【 1. 多屬性決策分析簡介 】

實(shí)質(zhì)：
利用已有的決策信息通過一定的方式對一組(有限個(gè))備選方案進(jìn)行排序或擇優(yōu)。

組成：
(l) 獲取決策信息。決策信息一般包括兩個(gè)方面的內(nèi)容：屬性權(quán)重和屬性值(屬性值主要有三種形式：實(shí)數(shù)、區(qū)間數(shù)和語言)。其中，屬性權(quán)重的確定是多屬性決策中的一個(gè)重要研究內(nèi)容；
(2) 通過一定的方式對決策信息進(jìn)行集結(jié)并對方案進(jìn)行排序和擇優(yōu)．

應(yīng)用：
多屬性決策是現(xiàn)代決策科學(xué)的一個(gè)重要組成部分，它的理論和方法在工程設(shè)計(jì)、經(jīng)濟(jì)、管理和軍事等諸多領(lǐng)域中有著廣泛的應(yīng)用，如：投資決策、項(xiàng)目評估、維修服務(wù)、武器系統(tǒng)性能評定、工廠選址、投標(biāo)招標(biāo)、產(chǎn)業(yè)部門發(fā)展排序和經(jīng)濟(jì)效益綜合評價(jià)等。

【 2. 加權(quán)算術(shù)平均算子 】

信息集結(jié)方法有很多，如：加權(quán)算術(shù)平均(WAA)算子、加權(quán)幾何平均(WGA)算子、有序加權(quán)平均(OWA)算子，這一節(jié)主要介紹加權(quán)算術(shù)平均(WAA)算子。

• 例：

【 3. 屬性值的歸一化處理 】

屬性類型一般有效益型、成本型、固定型、偏離型、區(qū)間型、偏離區(qū)間型等。

• 效益型屬性指屬性值越大越好的屬性，
• 成本型屬性指屬性值越小越好的屬性，
• 固定型屬性指屬性值越接近某個(gè)固定值 越好的屬性，
• 偏離型屬性指屬性值越偏離某個(gè)固定值 越好的屬性。
• 區(qū)間型屬性指屬性值越接近某個(gè)固定區(qū)間 $[q_1^j,q_2^j]$(包括落入該區(qū)間)越好的
  屬性，
• 偏離區(qū)間型屬性是指屬性值越偏離某個(gè)固定區(qū)間越好的屬性。

為了消除不同物理量綱對決策結(jié)果的影響，決策時(shí)可按下列公式對數(shù)據(jù)進(jìn)行規(guī)范化處理：

【 4. 多屬性決策模型求解實(shí)例 】

• 1. 實(shí)例中的屬性值歸一化處理

• 2. 計(jì)算屬性權(quán)重

3. 由屬性權(quán)重和屬性值計(jì)算總得分

4. 做出最后決策

【 5. Matlab描述 】

disp('請輸入判斷矩陣A(n階)'); A=input('A='); [n,n]=size(A); x=ones(n,100); y=ones(n,100); m=zeros(1,100); m(1)=max(x(:,1)); y(:,1)=x(:,1); x(:,2)=A*y(:,1); m(2)=max(x(:,2)); y(:,2)=x(:,2)/m(2); p=0.0001;i=2;k=abs(m(2)-m(1)); while k>pi=i+1;x(:,i)=A*y(:,i-1);m(i)=max(x(:,i));y(:,i)=x(:,i)/m(i);k=abs(m(i)-m(i-1)); end a=sum(y(:,i)); w=y(:,i)/a; t=m(i); disp(w); % w表示了底層對上層的權(quán)重%以下是一致性檢驗(yàn) CI=(t-n)/(n-1);RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59]; CR=CI/RI(n); if CR<0.10disp('此矩陣的一致性可以接受!');disp('CI=');disp(CI);disp('CR=');disp(CR); end

總結(jié)

以上是生活随笔為你收集整理的多属性决策分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。