基于多属性决策的自主等级评估算法
多属性决策方法
多属性决策方法1. 引言在现实生活和工作中，我们常常面临决策问题。
然而，很多决策问题都是多属性决策问题，即需要基于多个属性或准则进行评估和选择。
例如，在购买车辆时，我们需要考虑价格、品牌、燃油经济性、外观等多个属性。
在这种情况下，如何合理地进行决策成为一个挑战。
本文将介绍一些常用的多属性决策方法，帮助读者了解如何在面对多属性决策问题时做出合理的选择。
2. 层次分析法层次分析法（Analytic Hierarchy Process，AHP）是一种常用的多属性决策方法。
该方法通过构建一个层次结构，将大的决策问题分解成多个小的决策子问题，从而更容易进行决策。
2.1 构建层次结构在应用AHP方法解决决策问题时，首先需要构建一个层次结构。
层次结构由目标层、准则层和方案层组成。
目标层表示决策的总体目标，准则层表示决策的评估准则，方案层表示待选方案。
2.2 确定因素权重在AHP方法中，我们需要确定每个因素在决策中的重要程度，即确定因素的权重。
通过一种两两比较的方法，可以确定因素之间的相对重要程度。
首先，需要将每个因素两两进行比较，判断它们之间的重要程度。
比较可以使用1到9的数字来表示，其中1表示两个因素之间具有相同的重要程度，9表示其中一个因素比另一个因素重要性高得多。
然后，通过对比较结果进行归一化处理，得到每个因素的权重。
权重越高表示该因素对决策的影响越大。
2.3 计算方案得分在确定了因素权重之后，就可以计算每个方案的得分了。
得分是每个方案与各个因素之间的乘积之和。
最终，通过对所有方案的得分进行归一化处理，可以得到每个方案的相对重要性。
3. TOPSIS方法TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法也是一种常用的多属性决策方法。
与AHP方法不同，TOPSIS方法将评价方案的选择问题转化为评价项目与最理想解和最差解之间的距离问题。
浅析基于多属性决策理论的评估系统中的熵权法
权 法是 比较合适 的方法 － 。 １ ］ 熵 是 对 事 件 不 确定 性 的一种 计 量 ， 黄 信 息 随 的大小 变 化 ， 值 会做 相应 的变化 ， 过熵 缸 的计算 熵 通
多 指标 的评 估系 统 ， 包含 多个 目标 层 次 ， 个 目标层 每 次 又包 含多 个评 估 指 标 ， 只 有 末 级 指标 由客 户 打 但 出测 评 分 ， 他 各 目标 层 次 的 评 估 值 根 据 各 自的权 其 重 系数进 行计 算 。确 定权 重 系数 有 许 多 方 法 ， 于 对
ｐ —
Ｏ ５２ ．１ １ １ ０ ８ Ｏ． ９ ０ １ ０ ０８ ．０ ８ ９ ． ５７ ０． １１ １ Ｏ． ９ ０ Ｏ １ ０ ０８ １ １ｌ ．１ １ １ ． ５７
Ｏ Ｏ Ｏ Ｏ９ ０ ０８ ０． ７ ． ６６ ７ ． ５２ ． ３３ ０ ５１
∑ｚ
这 时 ｅ 取极 大值 ， ｊ 即
ｅ ｊ＝ 一 矗
‘
Ｘ ＝
奎
Ｉ １
・ １ ｎ
＝ ： ＝
，
ｃ ４
设 ｋ
１ ， ０≤ ｅ ≤ １ 则 有 ｊ ，
５ ４ ４ ５ ３ ５ ５ ４ ５ ５
Ｐ』 一 一
』一 一 ∑ＰＩｐ。 刍 ｎ ｄ
ｔ ｌ ｌ
２ ｎ ３ ４
∑
ｆ １ ＝
５
５ ５ ５
４
５ ５ ５ ຫໍສະໝຸດ ４ ４ ４ ３ ５
５ ４ ３
３
４ ３ ２
５
４ ３ ３
５
５ ４ ３
４
３ ２ ４
５
４ ２ ３
∑ｇ
熵权 法 在 使用 时 需 要 进行 比较 复杂 的 计算 ， 整 个 过程 主 观 因素 很少 ， 评 估 结果 更 加 客 观 、 确 。 使 准 在 许 多评 估系统 中， 测评者 就 是本行 业 的从业 人员 、 专 家 学者 、 内权 威 ， 身 对 指 标 很 熟悉 ， 解很 准 业 本 理
基于多属性决策的城市规划评价
基于多属性决策的城市规划评价城市规划是指通过对城市空间的合理布局和功能组织，达到提高城市生活质量和可持续发展的目标。
在城市规划的过程中，评价城市规划的效果是非常重要的。
而基于多属性决策的城市规划评价方法则能够为城市规划的决策者提供科学、全面的参考依据。
本文将探讨基于多属性决策的城市规划评价方法，并分析其在城市规划中的应用。
一、多属性决策的概念及原理多属性决策是一种通过对多个属性进行综合评价，从而做出决策的方法。
在城市规划评价中，多属性决策方法可以将城市规划的各个方面进行综合评估，从而得出最优的城市规划方案。
多属性决策的原理是将城市规划评价问题转化为决策问题，并建立一个决策模型。
决策模型包括决策目标、决策准则和决策方案。
通过对决策准则进行权重分配，计算各个决策方案的得分，最终选取得分最高的方案作为最优解。
二、多属性决策在城市规划评价中的应用1. 建立评价指标体系在城市规划评价中，首先需要建立一个评价指标体系。
评价指标体系是评价城市规划的基础，它包括了城市规划的各个方面，如环境、交通、经济等。
通过对评价指标的选择和权重的确定，可以对城市规划进行全面的评估。
2. 确定权重确定权重是多属性决策的关键步骤之一。
权重的确定需要考虑到不同指标的重要性和关联性。
一般来说，可以采用主观赋权法或客观赋权法来确定权重。
主观赋权法是通过专家调查、问卷调查等方式，根据专家经验和意见来确定权重。
客观赋权法是通过统计分析等方式，根据数据的权威性和可靠性来确定权重。
3. 计算得分在确定了评价指标和权重之后，就可以计算各个决策方案的得分了。
计算得分的方法有很多种，如加权求和法、层次分析法等。
不同的方法适用于不同的情况，可以根据具体的评价指标和权重来选择合适的方法。
4. 选取最优方案最后一步是选取得分最高的方案作为最优解。
