价
一般来说,在建立评价指标体系时,应遵守的原则是: 一般来说,在建立评价指标体系时,应遵守的原则是:
评价指标体系是一个系统,作为一个系统,其评价指标也应有系统性。 (1)系统性: )系统性: 评价指标体系是一个系统,作为一个系统,其评价指标也应有系统性。 设计的指标体系中各个指标之间应具有很强的逻辑关系,而不是各种指 设计的指标体系中各个指标之间应具有很强的逻辑关系 而不是各种指 标的堆积。 标的堆积。 ( 2)科学性:指标体系的设计必须建立在科学的基础上,评价指标的选择要围绕创 )科学性:指标体系的设计必须建立在科学的基础上, 新的本质,指标的定义、内涵要明确,计算方法要简便, 新的本质 ,指标的定义、内涵要明确,计算方法要简便,同时结合必 要的专项调查和考证、定性、定量相结合,力求全面、 要的专项调查和考证、定性、定量相结合,力求全面、客观地反映和 描述被评价对象的状况。 描述被评价对象的状况。
4.综合评价模型 .
所谓多属性综合评价, 就是指通过一定的数学模型 或算法) (或算法) 将多个评价指标值 合 “ 所谓多属性综合评价, 成”为一个整体的综合评价值。可用于“合成”的数学方法较多。问题在于如何根据评 为一个整体的综合评价值。可用于“合成”的数学方法较多。 价目的(或准则)及被评价系统的特点来选择较为合适的合成方法。也就是说, 价目的(或准则)及被评价系统的特点来选择较为合适的合成方法。也就是说,在获得
2.评价指标 . 各系统的运行(或发展)状况可用一个向量表示, 各系统的运行(或发展)状况可用一个向量表示,其中每一个分量都从某 一个侧面反映系统的现状,故称为系统的状态向量, 一个侧面反映系统的现状,故称为系统的状态向量,它构成了评价系统运行状 况的指标体系。 况的指标体系。 每个评价指标都是从不同的侧面刻划系统所具有某种特征大小的度量。 每个评价指标都是从不同的侧面刻划系统所具有某种特征大小的度量。评 价指标体系的建立,要视具体评价问题而定,这是毫无疑问的。 价指标体系的建立,要视具体评价问题而定,这是毫无疑问的。
多属性综合评价
2、指标的标准化(量纲的统一、指标统一) (1)线性比例变化法
在 X xij m n = xij 1 i m,1 j n yij
xj
*
x max xij 中,对正向指标 f j ,取 j 1i m
解:设购机问题中,6个决策指标的权重向量为
W (0.2,0.1,0.1,0.1,0.2,0.3)T
用线性比例变换法,将决策矩阵 X ( xij )46 标准化,标准化矩阵为:
0.80 1.00 0.72 0.88 0.56 1.00 0.74 0.67 0.95 0.86 1.00 0.95 0.82 0.69 1.00 0.90 0.71 0.43 1.00 0.71 1.00 0.56 0.78 0.56
一、决策指标的标准化
由于指标体系中指标不同的量纲,例如,产值的 单位为万元,产量的单位为万吨,投资回收期的单位 为年等,这给综合评价带来许多困难。将不同的量纲 的指标通过适当的变换,转化为无量纲的标准化指标, 称为决策指标的标准化。决策指标根据指标变化方向, 大致可以分为四类,即效益型(正向)指标、成本型 (逆向)指标、居中型和区间型。效益型指标具有越 大越优的性质,成本型指标具有越小越优的性质。居 中型指标具有越居中越优的性质,区间型指标具有越 接近区间越优的性质。
0 ,则
1 2
min 对于逆向指标,取 xj = 1 i m xij 0 ,则 xj yij = 1 3 1 i m,1 j n xi j
= yij m n 称为线性比例标准化矩阵,经过线性比例变 换后,标准化指标满足 0 yij 1 ,并且正、逆向指标均化为 正向指标,最优值为1,最劣值为0。
多属性决策基本理论与方法
多属性决策基本理论与方法多属性决策(Multiple Attribute Decision Making, MADM)是一种基于多个属性或准则来做出决策的方法。
在实际生活和工作中,我们经常需要面对多种选择,并需要在多个属性或准则下进行权衡和评估,才能做出最终的决策。
多属性决策的基本理论和方法主要包括层次分析法(Analytic Hierarchy Process, AHP)、熵权法(Entropy Method)、TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)、灰色关联法等。
层次分析法(AHP)是一种用于处理具有复杂结构的决策问题的方法。
它通过将决策问题层次化,分解为多个相互关联的准则和子准则,然后通过定量化判断矩阵来评估和比较每个准则的重要性,最终得出最优决策方案。
AHP方法能够将主观判断和定量分析相结合,较好地解决了决策问题中的主观性和复杂性。
