多属性决策分析ppt课件

《多属性决策分析ppt课件》由会员分享，可在线阅读，更多相关《多属性决策分析ppt课件（54页珍藏版）》请在装配图网上搜索。

1、Click to edit Master title style,,Click to edit Master text styles,,Second level,,Third level,,Fourth level,,Fifth level,,*,,*,,,单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,,,*,,单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,,,*,多属性决策分析,,,,例：某中东国家拟从美国购买一种机型的喷气式战斗机若干架，美五角大楼的官员提供了准予出售的4种机型的有关信息。该

2、中东国家派出专家组对4种飞机进行了详细考察，考察结果见表，问应选购哪一种飞机以使决策的总效用值最大,,,,准则是决策事物或现象有效性的某种度量，是事物或现象评价的基础。它在实际问题中有两种基本的表现形式．即,属性,与,目标,,属性是伴随着决策事物或现象的某些特点、性质或效能,,每一种属性应该能提供某种测量其水平高低的方法,,目标是决策者对决策事物或现象的某种追求,,一个目标通常表明决策者在未来针对某一事物或现象确定的努力方向。,,,多准则决策（,Multiple Criteria Decision Making,．简称,,MCDM,）的研究领域被划分成,多属性决策,（,Multiple Att

3、ribute Decision Making,简称,,MADM,）和,多目标决策,（,Multiple Objective Decision,简称,MODM,）两个主要部分。,多属性决策与多目标决策,,其共性在于：,,两者对事物好坏的判断准则都不是惟一的，且准则与准则之间常常会相互矛盾。,,不同的目标或属性通常有不同的量纲，因而是不可比较的。,,差别在于：,,多属性的决策空间是离散的；多目标的决策空间是连续的。多属性的选择范围是有限的、已知的；多目标的选样范围是无穷的、未知的。多属性的约束条件隐含于准则之中。不直接起限制作用；多目标的约束条件独立于准则之外，是决策模型中不可缺少的组成部分,,,

4、简而言之,,从本质上来说，多属性是对事物的评价选择问题：多目标决策是对方案的规划设计问题。由多属性决策领域可自然延伸到群决策领域；而从多目标决策空间将会扩展到系统的优化与设计空间。,,第一节 多属性决策的准备工作,,多属性决策的准备工作包括：决策问题的描述、相关信息的采集（即形成决策矩阵）、决策数据的预处理和方案的初选（或称为筛选）。,,,一、决策矩阵,,经过对决策问题的描述（包括设立多属性指标体系）、各指标的数据采集，形成可以规范化分析的多属性决策矩阵。,,,设有,n,个决策指标,f,i,（,1≤j≤n,），,m,个备选方案,a,i,1≤i≤m,），,m,个方案,n,个指标构成的矩阵,,

5、,X=(x,ij,),m×n,,,称为决策矩阵。决策矩阵是规范性分析的基础。,,决策指标分两类：效益型（正向）指标，数值越大越优；成本型指标（逆向指标），数值越小越优。,,,在多属性决策问题中，由于属性指标之间的相互矛盾与制衡，因而不存在通常意义下的最优解。取而代之的是有效解（也称非劣解）、满意解、优先解、理想解、负理想解和折衷解，它们被分别定义如下：,,有效解（,Efficient Solution,）,：不被任何其它可行解所支配的可行解被称为。这里，所谓支配应理解为在所有属性上得到的结果都不比对方差，而且至少在一个属性上得到的结果比对方好。,,满意解（,Satisfying Solutio

6、n,）,在所有属性上都能满足决策者要求的可行解披称为满意解。显然，满意解可以不是有效解。,,优先解（,Preferred Solution,）,：最能满足决策者指定条件的有效懈被称为优先解,,理想解（,Ideal Solution,）：,由各属性在现有方案中可能具有的最好结果组合而成的解被称为理想解。,一般来说，理想解是不存在的。否则，理想解必是最优解，决策分析便不复存在。其数学表示式为,,,,,,反理想解（Anti-ideal Solution）：由各属性在现有方案中可能具有的最坏结果组合而成的解被称为反理想解。一般来说，反理想解也是不存在的。否则，它必可作为劣解而被淘汰。其数学裹示式为,,

7、,,,折衷解（,Compromise Solution,）,：距离理想解最近或距离反理想解最远或以某种方式将二者结合在一起的可行解被称为折衷解。,属性指标的量化与转换,,属性值的规范化处理,,所谓属性值的规范化处理就是要消除量纲的影响，并将所有数值的大小全部统一到单位区间内，这样才有比较的基础。,,在多属性决策分析中，最常用的数据规范化方法主要有以下两种。,,,向量法。该方法的数值转换公式为：,,,,,比例法。该方法对干不同类型的属性值采用不同的转换方式。对于收益类属性值，,,其转换公式为,,,,,,而对于成本性属性值，其转换公式为：,,,,,,其中,,,,,,,,属性权值的比较与分配,,在多

