区间型不确定多属性决策方法及应用
不确定多属性决策方法的研究及应用的开题报告

不确定多属性决策方法的研究及应用的开题报告一、选题背景随着社会经济的不断发展和科技的不断进步,人们的生活水平和物质条件也得到了极大的提高。
同时,市场竞争也日益激烈,为了在激烈的市场竞争中获得更大的利益,企业需要通过科学的方法来做出决策。
而多属性决策是一种常用的决策方法,它可以将多个属性综合考虑,快速而准确地做出决策。
目前,多属性决策方法已经应用于诸如商品评价、企业绩效评估、人才选拔等多个领域。
然而,不同的决策方法在实践中发挥的效果有所不同,因此有必要对多属性决策方法的研究进行深入探讨。
二、研究目的本研究旨在探讨多属性决策方法在不同场景下的应用,分析各种决策方法的优缺点,并提出改进方案,以期为企业决策提供理论指导和实践依据。
三、研究方法本研究将采用文献综述法和实证研究法相结合的方法。
首先,对多属性决策方法的相关理论进行全面综述,包括常用的决策方法、优缺点分析等。
其次,通过对实际企业的数据进行统计分析,对比不同方法在实践中的应用效果,并采用SPSS等统计分析软件分析数据,得出科学的研究结果。
四、预期结果通过本研究,预期得出以下结论:1. 对多属性决策方法进行综述,归纳出各种方法的优缺点和应用场景。
2. 在实证研究中,通过数据统计和分析,得出各种多属性决策方法的应用效果及缺陷,为企业决策提供实践依据。
3. 提出针对各种决策方法的改进方案,为企业的决策提供更加科学的指导。
五、研究意义本研究的意义在于:1. 综述多属性决策方法相关理论,使企业了解多属性决策方法的特点和应用场景,提高企业经营管理水平。
2. 通过实证研究,为企业实际应用提供科学的指导和依据。
3. 提出改进方案,为企业解决实际应用中的问题提供参考和思路。
综上所述,本研究将对多属性决策方法的研究和应用进行系统的分析研究,有望为企业决策提供更加科学、准确的决策方法,并提高企业的竞争力和经济效益。
区间型不确定多属性决策方法及应用PPT课件

所以, a b
0.33
8
定义4.4 当 a, b 至少有一个为区间数时,且记
la aU aL ,
l bU bL,
b
则称
P(a
b)
max{0, la
l b
max(bU
aL , 0)}
(4.4)
la
l
b
为 a b 的可能度。
9
P(a
b)
max{0, la
lHale Waihona Puke b为模糊互补判断矩阵。15
定理2.2 设模糊互补判断矩阵 B (bij )nn , 对矩阵B
按行求和得
n
bi bij j 1
i 1, 2, , n
则可依据 bi (i 1, 2, , n) 的序关系对区间
ai [aiL , aiU ] (i 1, 2, , n) 进行排序。
步骤1 对于某一多属性决策问题,属性的权重完全确 知(即为实数)。对于方案 xi ,按属性u j进行测度,得到 xi 关于u j 的属性值 aij ( 这里 aij [aiLj , aiUj ] ).从而构成 决策矩阵 A (aij )nn .最常见的属性类型为效益型和成 本型.设 I1, I2 分别表示效益型、成本型的下标集.为 了消除不同物理量纲对决策结果的影响,可用下列公 式将决策矩阵 A 转化为规范化矩阵 R (rij )nn ,其中 rij [rijL , riUj ].
(aiUj )2
i 1
riUj aiUj /
n
(aiLj )2
i 1
26
表4.5 决策矩阵 A
区间数不确定多属性决策方法研究