得分最高的方案代表了在多个评价指标下，综合效果最好的城市规划方案。
选取最优方案的依据是多属性决策模型中的得分。
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。
第二讲_多属性决策分析
0.3727
0.5217 0.3727
【例1】解： 第三步，进行标准化处理
2. 线性比例变换法
0.8
Y
（yi）j 46
1
0.72 0.88
0.5556 1
0.7407 0.6667
3. 极差变换法
0.9524 0.8571
1 0.9524
0.8182 0.6923
1 当fi比f j重要时
aij
0.5 当f
i与f
同样重要时
j
0 当fi比f j不重要时
显然： aii 0.5, aij a ji 1
注意：评分时应满足比较的传递性，即若f1比f2 重要， f2又比f3重要，则f1比f3重要。
决策指标权重的确定
几种常用的确定指标权重的方法
评分 总计
4
权重 wi 2/9
1.5 1/12
1.5 1/12
1.5 1/12
4 2/9 5.5 11/36
几种常用的确定指标权重的方法
2. 连环比率法（属于主观赋权法） 将所有指标以任意顺序排列，不妨设为： f1,
f2, …, fn。 从前到后，依次赋以相邻两指标相对重要程
度的比率值。指标fi与fi＋1比较，赋以指标fi以 比率值ri （i=1，2，…，n-1）
分值kn＝1，根据比率值ri计算各指标的修正
评分值： ki＝ri·ki+1
（i=1，2，…，n-1）
归一化处理，求出各指标的权重系数值。即
wi
ki
n
(i 1,2, n)
ki
i 1
【例3】确定例1中6个指标的权重
多属性决策算法对比分析
算法分析1.TOPSIS（逼近理想解法）：(TOPSIS方法属于经典的多属性决策方法之一，由H.wang.C.L和Yoon，K.S.1981提出).基本原理:根据评价指标的标准化值与指标的权重共同构成规范化矩阵来确定评价指标的正、负理想解。
然后，建立评价指标综合向量与正、负理想解之间距离的二维数据空间。
在此基础上对评价方案与最优理想参照点之间的距离进行模糊评判。
最后，依据该距离的大小对评价方案进行优劣排序.若某方案为最优方案则此方案最接近最优解，同时又远离最劣解.TOPSIS法最大的优点是:无严格限制数据分布及样本含量指标的多少，小样本资料、多评价单元、多指标的大系统资料都同样适用，同时也不受参考序列选择的干扰。
既可用于多单位之间进行对比，也可用于不同年度之间对比分析，该法运用灵活，计算简便同时结果量化也客观[1]。
缺点：（1）规范决策矩阵的求解比较复杂，故不易求出理想解和负理想解；（2）评价缺少稳定性，当评判的环境及自身条件发生变化时，指标值也相应会发生变化，就有可能引起理想解和负理想解向量的改变，使排出的顺序随之变化，评判结果就不具有唯一性；（3）属性权重是事先确定的，其主观性较强。
[2]基本步骤：○1建立多属性决策问题的决策矩阵○2决策矩阵的规范化处理常见的标准化处理方法有:模糊数学法、标准差标准化法、极差标准化法、极大值标准化法和百分比标准法等.○3构建加权规范化矩阵确定权重的方法有主观赋权法和客观赋权法。
主观赋权法包括层次分析法、Delphi法等。
主观权重法土要根据专家判断打分，主观性太强，其结果对多因素非线性定量关系的反映有一定影响:客观权重法人为因素干扰较小，可以较为客观地确定权重，但该方法也受样本数据数量和质量的制约。
权重确定的方法：主成分分析法、变异系数法。
○4确定正理想点和负理想点所谓正理想点是设想得到的最好的解，它的各个指标值都达到各候选方案中最好的值。
而负理想点是另一设想的最坏的解，它的各个指标都达到各候选方案中最坏的值。
todim 算例
todim 算例TODIM算法是一种多属性决策方法，它通过考虑到达度和离去度之间的差异，帮助决策者在面对复杂多属性决策问题时做出决策。
TODIM算法的全称是Topsis-based Decision-Making Trial and Evaluation Laboratory-TODIM。
本文将详细介绍TODIM算法的原理和应用场景，并分析其优缺点。
TODIM算法基于TODIM模型，将多属性决策问题转化为较少属性的决策问题，然后使用层次分析法(AHP)对各属性进行权重分配，最后应用Topsis算法进行决策。
TODIM算法的核心思想是在决策中考虑到达度和离去度的差异，从而更准确地评估方案的优劣。
具体来说，TODIM算法通过对每个方案的属性评估，计算方案的优劣得分，从而进行排名和选择最优方案。
TODIM算法的应用场景广泛，特别适用于多属性决策问题的决策过程中。
例如，在企业的生产决策中，管理者需要考虑多个属性，如成本、质量、交货时间等，通过应用TODIM算法可以更好地把握各属性的权重，从而做出最佳决策。
此外，在城市规划中，政府需要综合考虑交通、环保、居民需求等多个属性，通过TODIM算法可以更全面地评估方案的优劣，为城市规划提供科学依据。
TODIM算法的优点在于能够克服传统方法中无法准确评估方案的问题。
相比于以往的多属性决策方法，如加权和平均法、加权和乘法等，TODIM算法通过考虑到达度和离去度之间的差异，更综合地评估方案的优劣。
此外，TODIM算法还可以通过AHP方法对各属性进行权重分配，提高了决策的科学性和准确性。
然而，TODIM算法也存在一些缺点。
首先，对于某些属性评估的数据难以获得，这可能导致决策结果的不准确。
其次，TODIM算法比较复杂，需要决策者具备一定的专业背景和相关知识，否则可能无法正确应用该方法。
此外，TODIM算法在处理大规模复杂的多属性决策问题时存在计算量大、复杂度高的问题。