熵权法(Entropy Method)是一种基于信息熵理论的权重确定方法。
它通过计算各个准则的信息熵,反映了准则之间的不确定性和随机性程度,从而确定各个准则的权重。
熵权法可以较客观地确定权重,简化了权重确定的过程,适用于信息量多、准则之间相互影响较大的情况。
TOPSIS法是一种常用的多属性决策方法,它通过计算每个备选方案与理想解之间的距离来进行排名。
TOPSIS法假设最佳方案与理想解之间的距离最小,且离其他方案之间的距离最大,从而确定最有优决策方案。
TOPSIS法能够综合考虑多个属性或准则之间的关系,适用于离散型数据和连续型数据。
灰色关联法是一种基于灰色系统理论的多属性决策方法。
它通过将样本之间的关联性转化为相关程度来评估和比较备选方案。
灰色关联法能够处理数据含有不确定性和不完全信息的情况,对于缺乏可靠数据的决策问题较为适用。
总之,多属性决策基本理论与方法提供了一种系统和科学的决策分析框架,能够结合主观判断和定量分析,帮助人们在复杂的决策环境下做出科学、准确的决策。
决策分析中的多属性评估与优化
决策分析中的多属性评估与优化在现代社会中,随着经济全球化和科技发展,决策难题变得越来越复杂。
在面临多个因素和多个选择时,决策者经常需要进行多属性评估和优化,以选择最佳的决策方案。
本文将介绍决策分析中的多属性评估方法,以及优化的一些基本原则和工具。
一、多属性评估方法多属性评估是一种对决策对象的多个属性进行量化和比较的方法。
它将不同属性的价值或重要性转化为数值,并通过合理的计算方法得出综合评估结果,为决策提供参考。
下面介绍几种常见的多属性评估方法。
1. 层次分析法(AHP)层次分析法是一种通过对决策问题进行层次划分,并通过专家判断确定各层次之间的相对权重的方法。
它将决策问题进行结构化,使得决策者能够更清晰地理解和分析问题,并量化不同因素的重要性。
AHP方法需要决策者进行一系列的比较和判断,最终得出各个属性的权重值,从而进行多属性的综合评估。
2. 熵权法熵权法是一种利用信息熵的原理进行属性权重计算的方法。
它通过计算属性的信息熵,得出各个属性对决策问题的贡献度,从而确定属性的权重。
熵权法可以较好地衡量属性之间的差异性和相对重要性,适用于属性之间关联较弱的情况。
3. TOPSIS法TOPSIS法是一种将决策问题转化为多属性评估表格,并通过计算各个方案与理想解之间的距离,来确定最佳决策方案的方法。
它首先将决策问题中各个属性的数据进行标准化,然后计算各个备选方案与理想解之间的距离,最终选取距离最小的方案作为最佳决策。
TOPSIS法能够直观地展示出各个方案的优劣势,并提供一种相对较为客观的评估方法。
二、优化的基本原则和工具在进行多属性评估的基础上,决策者往往需要进行优化,以选择最佳的方案。
优化的目标是使得决策方案在满足各项属性要求的前提下,达到最好的综合效益。
下面介绍几种常见的优化方法和工具。
1. 线性规划线性规划是一种通过线性数学模型来寻找最优方案的方法。
它将决策问题转化为线性目标函数和线性约束条件,通过求解线性规划问题,得出最佳的决策方案。
多准则决策问题的评估方法
多准则决策问题的评估方法多准则决策是指在决策过程中考虑多个准则或目标的情况。
评估多准则决策问题涉及到综合考虑各种因素,以选择最佳的决策方案。
以下是一些常用的多准则决策问题评估方法:1. 层次分析法(AHP):AHP 是一种将复杂问题分解成层次结构,通过对不同层次的元素进行两两比较,建立权重,最终进行综合评价的方法。
它适用于具有层次结构的问题,能够考虑到不同层次的准则和子准则。
2. 电报法(TOPSIS):TOPSIS(Technique for Order of Preference by Similarity to Ideal Solution)是一种将决策方案与理想方案和负理想方案进行比较的方法。
根据方案与理想方案和负理想方案的接近程度,给出每个方案的综合得分。
3. 灰色关联分析法:灰色关联分析法通过建立准则之间的关联度,对方案进行评价。
它适用于信息不完备或不确定性较大的情况。
4. 利比亚法(Promethee):利比亚法是一种基于偏好函数的排序方法,通过比较方案之间的优劣来确定最佳方案。
它允许决策者明确地表达其对不同准则的偏好。
5. 模糊集理论:模糊集理论适用于处理决策问题中存在的不确定性和模糊性。
通过引入模糊概念,可以更好地描述决策问题中的不确定性,从而进行评估和决策。
6. 投影追踪法(Projection Pursuit):这是一种通过寻找数据的最佳投影方向,从而使得决策结果最优的方法。
它适用于高维数据的降维和决策问题的优化。
在实际应用中,选择适当的评估方法通常取决于决策问题的性质、数据的可得性以及决策者的偏好。
有时候,结合多个方法进行综合分析也是一种有效的策略。