I
知识水坝@damdocLeabharlann 区间数不确定多属性决策方法研究
ABSTRACT
This dissertation mainly deals with multiple attribute decision making problems under interval uncertainty as follows.
南京航空航天大学博士学位论文
摘
要
本文主要研究区间数不确定多属性决策问题,主要成果如下: 研究了区间数互反判断矩阵的一致性。给出了区间数互反判断矩阵的完全 一致性、强一致性、一致性和满意一致性定义,讨论了这些定义和现有文献中 相关定义的关系,并且给出了强一致性、一致性以及满意一致性的判别方法, 为检验区间数互反判断矩阵是否合理提供了解决途径,并通过算例验证了判别 方法的有效性、适用性。 研究了区间数互补判断矩阵的一致性及排序方法。从加型和积型两个角度 就区间数互补判断矩阵的一致性问题进行了深入探讨,分别提出了加型(积型) 完全一致性、加型(积型)强一致性、加型(积型)一致性和加型(积型)满意一致性 定义,并给出了强一致性、一致性和满意一致性判别方法。其中,给出的区间 数互补判断矩阵加型满意一致性概念及判别方法是建立在互补判断矩阵的满意 一致性指标(CGCI)的基础上,避免了满意度(隶属度)函数参数的设置问题。此外, 在一致性理论的基础上详细研究了区间数互补判断矩阵排序方法,分别基于加 型(满意)一致性、积型完全一致、一致性和满意一致性的性质,给出了求解排序 向量的优化模型。 研究了区间数判断矩阵偏好信息的群集结问题。针对区间数互补判断矩阵 偏好信息的群组集结问题,给出了群组判断不一致的协调方法和群组偏好信息 的集结方法。针对两种不同类型的区间数判断矩阵偏好信息的集结问题,构造 了基于群组满意度最大的相对熵最优化偏好集结模型和基于互反判断矩阵一致 性指标(CR)和互补判断矩阵一致性指标(CGCI)的集结模型。 研究了区间数多属性决策方法。针对无偏好信息的区间数多属性决策问题, 提出了通过区间数的中值和长度信息求解属性熵权的一种新客观权重确定方 法;针对有部分权重信息的区间数多属性决策问题提出了逼近理想关联度的决 策分析方法和优劣势(SIR)排序方法;针对属性偏好信息以区间数互补判断矩阵 形式给出、方案偏好信息以区间数互反判断矩阵给出的区间数多属性决策问题, 提出了属性和方案偏好信息一致性程度的概念,给出了基于一致性程度最大的 排序方法;提出了三角模糊数互反判断矩阵的概念,给出了求解三角模糊数互 反判断矩阵权重向量的特征根方法,并给出了属性偏好以三角模糊数互反判断 矩阵形式给出的区间数多属性决策问题的决策方法。
非确定型多属性决策模型及应用研究

非确定型多属性决策模型及应用研究1. 引言随着社会经济发展的不断深入,以及信息技术的快速发展,人们所面临的决策问题越来越复杂化,越来越多地涉及到多个属性、多个因素和不确定性因素。
传统的单一属性决策模型已经难以应对这些复杂的决策问题。
因此,非确定型多属性决策模型应运而生,并成为当今决策理论研究的一个重要分支。
2. 非确定型多属性决策模型的基本概念非确定型多属性决策模型是指在决策过程中,因素之间存在不确定性关系,即无法精确测量它们之间的关联性、依赖性和影响程度。
同时,决策过程中涉及到多个属性,每个属性存在多种取值可能性。
因此,非确定型多属性决策模型是建立在模糊数学理论和概率论的基础上,用于处理这类复杂的决策问题。
在非确定型多属性决策模型中,常常需要采用模糊数学理论来描述各个属性之间的关系,并运用模糊综合评价方法来评估决策方案的综合效果。
同时,概率论可以用来描述决策过程中的随机性因素,例如对决策结果的不确定性进行估计、预测等。
3. 非确定型多属性决策模型的应用研究非确定型多属性决策模型已经在许多领域得到广泛应用。
以下列举几个应用案例。
3.1. 金融投资决策在金融领域,投资决策涉及到多个因素和风险因素,这些因素之间存在着一定程度的不确定性关系。
非确定型多属性决策模型可以用来分析和评估不同投资方案的风险和收益,并为投资决策提供科学依据。
3.2. 生态环境评估生态环境评估涉及到多个生态因素及其相互作用,这些因素之间的关系通常难以精确测量。
非确定型多属性决策模型可以用来综合各个指标的评价结果,为环境管理决策提供支持。
3.3. 企业绩效评估企业绩效评估是一个复杂的多属性决策问题,包括财务指标、市场表现、员工满意度等多个维度。
利用非确定型多属性决策模型,可以将各个维度的评估结果进行加权综合评价,并对企业表现进行科学分析。
4. 总结非确定型多属性决策模型是一个应用广泛且研究热点的领域,能够有效应对复杂的决策问题,并为决策者提供科学依据。
基于可能度的区间数多属性决策方法及matlab应用