在实际应用中，为了更好地利用TODIM算法进行决策，可以采取一些措施。
基于多属性群决策理论的银行IT系统综合评价方法
价 格 外观 客户 安全性 驱 动程序 出错 率 评价 体验 评价 评 价 稳 定性 评价
偏 好 Ｏ２ ． ０１ ． ０２ ． Ｏ２ ． ０１ ． ０２ ．
最大值的距离和最大值与最小值距离的商 ，效益型指标 的规格化后的值为原值与矩阵 中该列中最小值的距离与 最大值 与最小值距离的商。经过公式 （ ）的处理 ，决 １
价 方法 。该方 法 能够 对 候选 方 案 的各 项指 标 进行 规 格化
每位专家还需给 出对于指标的偏好 ，每个专家在评估ｕ
见表１ ）。 处理 ，并对方案的指标进行综合评估从而得出最优解决 盾产品时都需要填写一张表格 （
６ 中国金融电脑／００６ ４ ２１．
值 。成 本 型指 标 的 规格 化 后 的值 为 原值 与 矩 阵 中该 列 中
基于 多属性群决策理论 的
银 行Ｉ 系统综合 评价方法 Ｔ
中国工商银行股份有 限公 司北京分 行 李祯
近年来 ，中国工商银行 （ 以下简称 “ 工行 ” ） Ｔ Ｉ 系 方案，该方法还能够支持多决策者参与的场景 。 统快速发展 、不断创新 ，在拓展银行业务 、确保稳定生
一
产 、控制业务成本和风险方面起到了举足轻重 的作用 。 然而 ，随着工行Ｉ 系统数量不断增多 、复杂程度不断增 Ｔ
在银行Ｉ 系统的整个研发和部署的过程中，工作人 指标和客观指标两类 ，主观指标的含义是其值是 由领域 Ｔ 员经常会面临各种各样的难题 ，其 中有一类问题集中在 专家给 出的主观经验值 ，客观指标的含义是其值是客观 如何综合评价多个候选方案以寻求最优 。例如 ：对于一 产生的。此外 ，这些指标又可以分为成本型和效益型两 个Ｉ 系统 ，有多套设计方案 ，并且每套方案各有所长 ， Ｔ 种 ，成本型的指标值越低越好 ，而效益型的指标值越高
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。
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。
多目标模糊评价模型与评价等级计算方法
五、结论
多目标模糊评价模型与评价等级计算方法是两个非常重要的分析工具，对于 生活和工作中的多属性决策问题具有重要的应用价值。随着科技的发展和应用场 景的多样化，这两种方法将会得到更加广泛的应用和推广。
未来，多目标模糊评价模型和评价等级计算方法可能会朝着以下几个方向发 展：1）模型的自适应能力和鲁棒性将得到进一步提升；2）将更加注重将和机器 学习等技术融入到传统模型中，以提高模型的准确性和效率；3）对于复杂的应 用场景，将需要更加精细和全面的评价标准和方法；4）对于大规模数据集的处 理能力将得到进一步优化。
二、评价等级计算方法
评价等级计算方法是根据评价对象的属性或指标，按照一定的规则和标准， 将其划分到不同的等级或类别中的一种方法。评价等级计算方法通常采用数学或 统计学的原理，以量化的方式对评价对象进行分级。
评价等级计算方法主要分为两大类：主观评价和客观评价。主观评价通常根 据专家经验、调查问卷等方式进行，如模糊综合评价、嫡权法等；客观评价则是 根据实际数据和数学模型进行计算，如神经网络、支持向量机等。
在将模糊评价应用于配电网络的多目标优化中时，我们需要首先建立每个目 标的隶属函数，然后通过综合评价得到每个方案的总体评价结果。最后，我们可 以利用优化算法如遗传算法、粒子群算法等来寻找最优解。
参考内容二
模糊综合评价模型是一种广泛应用于各种领域的决策分析方法。它通过综合 考虑多个因素，并运用模糊数学理论对各个因素进行权重分配和综合评价，从而 得出一个全面、客观的评价结果。本次演示将详细介绍模糊综合评价模型的原理、 方法和应用。
一、多目标模糊评价模型
多目标模糊评价模型是一种广泛应用于多属性决策的分析方法，其基本思想 是将多个目标的评价信息进行融合，从而得到一个综合的评价结果。在多目标模 糊评价模型中，通常采用模糊数学和概率统计等方法，对评价对象进行定性和定 量的分析。
不同权重指标的topsis算法
不同权重指标的topsis算法引言Topsis（Technique for Order Preference by Similarity to Ideal Solution）是一种多属性决策分析方法，旨在帮助决策者在多个可选方案中选择最佳方案。
在Topsis算法中，我们需要为每个方案评估多个指标，并为这些指标分配权重。
本文将介绍不同权重指标的topsis算法的原理、步骤和应用。
一、Topsis算法原理Topsis算法基于以下两个假设： 1. 方案的评价是基于多个指标的。
2. 各个指标的重要性是不同的。
Topsis算法将每个方案表示为一个向量，并计算每个方案与理想解和负理想解的相似度。
理想解是在各个指标上取最大值的方案，负理想解是在各个指标上取最小值的方案。
相似度的计算是通过欧氏距离或曼哈顿距离来实现的。
二、Topsis算法步骤Topsis算法的步骤如下：1. 收集数据收集各个方案在各个指标上的评价数据，并将其表示为一个矩阵。
2. 归一化矩阵对评价矩阵进行归一化处理，将所有指标值转化为[0, 1]区间内的值。
常用的归一化方法有线性归一化和标准化。
3. 确定权重确定各个指标的权重，即指标的重要程度。
权重可以通过主观评估、专家意见或数学模型等方式确定。
4. 计算加权归一化矩阵将归一化矩阵中的每个元素乘以相应指标的权重，得到加权归一化矩阵。
5. 计算理想解和负理想解对加权归一化矩阵分别计算每个指标的最大值和最小值，得到理想解和负理想解。