一种属性信息不完全的 TODIM 决策方法
一种属性信息不完全的 TODIM 决策方法姜艳萍;梁霞;张业谛【摘要】针对属性信息不完全的多属性决策问题,考虑到决策者具有参照依赖和损失规避行为,提出一种不完全信息的TODIM决策方法。
首先,在考虑决策者参照依赖和损失规避行为的基础上,计算每个方案相对于其它方案关于每个属性的优势度;然后计算每个方案相对于其它所有方案的总体优势度;再以最大化所有方案的总体优势度作为目标函数,建立确定最优方案的优化模型。
进一步,利用TODIM方法的思想,计算每个方案相对于其它所有方案的总体优势度,从而对方案进行排序。
最后通过一个风险投资的算例验证该方法的可行性和有效性。
%With respect to the multi-attribute decision making problem with incomplete evaluations , in which the reference dependence and loss aversion behaviors of the decision maker are considered , and a TODIM decision making approach is proposed .Firstly, considering the reference dependence and loss aversion behaviors of the decision maker , the dominance degree of each alternative over another one with respect to each attribute is com-puted.Then the dominance degree of each alternative over others can be obtained .Furthermore, by maximizing the overall dominance degree for all of the alternatives , an optimization model is established .In addition , the overall dominance degree for each alternative over all others , based on TODIM method , can be calculated to obtain the ranking result of alternatives .Finally, an example of venture investment is given to illustrate the feasi-bility and validity of the proposed method .【期刊名称】《运筹与管理》【年(卷),期】2015(000)001【总页数】6页(P116-121)【关键词】多属性决策;不完全信息;TODIM;优势度【作者】姜艳萍;梁霞;张业谛【作者单位】东北大学工商管理学院,辽宁沈阳 110819;东北大学工商管理学院,辽宁沈阳 110819;东北大学工商管理学院,辽宁沈阳 110819【正文语种】中文【中图分类】C934多属性决策问题是指具有多个属性的有限方案的排序和选择问题,在经济、管理和军事等各个领域均存在着广泛的应用[1,2]。
基于灰色关联分析的几种决策方法及其应用
基于灰色关联分析的几种决策方法及其应用一、本文概述本文旨在深入探讨基于灰色关联分析的几种决策方法及其应用。
灰色关联分析,作为一种有效的系统分析方法,已广泛应用于多个领域,尤其在处理信息不完全、不确定、不精确的复杂系统问题时表现出色。
本文首先概述了灰色关联分析的基本理论,包括其起源、基本原理和计算步骤。
随后,本文详细介绍了几种基于灰色关联分析的决策方法,包括灰色关联决策、灰色聚类决策和灰色动态规划决策等。
这些方法不仅为决策者提供了新的视角和工具,而且在实践中得到了广泛的应用。
在应用领域方面,本文重点介绍了灰色关联分析在经济管理、生态环境、工程技术等领域的应用案例。
这些案例不仅展示了灰色关联分析在实际问题中的有效性和实用性,同时也为其他领域的研究者提供了有益的参考和启示。
本文总结了基于灰色关联分析的决策方法的主要优点和局限性,并对未来的研究方向进行了展望。
随着科技的进步和研究的深入,相信灰色关联分析将在更多领域发挥重要作用,为决策者提供更加科学、合理的决策支持。
二、灰色关联分析理论基础灰色关联分析是一种基于灰色系统理论的决策分析方法,它通过对系统内部因素之间发展趋势的相似或相异程度进行量化描述,揭示系统内部因素间的关联性和主导因素。