8、属性决策问题中，相对于决策者来说，不同属性的重要程度往往是不一样的。因此，在进行多属性决策分析之前，应首先确定每一属性的权值。常用的权值确定方法主要有两类：,,第一类是基于决策者自身认识和经验的主观比较法，适用于决策矩阵未知的情况；,,第二类是基于属性值特征的客观分析法。适用于决策矩阵已知的情况,,这一方法要求决策者将属性两两之间作成对的比较，给出每对同性的权重比 ， 比值的确定方式参见表,,,,,,,依据上述比较结果可构造权重比炬阵,,,,,,算术平均法。由于判断矩阵R中的每一列都近似地反映了权值的分配精形，故可采用全部列向量的算术乎均值来估汁权向量。即,,,

9、,,几何平均法： 与算术平均法类似，几何平均法是采用判断矩阵R中全部列向量的几何平均值作为权向量的估什。即,,,,,特征向量法,,将权重向量右乘权重矩阵，则有：,,,,,如果判断矩阵见是相容矩阵，由矩阵理论可知，n是R的惟一非零的也是最大的特征根，记为 ，而w是n所对应的特征向量。如果判断矩阵正不完全具有相容性，则上面的等式并不成立．但矩阵R元素的微小变动则意味着根的微小变动．故可先求解R最大特怔根 ，即求解以下用行列式形式表示的方程组的最大解且；,,,,将求出的最大特征根,,带入其次线性方程组,,,从而解出,,对应的特征向量,如果判断矩阵,R,是相容矩阵，将特征向量,,作归一化处理后即可作

10、为属性的权向量。,,但一般来说，R未必是相容矩阵，为了度量判断矩阵R的相容性，Saaty定义了下面的不相容指标：,,当,,时，认为判断矩阵,R,的相容性良好，可采用特征向量,W,作为权向量，否则，需要对判断矩阵,R,重新调整。由于特怔根对应的特怔向量一般不是惟一的，为了确切起见，可采用归一化的特征向量作为权向量。即,,,,,最小二乘法,,由于判断矩阵R的相容性很难保证，故 一般情形下 。 但可以根据最小二乘法原理选择一组权值 ，使其误差的平方和最小。即,,,,,例题,,已知判断矩阵R为：,,,分别用算术平均法，几何平均法，向量

11、法，最小二乘法求其权值,基数型多属性决策方法,,这一类方法要求决策者将属性值表示为能反映实际情况的基数形式，通过规范，加权、合成、比较等技木求得决策的最终结果。主要包括极大-极大型、极大-极小型、赫威斯型和简单加权平均型4种基本方法，以及折衷型和ELECTRE等方法,,极大－极大型（maximax）,,该方法只考虑每个方案中最好的属性值，然后选出好中之好者对应的方案作为决策的结果，它反映了某些特定的决策情形，譬如运动员的选拔问题在许多情况下只关注运动员成绩最好的某个单项技能而不在乎运动员在其它项目中的表现和水准。为了体现这一思想，乐观型决策的优先解由以下公式确定：,,,,,极大－极小型决策方法

12、体现了“坏中求好”的保守原则，它先选出每个方案中最差的属性值．令其中最好属性值所对应的方案作为决策的结果。譬如人的寿命取决于人体中受害最重、影响最大的某个器官；链条的强度取决于其中最薄弱的一个环节。这些都反映出了该决策方法合理性的一面。下式将给出决策的优先解。,,,赫威斯型《Hurwicz）,,为了克服极大－极大型决策和极大－极小型决策的极端片面性，赫威斯型决策采用线性组合的方式给决策者留下了自行调节的余地。其优先解的表达式为,,,,简单加权平均型（SAW）,,该方法的数学表达式为:,,,例题,,例：某中东国家拟从美国购买一种机型的喷气式战斗机若于架，美五角大楼的官员提供了准予出售的4种机型的

13、有关信息。该中东国家派出专家组对4种飞机进行了详细考察，考察结果见表，问应选购哪一种飞机以使决策的总效用值最大,,,Electre方法,,具体计算过程,,例题,,例：某中东国家拟从美国购买一种机型的喷气式战斗机若于架，美五角大楼的官员提供了准予出售的4种机型的有关信息。该中东国家派出专家组对4种飞机进行了详细考察，考察结果见表，问应选购哪一种飞机以使决策的总效用值最大,,,序数型多属性决策方法,,引进一种新的序数型多属佳决策方法－线性分配法（linear Assignment method）,,线性分配法是基于一种很朴素的想法：如果某一方案在几个重要属性上都排在前面，那么综合起来衡量，它也应该排在前面。其特点是允许不同属性之间的补偿与结合，最终表现为方案的整体性质。,,,设有,3,个方案和,3,个属性，假定各属性的权值相等，每一方案在每个属性上的排序情况如下表所示,层次分析法,,随着人们面对的决策问题越来越复杂决策者与决策模型及方法之间的交互作用变得越来越强烈和越来越重要。许多问题由于结构复杂缺乏乏必要的数据，很难用数学模型来解决。为此，美国学者Saaty于上世纪70年代中期提出了一种定性分析与定量分析相结合的多属性决策方法——层次分析法（Analytic Hierarchy Process ，简称 AHP）,,,,,,,