6. 计算方案与理想解和负理想解的相似度对每个方案，分别计算其与理想解和负理想解的相似度。
相似度可以通过计算方案与理想解的欧氏距离或曼哈顿距离来实现。
7. 计算综合评价指数根据方案与理想解和负理想解的相似度，计算每个方案的综合评价指数。
综合评价指数越大，方案越好。
8. 排序按照综合评价指数对方案进行排序，选择综合评价指数最高的方案作为最佳方案。
三、不同权重指标的Topsis算法应用Topsis算法可以应用于各种决策问题，例如： 1. 企业的供应商选择：根据不同指标（如价格、质量、交货时间等）对供应商进行评估和排序。
多属性决策分析
多属性决策分析引言多属性决策分析是一种决策分析方法，用于处理在决策过程中有多个属性或准则的情况。
在实际生活中，我们常常面临需要权衡多个属性或准则的决策，例如选择购买的产品、选择投资项目等。
多属性决策分析方法可以帮助我们在复杂多变的决策环境中做出更准确和合理的决策。
基本概念在多属性决策分析中，我们首先需要定义决策问题中的属性或准则。
属性可以是各种各样的特征或指标，例如价格、质量、服务等。
每个属性都可以用一个评价指标来度量，这些指标可以是定量的（例如价格）也可以是定性的（例如服务）。
然后，我们需要为每个属性确定权重或重要性，用于衡量其在决策过程中的相对重要程度。
方法多属性决策分析方法有很多种，其中一种常用的方法是加权求和法。
该方法将每个属性的值乘以其权重，并将它们相加以得到最终的决策值。
具体步骤如下：1.确定决策问题的属性或准则，并为每个属性确定评价指标。
2.为每个属性确定权重或重要性。
可以使用专家判断、问卷调查、层次分析法等方法来确定权重。
3.对于每个属性，根据其评价指标对各个选项进行评价，并将评价结果转化为数值。
4.将每个属性的评价结果乘以其权重，并将它们相加以得到最终的决策值。
5.根据最终的决策值，选择得分最高的选项作为最优决策。
除了加权求和法外，还有其他一些常用的多属性决策分析方法，例如层次分析法、灰色关联分析法等。
这些方法根据不同的决策问题和决策环境可以选择不同的方法进行分析。
示例假设我们要选择一款笔记本电脑进行购买，我们关注的属性包括价格、配置、品牌和售后服务。
我们采用加权求和法进行分析，将权重分别设置为0.3、0.4、0.2和0.1。
对于价格属性，我们将价格分为五个等级：1000元以下、1000-2000元、2000-3000元、3000-4000元和4000元以上。
我们根据电脑的价格将其评价分别设为5、4、3、2和1。
对于配置属性，我们将配置分为五个等级：高配、中高配、中配、中低配和低配。
基于多属性决策的统计数据分级综合评价模型
第３ ０卷 第 ５期
２０ ０ ７年 １ 月 ０
测 绘 与 空 间 地 理 信 息
Ｇ ＭＡ Ｉ Ｓ ＆ Ｓ Ｔ Ａ ＮＦ ＥＯ ＴＣ ＰＡ Ｉ Ｌ Ｉ ｏＲＭＡ ｌ Ｅ Ｔ ｏＮ Ｔ ＣＨＮ ｏ Ｏｂ （
Ｖｏ ． ０． ｏ ５ １３ Ｎ ．
Ｔｈ ｎ ｕｓｎｇｅ ｔｏ ｙ ｉ ｎｏ ｍ ａｉｎ ｔ ｅ ｒ ｏ ｅ ｕ ｅ ｔ ｅｒ ｌ ｔ ｉ ｈ ｆｉ ｄ ｘ ｆｒｅ ａ ｕ ｔｎ ｒ ｄ ｎ ｃ ｕｒｃ Ｂａ ｅ ｎ ｔｅ ｅ ｔ ｅ ｒｅ ， ｅ ｉ ｎ ｒ ｐ ｎ ｉ ｆｒ ｔｏ ｈ ｏ ｙｔ ｎｓ ｒ ｈ ｅ ａｉ ｗｅ ｇ ｔｏ ｎ ｅ ｏ ｖ ｌ ａ ｉｇ ｇ ａ ｉ ｇａ ｃ ａ ｙ． ｓ ｄ ｏ ｈ ｓ ｈ ｏ ｓ ｖｅ ｉ
Ｏｃ ．，２ ０７ ｔ ０
基 于 多属 性 决 策 的统 计 数 据 分 级 合 价 模 型 皇 综 评 不口
孙娟娟 ，刘缵 武 ，张玉灵 ，江 南
（ ． 息工程大学 理学院 。 南 郑州 ４ ０ ０ ； ． １信 河 ５０ １ ２ 信息工 程大 学 测绘 学院 。 河南 郑 州 ４ ０５ ； ５ ０ ２ ３ 郑州大学 升达经贸管理学院 。 南 郑州 ４ １ ９ ） ． 河 ５ １１
Ｂａ ｅ ｎ Ｍ ｕ ｔｐ ｅ Ａｔｒ ｂ ｔ ｃｓ ｏ ａ ｉ ｇ ｓｄ ｏ ｌｉ ｌ ｔ ｉ ｕ ｅ Ｄｅ ｉｉ ｎ Ｍ ｋ ｎ
Ｓ Ｎ Ｊａ ｊ ａ Ｉ ｕ ｎ— Ｕ ，Ｚ ＮＧ Ｙｕ—ｌ ｇ ，Ｉ Ｇ Ｎ ｎ Ｕ ｕ ｎ— ｕ ｎ ，ＬＵ Ｚ ａ Ｗ ＨＡ ｉ ＪＡＮ ａ ｎ
３ Ｓ ｅｇ ａＣｏ ｅｅｏ ｃ ｎ ｍｉ —ｔａ ｅｍａ ａ ｅ ｎ ， ｈ ｎ ｚ ｏ ｉｅｓ ｙ Ｚ ｅｇｈ ｕ４ １９ ， ｈｎ ） ． ｈ ｎ ｄ ｌ ｇ ｆＥ ｏ ｏ ｃ ｒｄ ｎ ｇｍｅ ｔＺ ｅ ｇｈ ｕＵｎｖｒｉ ， ｈｎ ｚｏ ５ １ １ Ｃ ａ ｌ ｓ ｔ ｉ
基于多属性决策方法的评价及灵敏度分析的开题报告
基于多属性决策方法的评价及灵敏度分析的开题报告题目：基于多属性决策方法的评价及灵敏度分析一、研究背景随着社会和经济的发展，多种决策问题需要通过多属性决策方法来进行评价和决策。
多属性决策方法是指根据不同的属性和指标来评估事物的价值和效益，并通过综合评价进行决策的方法。
多属性决策方法广泛应用于工程评价、投资决策、环境评价等领域，具有重要的理论和实践意义。
在多属性决策中，灵敏度分析是一种重要的评价方法，它可以帮助我们评估决策结果对不同参数的响应程度。
灵敏度分析可以帮助我们确定关键因素，从而优化决策结果。
二、研究内容和目标本研究旨在通过多属性决策方法进行评价和灵敏度分析，为实际决策问题提供较为科学准确的决策依据。
具体内容包括：1. 多属性决策方法的理论基础和应用方法研究；2. 国内外典型案例的分析和研究，并建立相应的决策模型；3. 对多属性决策模型进行灵敏度分析，确定关键因素；4. 针对多属性决策模型的不确定性因素，进行不确定性分析。