这种方法尤其适用于数据样本少、信息不完全的复杂系统。
灰色关联分析的理论基础主要包括灰色关联度、灰色关联矩阵和灰色关联模型。
灰色关联度是描述系统内部因素之间关联性强弱的量化指标,它反映了因素间发展趋势的相似程度。
灰色关联矩阵则是一个由灰色关联度组成的矩阵,用于全面描述系统内部各因素之间的关联性。
灰色关联模型则是基于灰色关联度和灰色关联矩阵建立的数学模型,用于分析系统内部因素间的动态关联关系。
在灰色关联分析中,常用的计算灰色关联度的方法有绝对值关联度、斜率关联度和综合关联度等。
绝对值关联度通过比较因素间绝对值差异的大小来量化关联性;斜率关联度则通过比较因素间变化趋势的斜率来量化关联性;综合关联度则是综合考虑绝对值差异和斜率差异来量化关联性。
多指标综合评价的方法
多指标综合评价的方法
多指标综合评价是指综合多个指标对一个对象或系统的运行状态进行评价的方法。
其基本思想是,通过对多个指标进行量化描述,再通过各指标的权重赋值,将各指标的得分加权求和,得到最终的评价结果。
以下是常用的多指标综合评价方法:
1. 层次分析法:该方法通过建立层次结构模型,对各层次因素进行量化分析,得出各因素权重和评分,并最终得出综合评价结果。
2. 灰色关联法:该方法通过建立关联矩阵,计算各因素之间的关联程度,然后对各因素进行加权求和,得出综合评价结果。
3. 熵权法:该方法通过计算各指标的信息熵,确定各指标的权重,然后对各指标进行归一化处理,最终得出综合评价结果。
4. 网络分析法:该方法通过建立评价网络模型,对各指标之间的关系进行分析,得出各指标的重要程度,然后对各指标进行加权求和,得出综合评价结果。
以上方法各有其优缺点,应根据具体情况选用。
基于三角模糊数权重信息不完全的多属性决策方法
21 0 0年 7月 ’
甘肃联合 大学学报 ( 自然 科 学版 )
J u n l fGa s a h iest ( t rlS in e ) o r a n uLin eUn v riy Nau a ce c s o
Vo . 4 No 4 12 .
1 /1 1 1、
一\ ’ ’ J ’
一
( ‘ M,a , , h )
其 中 ≥ 0 .
定 义 2 设 = ( 口 a )5一 ( b b ) 口 ,M, U , 6 ,M,v
权重信 息不完 全且 属 性 值 为模 糊数 的多属 性 决 策
选 出最满意 方案 的过程 . 今 , 于属 性 权 重 和属 如 关 性值 均 已确定 的多属 性决策 方法 已较为完 善. 于 对
设 一 ( 口 a )5一 (L b b )为两 个 三角 n , M,U , 6 ,M,v
模糊 数 , 其线 性运 算法 则 如下 : 则
+ 一 ( + 6 , M q ^, u- b ) 口 口 -bf口 - u , I -
√ [ b。 ( — u + 口—u ] 寺 ( 一 L + 口 b 。 ( b 口 ) M ) U )
为 , 占之 间 的距离 . 定 义 2中的距 离具 有 以下性 质 :
权重 信息不完 全 的多 属性决 策 问题 , 出了逼 近理 给
想点 法. 该方法 是通过 综合两 个线性 规划模 型来 获 得属性 权重 , 然后 根据各 方案 到模 糊理 想点 的相 对 贴近度 的大小来 对方案 进行优 劣排序 . 最后 给 出 的
不 完 全 的多 属性 决 策 方 法 . 方 法 首 先 利 用 权 系 数 的不 完 全 确 定 信 息 , 立 关 于 各 方 案 综 合 三 角 模 糊 数 与理 想 该 建 解 和 负 理 想 解 的 加 权 距 离 优 化 模 型 , 过 求 解 优 化 模 型 得 到 各 属 性 权 重 值 , 后 根 据 各 方 案 到 相 对 理 想 解 的 贴 通 之 近 度 的 大 小 进 行 排 序 . 例 分 析 表 明 了该 方 法 的有 效 性 和可 行 性 . 实
【精品】03多属性决策分析
i 1
i 1
如果矩阵A是完全准确的话,一定有下面的关系 :
a11 a12 a1n 1 1 1 2 1 n
A
a21
a22
a2n =2 1
2 2
2
n
an1
an2
ann
n 1
n 2
n
n
这就是所谓一致性正互反矩阵,即所有元素都是正的,
并且对于任意i, j, k 1,2,, n,都有性质:
y2
(万元/年) y3
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
投资决策
指标Xj 替代方案 Ai
自行设计 (A1)
期望 利润 (万元)
650
产品成 品率(%)
市场占 有率(%)
(万元 )投资
费用
95
30
110
其中 j 为属性 j 的均方差,当高端与均值差大于
2.5 j 时变换后的值均为 1.00.这种变换的结果与专家打分
的结果比较吻合.
三、决策指标权的确定
多属性决策问题的特点,也是求解的难点在于目标间的矛盾性 和各目标的属性的不可公度。不可公度性通过决策矩阵的标准 化处理得到部分解决;解决目标间的矛盾性靠的是引入权 (weight)这一概念。 权,又叫权重,是目标重要性的度量。权的概念包含并反映下 列几重因素: ①决策人对目标的重视程度; ②各目标属性的差异程度; ③各目标属性的可靠程度
属性权重信息不完全区间数多属性决策方法
③ [ ,“其 > ;别 = 则廊= ; 占 [ ・ , ・ ]⑤ ÷ = , ] ( ÷ 亩= ] 中3 0 的 0 /特 0④ ・ =n bn b ;三 占 [ 旨 ; ) “ “ 6
定 义 2 设 三=[ n ], n,“ 占=[ b] 义 ,之 间的距离 为 b,“定 5
() 4 () 5 () 6
20 0 7危
d a占 = ( ,) ’ 下 () 1 本文要解决的区间数多指标决策问题是 : 根据已知的区间数决策矩阵 A和不完全 的信息权重 如何 从 方案集 S中选择满意方案或对所有的方案进行排序 。
,
2 决 策 原理 与 方 法
根据传统 的 T P I 方法 , OS S 在文献[ ] 3 给出的相对隶属度法 的基础上 , 给出一种属性权重信息不完全 的 区间数多属性决策的新方法。具体步骤如下 : S p 将区间数决策矩阵规范化, tl e 采用比重变换法 , 将 =[ ] 转换为 雪: 占] 计算公 式 为 [
n) 表示方案 . 对应于指标 Q 测量结果( s 。 舶 即属性值 )不失一般性 , , 假设 n > 0。w=( , , ) “ n> …,
∈W 表示属 性权 重向量 , 中 f 其 表示 属性 Q 权重 , 满足 f f 0 √=12, ,,W 表 示属 性权 重信 =1, > , … / / , 息不 完全 的表 达式集 合 。区 间数 的定 义 、 性 质如下 。 运算 定义 l 记 三=[ 口]={ 口 < 口,“ I <口 , 口 ∈ “口,“ R}称 三为一个 区 间数 , 特别 的 , 口 = u 三 若 a则 退化 为一 个 实数 。下 面给出 区间数 的运算 法则 : 设 三=[ 口], 口,“ 占=[ b] , 3/0则 : 三=占当且 仅 当 口 = t 口 =b; b,“ 且 > ① b和 “ “② +占=[ 口 + “ ; 口 +b,“ b]
多属性决策基本理论与方法
多属性决策基本理论与方法主讲人:张云丰多属性决策基本理论与方法1. 多属性决策基本理论1.1 多属性决策思想根据决策空间的不同,经典的多准则决策(Multiple Criteria Decision Making —MCDM )可以划分为两个重要的领域:决策空间是离散的(备选方案的个数是有限的)称为多属性决策(Multiple Attribute Decision Making —MADM ),决策空间是连续的(备选方案的个数是无限的)称为多目标决策(Multiple Objective Decision Making —MODM )。
一般认为前者是研究已知方案的评价选择问题,后者是研究未知方案的规划设计问题。
经典的多属性决策(Multiple Attribute Decision Making —MADM )问题可以描述为:给定一组可能的备选方案,对于每个方案,都需要从若干个属性(每个属性有不同的评价标准)去对其进行综合评价。
决策的目的就是要从这一组备选方案中找到一个使决策者感到最满意的方案,或者对这一组方案进行综合评价排序,且排序结果能够反映决策者的意图。
多属性决策是现代决策科学的一个重要组成部分,它的理论和方法广泛应用于社会、经济、管理和军事等诸多领域,如投资决策、项目评估、工厂选址、投标招标、人员考评、武器系统性能评定、经济效益综合排序等。
1.2 多属性问题描述设在一个多属性决策问题中,备选方案集合为}g ,,g ,{g m 21 =G ,考虑的评价属性集合为},,,{21n u u u U =,则初始多属性决策问题的决策矩阵为:⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=mn x m x m x n x x x n x x x X 212221211211 其中,ij x 表示第i 个方案的第j 个属性的初始决策指标值,其值可以是确定值,也可以是模糊值,既可以是定量的也可以是定性的。