本研究的目标是：1. 掌握多属性决策方法的理论和实践知识，建立完整的决策模型；2. 在多个实际决策问题中，应用多属性决策方法进行评价和决策；3. 实施灵敏度分析，确定关键因素，并为优化决策结果提供基础。
三、研究方法和技术路线本研究采用文献研究、案例分析、数学统计和计算机模拟等方法，研究技术路线如下：1. 理论研究阶段：对多属性决策方法的基本理论进行系统研究和分析，从理论上建立决策模型。
2. 实证分析阶段：选取多个实际决策问题作为分析对象，分析关键因素和不确定性因素，利用多属性决策方法进行评价和决策，建立相应的数据模型。
3. 灵敏度分析阶段：采用敏感度分析方法，评估不同参数对决策结果的贡献度和影响程度，确定关键因素。
4. 不确定性分析阶段：针对不确定性因素，采用蒙特卡罗方法进行不确定性分析，评估决策结果的风险程度。
四、研究意义本研究的意义在于：1. 深入探讨多属性决策方法的理论和应用，为实际决策问题提供科学准确的决策依据；2. 利用灵敏度分析方法，确定影响决策结果的关键因素，为优化决策结果提供理论支持；3. 进行不确定性分析，评估决策结果的风险程度，为制定风险管理策略提供参考。
基于直觉模糊多属性决策的装备作战适用性评估方法
收稿日期：2019-09-29修回日期：2019-11-30作者简介：张宇（1980-），男，山西晋中人，博士。
研究方向：军事装备学。
摘要：针对装备作战适用性难以有效评估的问题，提出了一种基于直觉模糊多属性决策的作战适用性评估方法。
建立了装备作战适用性评估指标体系，提出了基于群决策的权重确定方法，利用直觉模糊集表示的多决策者评估指标重要度信息，建立了以意见一致性最大化为指标的权重优化模型，给出了基于相似度的装备作战适用性等级评估的具体步骤。
通过评估实例，说明了该方法在装备作战适用性等级评估中的有效性。
关键词：装备作战，作适用性，多属性决策，适用性评估中图分类号：E830.65；TJ01文献标识码：ADOI ：10.3969/j.issn.1002-0640.2020.11.032引用格式：张宇，安志琦.基于直觉模糊多属性决策的装备作战适用性评估方法［J ］.火力与指挥控制，2020，45（11）：173-177.基于直觉模糊多属性决策的装备作战适用性评估方法张宇1，2，安志琦3（1.陆军装甲兵学院演训中心，北京100072；2.航天工程大学宇航科学与技术系，北京101416；3.航天工程大学航天指挥学院，北京101416）Evaluation Method of Equipment Operational Suitability Based onIntuitionistic Fuzzy Multiple Attribute Decision MakingZHANG Yu 1，2，AN Zhi-qi 3（itary Exercise and Training Center ，Army Academy of Armored Forces ，Beijing 100072，China ；2.Department of Aerospace Science and Technology ，Space Engineering University ，Beijing 101416，China ；3.Aerospace Command College ，Space Engineering University ，Beijing 101416，China ）Abstract ：As it is difficult for equipment operational suitability to evaluate problems effectively ，amethod of operational suitability evaluation based on intuitionistic fuzzy multi -attribute decision -making is proposed.Firstly ，the evaluation index system of equipment operational suitability isestablished.Secondly ，based on the intuitionistic fuzzy set of multi-decision makers ’evaluation index importance ，the weight optimization model with maximizing consensus is established.Finally ，the detailed evaluation steps of equipment operational suitability level based on similarity are given.The validity of proposed method in evaluating equipment operational suitability level is illustrated by evaluating an example.Key words ：equipment operations ，operational suitability ，multi-attribute decision-making ，suitability evaluationCitation format ：ZHANG Y ，AN Z Q.Evaluation method of equipment operational suitability based on intuitionistic fuzzy multiple attribute decision making ［J ］.Fire Control &Command Control ，2020，45（11）：173-177.0引言装备作战试验用于考核武器装备在接近真实作战环境下的性能和能力［1］。