多属性决策问题主要包括三个部分:建立属性评价体系、确定属性权重及运用具体评价方法对备选方案进行综合评价。
不完全信息下的区间直觉模糊数的多属性决策方法
a p ia i n o he GRA e h d.Th u r c lr s ls s o t a h r po e e h d p l to ft c m to e n me i a e u t h w h tt e p o s d m t o s a e fa i l n f c i e r e b e a d e e tv . s Ke yw o ds M u t— rt r a d cso — a i g n o r lic ie i e ii n m k n ,i c mp e e i f r a i n i t r a — a u d l t n o m to , n e v lv l e
摘要 针对属性权 重信息不 完全 的区间直觉模 糊 的多属性决 策 问题 ,提 出灰色关联 分 析 的决 策方法.该方法首先确 定各属性 下的最佳和最劣 方案,确定各方案 与理想方案 的灰 色关联 系数,然后在属性 权重信息不完 全的情况 下,建立基 于理 想点 的最 优决策模 型,求 出属性权 重,进 而根 据与理想 方案的相对贴近 度对各方 案进 行排序 ,最后 用实例对该方 法 进行 了说 明,理论分 析和数据 结果表 明了方法 的可行性和 有效性 . 关键词 多属性决策 ,不完全信 息,区 间直 觉模糊 集,灰 色关联分 析
i uii s i uz y e s r y e a i nt tonitc f z s t .g e r l ton ana yss l i
一种不完全信息下群体决策专家权重的确定方法
在 群体 多属性 决策 问题 的研 究 中 , 策 者往 往 难 以 决
给出确定的决策信息, 因此 , 不完全信息的群体多属性决 策问题 的研究 日 益增 多 . 在 目 的研 究 中 , 般都 假 定 但 前 一
专家权 重相 同或事 先 给定 , 没有 对 专 家 的 权 重做 更 多 的 研 究. 笔者研 究 当属性 权重 为实数 且属 性值 为 区间数 时 , 如何确定 专家 的权 重问题 . 由于属 性值 是 区间数 , 而属性
l 5I , I 一 “ l l b n +I“ n l 一 =I b
称 d ,) 一 为 区间数 和 5的相离 度. ( 5=
() 1
第三步继续合并剩余的类. 步骤七 : 画出聚类图 , 根据 聚类图决定类 的个数和
类
显然 , ,) 大 , d( 5 越 三和 5相 离 的 程 度 越 大 , d 当
一
个 类 , 家评 价值 之 间 的相 离 度 来 比较各 类 之 间 的 用专
类 同性 , 以 此做 为 聚 类 分析 的标 准 , 并 根据 公 式 ( ) 当 3 , 相离 度越 小时 , 明专 家 D 与 D 各方 面 相 似性越 说 Mr M在 大, 当相似程 度达 到一 定水 平时 , 可将这 两位 专家 归 为 就 类, 由这一 原理 , 可运用 以下 步 骤对 Z 专 家进 行 聚类 个
D = . T,) Z( )I ;1 ( 一 :∞ l I o z
从公 式 ( ) 3 中可 以看 出 : =D D
() 3
系统 聚类 分析 的原 理 是 计算 各 类 之 间 的距 离 , 出 找 距 离相 近的类 进行 合并 , 者将 每 位 专 家 的评 价 值 看做 笔
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
min
i =1
∑d ;
i
M
s. t . ∑ w j rij ≥ d i , i = 1 , 2 , …, N ;
j =1
( 2)
3
w j ∈ W , j = 1 , 2 , …, M . 该模型为线性规划模型 , 且可行域非空 . 设其最优解 w 3 属性值 V i3
k uj ( a i ) . 与文献 [ 1 ]类似 , 属性值信息可由以下几种方式给出 :
Ξ 收文日期 :2003211205 ; 修订日期 :2004205223
基金项目 : 国家自然科学基金资助项目 (7001026) 作者简介 : 徐 徐 (1975 - ) ,女 ,浙江温州人 ,讲师 ,硕士 . 研究方向 : 多属性决策 .