基于多属性群决策的项目风险投资评估方法
和纵向集结， 消除 决策者主观 因素的影 响， 有效 并通过增加 中间值 ， 使项 目 险投 资评估更加科学。 风
【 关键词】 目风险； 项 投资评估； 多属性群 决策 对一个项 目风险管理的好坏， 在某种意义上决 定了项 目最 终管理 目标 的实现 。 对项 目的风险进行评价是项 目投资决策 中 的重要环 节， 因为对其风 险进 行分析和评 价 ， 可以 了解 到各种
１ 。假定决策者 ｄ ｋ
（∈ ） ｄ Ｄ 给出方案 ｘ（ ∈Ｘ在属性 ｕ（ ∈ ） ｋ ｉ‘ ） ） ｉ ｊ ｊ ｕ 的属性值为 ａ ｉ ｕ ∞ｊ ，
ｋ ｋ 得到规范化矩阵 不 合 理 因 素 的 影 响 ， 增 加 了 中 间值 的 作 用 （ 要 是 通 过 对 过 从而构成决策矩阵 Ａ。Ａ 经过规 范化处理后 ， 并 主
经营管理
基 于 多属 性群 决策 的 项 目 风 险 投 资 评 估 方 法
李 春 花 朱红 艳
（ 湘潭大学商学院， 南 湘潭 ４ １０ ） 湖 １ １５
【 摘
要】 文章基 于 Ｏ ＷＡ算子和 Ｃ Ａ算子 的多属 性群 决策评估 方法 ， 两种加权算子的优点 ， 项 目的风险进行横 向 ＷＡ 综合 对
１ Ｗ ．ＯＡ算子和 Ｃ Ａ Ｗ Ａ算子 的定义。 （）定义 １ １ ：设 Ｆ。 ：
ｎ
属 值ｚ Ｗ Ｆ ｒ …ｒ ）∑ｗ （ 式４。３ 性 （＝ ｒ ， ， ： （ 公 ） （ ） （ ｂ ｋ ）
群体综合属性值的计算。利用 Ｃ Ａ Ｗ Ａ算子对位 决策者给出的方
Ｒ“ Ｒ 若 Ｆ０ （ｌ ａ ， ， ＝ ｗ ｂ （＝ ， ， ｎ （ 式 一 ， ｗ ａ ，２ … ａ ） ｛ ｉｊ ｌ ２ …， ） 公
（∞ｊ ） ２ ） 利用 ＯＡ算子对决策矩阵 Ｒ ｗ 高 或 过 低 的某 投 资 项 目阶 段 风 险 综 合 属 性 值 赋 予 较 大 或 较 小 Ｒ ｒ 。（ 综合属性值计算。 中第 ｉ 行的属 性值进行集结， 得到决策者 ｄ所给 出的方案综合 ｋ 的权重） 从而增强投 资评估结果的合理性。 ， 二 、基于 ＯＡ算子和 Ｃ Ａ Ｗ ＷＡ算子 的多属性群决策评估方法
基于TOPSIS的多属性群决策方法研究
基于TOPSIS的多属性群决策方法研究基于TOPSIS的多属性群决策方法研究摘要：随着经济发展和社会进步，我们面临越来越复杂的决策问题。
这些问题通常涉及多个属性的评估和决策，需要一个有效的方法来帮助我们做出理性的决策。
本文将介绍一个基于TOPSIS（技术附近排序法）的多属性群决策方法，该方法可以帮助我们有效地处理这些决策问题，并提供一个合理的决策结果。
关键词：TOPSIS，多属性决策，群决策，决策方法1. 引言决策问题在我们的日常生活和工作中无处不在。
从个人到组织，从家庭到社会，我们都需要经常做出各种各样的决策。
这些决策通常涉及多个属性的评估和决策。
例如，我们在购买房屋时可能需要考虑价格、位置、面积等多个属性。
在组织管理中，我们可能需要考虑收入、成本、市场份额等多个属性来制定决策。
由于多个属性的存在，我们需要一个有效的方法来对这些属性进行评估和决策。
传统的决策方法，例如加权平均法和启发式方法，只考虑属性之间的相对重要性，没有考虑属性之间的相互关系。
这使得这些方法在处理复杂决策问题时效果不佳。
2. TOPSIS方法的原理TOPSIS是一种常用的多属性决策方法，它通过将决策问题转化为一个数学模型来帮助我们做出决策。
该模型基于以下两个假设：- 假设1：候选方案的评估结果应该尽量接近理想方案。
- 假设2：候选方案的评估结果应该尽量远离非理想方案。
为了实现这两个假设，TOPSIS根据属性评估结果的正负方向和离理想解的距离来计算每个候选方案的综合评分。
具体来说，TOPSIS根据以下步骤进行决策：1. 确定决策问题的属性集和候选方案集。
2. 标准化属性值，使得它们之间具有可比性。
3. 计算理想解和非理想解，根据每个属性的评估结果。
4. 计算每个候选方案与理想解的距离和非理想解的距离。
5. 计算每个候选方案的综合评分，根据与理想解距离和非理想解距离的比例。
3. TOPSIS方法的优点TOPSIS方法相比传统的决策方法具有以下优点：- 考虑属性之间的相互关系。
多属性决策方法
多属性决策方法在许多实际问题中，我们需要从多个选择中挑选出一个最优解。
这些问题通常涉及到多个决策属性，例如成本、质量、可靠性、时间等等。
这些属性之间相互影响，有时候还会存在不确定性和模糊性。
如何有效地进行多属性决策，是一个十分重要的问题。
本文将介绍三种常见的多属性决策方法，分别是层次分析法、灰色关联度法和熵权法。
一、层次分析法层次分析法是一种按照结构层次进行分析的方法，它将复杂的多属性决策问题分解为若干层次，从而进行简化。
这种方法侧重于对决策问题中各个因素之间的相对重要性进行比较和排序，以确定最佳决策方案。
下面是层次分析法的基本思路：1.确定决策目标2.分解目标成为若干个层次，找出每个层次的准则和子准则3.构造层次结构模型4.构造判断矩阵，通过专家评价确定每个准则和子准则之间的相对重要性5.计算权重并得出最终方案这里简单介绍一下层次分析法的计算过程。
设有n个决策准则和n个决策方案，判断矩阵为A=(a[i,j])，其中a[i,j]表示准则i相对于准则j的重要程度。
首先，计算每个准则相对于其他所有准则的权重向量W=[w1,w2,…,wn]，其中wi表示准则i对应的权重，wi的大小与其在判断矩阵A中所处的位置有关。