i =1
∑w
i
= 1,
α,α> 0 ; w i ≥0 , i = 1 , 2 , …, M } . Ф wj ; ( 2) w i - w j ≥ w 中元素之间的关系可有如下几种形式 : (1) w i ≥
( 3) w i ≥ β α wi ≤ 0 ; ( 5) w i - w j ≥ w m - w n . 如 W 为空集 , 则决策群体给出的 w j ,β> 0 ; ( 4) α i ≤ i +ε i ,ε i ≥
不完全信息群体多属性决策的综合评价均值法
徐 徐1 , 张 翼2 , 洪振杰3
Ξ
(1. 温州大学 信息科学与工程学院 , 浙江 温州 325035 ; 2. 浙江师范大学 数理学院 , 浙江 金华 321004 ;3. 温州师范学院 数学与信息科学学院 ,浙江 温州 325027)
M
Vi =
j =1
∑w r
j ij (
i = 1 , 2 , …, N ) . 显然 , V i 越大方案的综合属性值越大 , 则认为方案 a i 越优 .
在方案择优过程中 , 为了选择权重向量 w = ( w 1 , w 2 , …, wM ) T , 使得所有方案的综合属性值都尽可 能大 , 首先建立如下的线性规划模型 :
V i3
3 3
M j =1
∑
w j rij ( i = 1 , 2 , …, N ) 为 a i 的相对优值 , V i
3
3 3
=
j =1
∑w 3 3 r
j
M
ij (
i = 1 , 2 , …, N )
( i = 1 , 2 , …N ) 之间并未存在一致的大小优劣关系 , 即 Π i ( i = 1 , 2 , …, N ) , V i3 ≥
0 引 言
求解不完全信息群体多属性决策问题的主要途径是利用方案间的两两比较 ,将问题归为求解相应 的非线性规划模型 ,但在具体求解时有相当的难度[1 ] . 另一途径是将问题转化为求解一系列线性规划问 题 ,利用最小遗憾算法 ,通过方案间的比较来确定优势关系 . 然而 ,当决策者 、 供选方案和问题的属性较 [1~2 ] 多时 ,这类求解过程的工作量不容忽视 . 此外 ,对于方案在不同属性下的属性值量纲不统一的问题 , 文献 [ 1~4 ] 中均未作进一步探讨 . 文献 [ 5 ] 利用了规范化矩阵来统一量纲 ,但其研究仅局限于在决策者 提供了确定的属性值和属性权重范围情况下的单人多属性决策问题 . 本文研究属性权重信息和属性效 用信息都不完全的群体多属性决策问题 ,通过构造每一方案在每个属性下的属性值区间 ,利用属性值区 间的期望构造出决策矩阵 ,统一量纲后 ,将决策矩阵转化为规范化决策矩阵 ,兼顾乐观和悲观主义的决 策原则 , 将问题归结为求解两个线性规划问题 ,再利用相对优值和相对劣值的均值进行排序 ,最终构造 了一种新的不完全信息下的群体多属性决策方法 .
属性权重不完全信息有冲突 , 应重新给出 , 直至 W 非空 .
2 规范化决策矩阵和综合评价均值
k k k k 定义 1 记 Uk ij = [ u ij , u ij ] = [ min uj ( a i ) , max uj ( a i ) ] ( k = 1 , 2 , …, K; i = 1 , 2 , …, N ; j = 1 , 2 , …, M ) , k k
第 27 卷第 3 期 2004 年 8 月
浙江师范大学学报 ( 自然科学版) Vol . 27 , No. 3 JOURNAL OF ZHE J IANG NORMAL UNIVERSITY(Nat . Sci . ) Aug. 2004
文章编号 :1001250512 (2004) 0320234204
μ U = ( u ij ) μ
1 ( uij + u ij ) , 并称它为 G 关于 a i 在 f j 下的群体属性值 . 2
定义 4 记 Uμ = ( uij ) N ×M , 并称它为不完全信息下群体多属性决策的决策矩阵 .