然后，计算每个方案的得分向量V=[v1,v2,…,vn]，其中vi表示方案i在各个准则下的得分。
最终得到所有方案的加权得分，选择加权得分最大的方案作为最优决策方案。
二、灰色关联度法灰色关联度法是一种基于灰色系统理论的多属性决策方法。
其基本思路是将多个决策属性放在同一等级上，通过对各个属性值之间的相对关系进行量化，来评价方案的综合表现。
具体做法是首先将各个属性标准化，使得它们的取值范围相同。
然后，计算每个属性值与其他属性值之间的相对关系，从而得到各个方案的关联度。
最终选择关联度最大的方案作为最优决策方案。
三、熵权法熵权法是一种基于信息熵的多属性决策方法。
其基本思路是将每个属性的信息熵看做是一个衡量不确定性的指标，然后通过权重分配来最小化所有属性的信息熵的加权和，从而得到最优决策方案。
- 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)。
增刊Ⅱ
邹启杰，等：基于多属性决策的自主等级评估算法
· ３８３ ·
１ 混合主动交互的可变自主
在无人系统中，用 户 和 无 人 设 备 可 以 视 为 智 能体ａｇｅｎｔ，混合主动交互策略中的 ａｇｅｎｔ都为完 成任务而尽 自 己 最 大 的 努 力，并 且 ａｇｅｎｔ交 互 的 角色不是提前确 定 的，而 是 根 据 要 解 决 的 问 题 进 行协商而动态确定［３－４］，这 样 ａｇｅｎｔ能 够 动 态 改 变 交互方式以更好地解决问题．
第３９卷 增 刊 Ⅱ ２０１１年 １１月
华 中 科 技 大 学 学 报 （自 然 科 学 版） Ｊ．Ｈｕａｚｈｏｎｇ Ｕｎｉｖ．ｏｆ Ｓｃｉ．＆ Ｔｅｃｈ．（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ）
Ｖｏｌ．３９Ｓｕｐ．Ⅱ Ｎｏｖ． ２０１１
基于多属性决策的自主等级评估算法
பைடு நூலகம்
邹启杰１，２ 张汝波１ 唐平鹏１ 尹丽丽１
（１ 哈尔滨工程大学计算机科学与技术学院，黑龙江 哈尔滨 １５０００１； ２ 大连东软信息学院计算机科学与技术系，辽宁 大连 １１６０２３）
摘要 通过多属性决策的理论对自主能力进行评估，实现 了 混 合 主 动 交 互 的 可 变 自 主 系 统 ．结 合 水 面 无 人 系 统 的 导 航 任 务 ，给 出 了 基 于 多 属 性 决 策 理 论 的 自 主 能 力 确 定 模 型 ．利 用 该 模 型 ，能 够 评 价 当 前 形 势 下 可 行 的 自 主等级，并基于用户偏好做出选择，解决了未知环境下 无 人 系 统 自 主 等 级 合 理 确 定 的 问 题 ，具 有 较 好 的 效 果． 研究结果表明基于多属性决策的自主等级确定算法是有效的． 关 键 词 无 人 系 统 ；自 主 等 级 ；可 变 自 主 ；混 合 主 动 交 互 ；多 属 性 决 策 中 图 分 类 号 ＴＰ２４２ 文 献 标 志 码 Ａ 文 章 编 号 １６７１－４５１２（２０１１）Ｓ２－０３８２－０３
目前，对于实 现 无 人 系 统 可 变 自 主 能 力 的 研 究 很 多 ，主 要 区 别 在 于 自 主 能 力 评 估 算 法 的 不 同 ．
自主能力评估算法的分类可以按照评估关注的信 息或评估结果的 表 达 形 式 不 同 来 分 类．前 者 分 为 基于用户的可变自主实现方法和基于 ａｇｅｎｔ的 方 法 ．后 者 分 为 划 分 和 不 划 分 自 主 等 级 的 方 法 ．本 研 究一方面 采 用 混 合 主 动 交 互 的 自 主 等 级 评 估 方 法，既考虑用户的状态信息，也考虑 ａｇｅｎｔ解 决 问 题的能力；另一方 面 本 算 法 的 输 出 为 已 经 定 义 的 自主等级中的一 种．算 法 设 计 以 水 面 无 人 系 统 为 例对自主等级进 行 定 义，并 且 针 对 其 巡 航 任 务 建 立决策模型和实验模拟．
ｍｕｌｉ－ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ
将人类的认知能力和智能系统的计算和执行 能力相结合进行研究能提高无人系统任务完成的 质量［１－２］．在未知 的 环 境 下，无 人 设 备 自 主 等 级 的 确定是可变自主系统动态协作的重要研究问题． 但执行任务前静态地划分自主等级是不可行的， 因 为 环 境 变 化 是 无 限 的 ．所 以 ，可 将 自 主 等 级 的 确 定 视 为 决 策 问 题 来 解 决 ，即 在 一 定 的 决 策 环 境 下 ， 选一种在操作者看来效用最大的人机协作方式．
性的评价来自于 态 势 评 估 模 块．规 划 代 价 通 过 规
划需要资源消耗 和 人 力 消 耗 来 衡 量，该 属 性 来 自
于态势评估模块、任 务 识 别 模 块 以 及 用 户 建 模 模
块．用户状态是通 过 系 统 交 互 界 面 对 用 户 疲 劳 度
和技能进行评价，该 属 性 来 自 于 用 户 建 模 模 块 产
等 级 决 策 时 ，根 据 影 响 任 务 执 行 效 果 的 因 素 ，定 义
目标以及递阶 结 构［５－９］．自 主 等 级 决 策 分 为：任 务
识 别 （包 括 任 务 目 标 确 信 程 度 ）；环 境 感 知 （包 括 环
境 信 息 准 确 程 度 、威 胁 等 级 ）；规 划 代 价 （包 括 资 源
２ 自主等级评估过程
多属性决策理 论 是 多 目 标 决 策 的 一 种，解 决 步骤有［５］：决策问 题 描 述，确 定 可 行 方 案 集 合；根 据决策问题的目 标 进 行 相 关 信 息 采 集；属 性 评 价 函 数 的 定 义 ；方 案 筛 选 ．无 人 系 统 自 主 等 级 评 估 是 多 属 性 决 策 问 题 ，希 望 最 终 的 自 主 等 级 既 能 准 确 、 有 效 完 成 任 务 ，又 不 会 给 用 户 增 加 工 作 压 力 ，因 此 目标间存在不可 公 度 性 和 矛 盾 性，采 用 多 属 性 决 策适合实现无人系统可变自主的功能需求．
Ａｂｓｔｒａｃｔ Ｂｙ ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｕｔｏｎｏｍｙ ｌｅｖｅｌ ｗｉｔｈ ｍｕｌｔｉ－ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｔｈｅｏｒｙ，ａｄｊｕｓｔａｂｌｅ ａｕｔｏｎｏｍｙ ｓｙｓｔｅｍ ｃｏｕｌｄ ｂｅ ａｃｈｉｅｖｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｍｉｘｅｄ－ｉｎｉｔｉａｔｉｖｅ ｉｎｔｅｒａｃｔｉｏｎ．Ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｕｎ－ ｍａｎｎｅｄ ｓｕｒｆａｃｅ ｖｅｈｉｃｌｅ （ＵＳＶ）ｎａｖｉｇａｔｉｏｎ ｔａｓｋ，ａｄｊｕｓｔａｂｌｅ ａｕｔｏｎｏｍｙ ｍｏｄｅｌ（ＡＡＭ）ｗａｓ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ｍｕｌｔｉ－ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｔｈｅｏｒｙ，ａｎｄ ｃｏｕｌｄ ｂｅ ｕｓｅｄ ｔｏ ｍｅａｓｕｒｅ ｔｈｅ ａｕｔｏｎｏｍｙ ｌｅｖｅｌ ｏｆ ＵＳＶ ｉｎ ｃｕｒｒｅｎｔ ｓｉｔｕａｔｉｏｎ ａｎｄ ｕｓｅｒ ｐｒｅｆｅｒｅｎｃｅｓ．Ｔｈｅ ｍｅａｓｕｒｅ ｏｆ ＵＳＶ’ｓ ａｕｔｏｎｏｍｙ ｌｅｖｅｌ ｗａｓ ｅｆｆｅｃｔｉｖｅｌｙ ｓｏｌｖｅｄ ｂｙ ＡＡＭ．Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ａｕｔｏｎｏｍｙ ｓｔｕｄｙ ｓｈｏｗ ｔｈａｔ ｅｖａｌｕａｔｉｎｇ ｔｈｅ ａｕｔｏｎｏｍｙ ｌｅｖｅｌ ｗｉｔｈ ｍｕｌｔｉ－ａｔ－ ｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｔｈｅｏｒｙ ｉｓ ｃｏｒｒｅｃｔｌｙ ａｎｄ ｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙ ｗｏｒｄｓ ｕｎｍａｎｎｅｄ ｓｙｓｔｅｍ；ａｕｔｏｎｏｍｙ ｌｅｖｅｌ；ａｄｊｕｓｔａｂｌｅ ａｕｔｏｎｏｍｙ；ｍｉｘｅｄ－ｉｎｉｔｉａｔｉｖｅ ｉｎｔｅｒａｃｔｉｏｎ；
消耗、用 户 工 作 压 力、用 户 技 能 需 求 ）；用 户 状 态
（包括用户偏好）．任 务 识 别 通 过 对 要 完 成 的 任 务
目标确信程度来 衡 量，该 属 性 的 评 价 来 自 于 系 统
的任务识别模块．环 境 感 知 通 过 环 境 信 息 的 准 确
性和对于无人系 统 安 全 的 威 胁 程 度 来 衡 量，该 属
收 稿 日 期 ２０１１－０６－１５． 作 者 简 介 邹 启 杰 （１９７８－），女 ，博 士 研 究 生 ，Ｅ－ｍａｉｌ：ｚｏｕｑｉｊｉｅ＠ｎｅｕｓｏｆｔ．ｅｄｕ．ｃｎ． 基金项目 国家自然科学基金资助项目 （６０９７５０７１）；国家高技术研究发展计划资助项目 （２００９ＡＡ０４Ｚ２１５）．
无人系统的自主等级定义可以模仿人类对自 我 能 力 的 评 估 结 果 ，将 自 主 等 级 定 义 为 ４ 个 等 级 ， 不同的 自 主 等 级 对 应 ４ 种 交 互 方 式．ａ．全 自 主， 即水面无人艇（ＵＳＶ）规划、ＵＳＶ 执行、ＵＳＶ 反馈 结果．ＵＳＶ 具备 对 自 身 行 为 能 力 全 部 管 理 能 力， 能够处理当前态 势 下 所 要 完 成 的 任 务，并 且 对 于 任 务 的 目 标 和 结 果 有 明 确 的 认 识 和 预 测 ．ｂ．用 户 认可，即 ＵＳＶ 规 划、用 户 认 可｜修 改、ＵＳＶ 执 行、 ＵＳＶ 反 馈 结 果．ＵＳＶ 所 处 环 境 对 于 其 安 全 有 很 大的威胁，虽然 ＵＳＶ 能 够 进 行 独 立 规 划 并 执 行， 但通过用户的认可后再实施规划可降低风险发生 的可能性．ｃ．用户启发，即 ＵＳＶ 提问、用户应答、 ＵＳＶ 规划、ＵＳＶ 执行、ＵＳＶ 反馈结果．ＵＳＶ 获取 的环境信息不确 定 性 比 较 高，通 过 与 用 户 的 交 互 降低 不 确 定 性，然 后 再 进 行 任 务 规 划 并 实 施． ｄ．用户遥 控，即 ＵＳＶ 警 示、用 户 遥 控、ＵＳＶ 执 行、ＵＳＶ 反 馈．ＵＳＶ 所 处 的 环 境 使 其 规 划 效 率 比较低，通 过 用 户 对 ＵＳＶ 的 规 划 或 者 行 为 进 行 完全控制，能帮助 ＵＳＶ 完成当前的任务．
生的用户对于当前任务不同自主等级的偏好．
ｃ．各自主等级属性评 价 函 数 的 定 义．确 定 上
述目标集结构以 后，就 要 确 定 每 个 属 性 的 评 价 函
数，即对于每种可 行 的 自 主 等 级 下 每 个 属 性 进 行
的评价结果．ａｉ＝（ｙｉ１，ｙｉ２，…，ｙｉｎ）为方案ｉ的ｎ 个 属 性 值，ｙｉｊ 为 方 案 ｉ 的 第 ｊ 个 属 性 值，ｙｉｊ ＝ ｆｊ（ａｉ），用第ｊ 个属性值表 示 对 于 ＵＳＶ 自 主 能 力 属 性ｊ 的 评 价 ．