N ×M
中的元素 uij 可能是不同量纲 , 为消除不同量纲的影响 , 可将决策矩阵转变为规范化
第 3 期 徐 徐 ,等 : 不完全信息群体多属性决策的综合评价均值法
235
( 1) ujk ( a i ) ≥ujk ( at ) ; ( 2) ujk ( ai ) - ujk ( a t ) ≥ α i ,α i > 0;
k ( 3) ujk ( a i ) ≥ β i uj ( a t ) ,β i > 0; k ( 4) α α i ≤uj ( a i ) ≤ i +ε i;
1 记号和问题的描述
设 G = { DM1 , DM 2 , …, DM K} ( K ≥ 2) 为决策群体 , 其中 DM k ( k = 1 , 2 , …, K) 为第 k 个决策者 . 设决 策问题有 M 个属性 : F = { f 1 , f 2 , …, f M } , 有 N 个供选方案 ai ( i = 1 , 2 , ……, N ) , 记供选方案集为 A = { a1 , a2 , …, aN } , 决策者 DM k 的权重为 pk ( k = 1 , 2 , …, K) . 本文所研究的不完全信息群体多属性决策问题是指属性权重和方案属性值两者均可能未完全给 定 , 并且均以某些线性不等式的形式给出 . 设决策者 DM k ( k = 1 , 2 , …, K) 给出方案 ai ( i = 1 , 2 , …, N ) 关于属性 f j ( j = 1 , 2 , …, M ) 的属性值为
U
j
U
j
的线性规划问题 定义 2 记
[4 ]
.
K K
UG ij
= [ u ij , u ij ] = [
k =1
∑p
k
min k
U
j
ujk
( ai ) ,
k =1
∑p
k
max ujk ( ai ) ] ( i = 1 , 2 , …, N ; j = 1 , 2 , …, M ) , k
U
j
并称它为 G 关于 ai 在 f j 下的群体属性值区间 . 定义 3 记 uij =
3 算 例
例1 设某一厂家要开发一种产品 , 考虑从 3 种产品 ai ( i = 1 , 2 , 3) 中选择一种进行开发 . 现请 3 位 专家 DM 1 , DM2 , DM 3 对产品进行评估 , 3 位专家的权重依次为 p1 = 0 . 5 , p2 = 0 . 3 , p3 = 0 . 2 . 经过协商 , 他 们选定了 4 个属性 f 1 , f 2 , f 3 , f 4 , 其中 f 1 为总投资额 , f 2 为产品的期望净现值 , f 3 为风险损失值 , f 4 为产 品的市场潜力 ( 可持续发展的能力) . 决策群体确定权重不完全信息如下 : w 2 ≥w 1 ≥w 3 ≥w 4 , w 2 ≥ 2 w1 , w3 ≤ 0 . 3 , w2 - w3 ≤ 0 . 25 , w 4 ≥ 0 . 1 . 各决策者 DM k 独立给出各方案 ai 在每一属性 f j 下的效用值的不完 全信息如表 1 所示 . 表1 各决策者 DM k 独立给出各方案 ai 在每一属性 f j 下的效用值的不完全信息
( 或 V i3 ≤V i3 3 ) 未必成立 .
一个好的方案 , 不仅应在比较理想的情况下相对优值尽可能地大 , 而且应在比较恶劣的情况下其相 对劣值也应尽可能地大 . 为此 , 应兼顾大中取大和小中取大的原则 , 引入综合评价均值概念 . 定义 6 令 L i = ( V i3 + V i3 3 ) / 2 ( i = 1 , 2 , …, N ) , 并称它为方案 ai 的群体综合评价均值 . 按 L i ( i = 1 , 2 , …, N ) 的值由大到小顺序排列即得到方案 ai ( i = 1 , 2 , …, N ) 由优到劣的排序 .
( 5) ujk ( a i ) - ujk ( at ) ≥ujk ( am ) - ujk ( a n ) .
其中 i ≠t ≠m ≠n. 记 Ujk 为由上述形式的信息组成的约束集 , 并称 Ujk 为 DM k 关于属性 f j 的属性值约束 集.
M
设 w j ( j = 1 , 2 , …, M ) 为属性 f j 的权重 , 则属性权重不完全信息约束集 W = Ф w ∩{ w i |
M
min
i =1
∑d ;
i
M
s. t . ∑ w j rij ≥ d i , i = 1 , 2 , …, N .
j =1
( 1)
由于 W 为多胞体 ( 或称线性约束) , 可知该模型为线性模型 , 又 W 非空 , 且 ( rij ) N ×M 为非负矩阵 , 可
3 ) 及相应的综合属性值 知该线性规划可行域非空 , 则必定存在最优解 . 设最优解 w 3 = ( w 13 , w 13 , …, w M