基于可能度的区间数多属性决策方法及matlab 应用目录1.区间数比较的可能度公式 ................................................................................................. 1 2.区间数排序 ............................................................................................................................ 2 3.决策方法 ................................................................................................................................ 2 4.实例分析及matlab 应用 (4)1.区间数比较的可能度公式记{}[,]|,,==≤≤∈%L UL U L Uaa a x a x a a a R ,称%a 为一个区间数,特别地=L Ua a ,则%a 退化为一个实数。
区间数的运算法则设[,]=%L U aa a 和[,]=%LUb b b ,0β≥,则 (1)=%%ab 当且仅当=LLa b 和=UUa b (2)+[+,+]=%%LLUUab a b a b (3)[,]βββ=%L Uaa a 定义1,当%a 和%b均为实数,则称 1>1(>)=20<⎧⎪⎪=⎨⎪⎪⎩%%%%%%%%a b p a b a b a b (1) 为>%%ab 的可能度。
定义2,当%a 和%b 均为区间数,设[,]=%L U a a a 和[,]=%LUb b b ,且记=-%U Lal a a ,=-%U Lb l b b ,则称{}min ,max(,0)()+-≥=+%%%%%%U L a ba bl l a b p a b l l (2)为≥%%a b 的可能度,且记%a ,%b 的次序关系为≥%%pa b 。
第3章:多属性决策及不确定性多属性决策方法

a L aU ,则 a 退化为一个实数。
1, a b 定义 3.2.1 当 a, b 均为实数时,称 p(a b) 0, a b
为 a b 的可能度。
3.2.1
p(b a) 1, b a 相应地, b a 的可能度定义为 0, b a
3.2.2
3.2.3
为 a b 的可能度。 类似地,称
p(b a ) m ax 1 aU b L max l (a ) l b( ) , 0 , 0
3.2.4
为 b a 的可能度。
对于给定的一组区间数 a [a L , aU ], i 1, 2,, n. 用区间数比较的可能度公式对 其进行两两比较,得到相应的可能度 p(ai a j ), i, j 1, 2,, n, ,简记为 pij ,i, j 1, 2,, n,
L n b L w' , d i ij ji j 1
U n bU w'' , d i ij ji j 1
i 1, 2,, m
三、区间数多属性决策的目标规划方法
设属性权重向量为 w w1 , w2 ,, wn T , 这里 w j j 1,2,, m可被视为变量。设方案
n
w L w j wU , j 1,2,, n j j
这个模型的基本含义是要确定每个方案的综合评价值所在的区间并使用同一个 属性权重向量 w w , w 2 ,, w
1 T n
, ,使得所有方案的排序(或评价)具有可比性。
1i i
为了方便求解上述多目标最优化模型,可将式 3.2.11 —— 3.2.14 转化为下列线性 目标规划问题:
考虑决策者心态的区间数型多属性决策的vikor法

考虑决策者心态的区间数型多属性决策的vikor法
vikor方法全称是直觉模糊多属性决策方法。
Opricovic于1998年提出了vikor决策方法,它是一种折衷排序方法,通过群效用和最小化个体遗憾值对有限决策方案进行折衷排序。
vikor方法的基本上思想是:确定正理想解(PIS)与(NIS),然后比较待的评估值,根据其于理想指标值的距离大小择优。
其中,正理想解是各评价准则中的最优值,而则是各评价准则中的最差值。
通过最大化群体效益和最小化个体损失得到方案各属性互相让步的折衷妥协解。
对于多属性决策问题,TOPSIS方法更适用于风险规避型决策者,希望决策带来最大化的利润同时,要尽可能地规避风险;而vikor方法更适用于决策者倾向于获取最大化利润的决策。
一种区间数多属性决策新方法及其工程应用

ise g n e i g a p ia in t n i e rn p l t c o
W AN S u , Z G h HANG Yi e - i HAO C n 1 g , XU W e f , u .n i i
( .H nzo nc a ot n ae a d iirt nB r u H n zo 3 0 1 1 a gh uMu ip l r a d W t w yA m ns ai ue , a gh u 10 4,C ia 2 h eo d i P r t o a hn ; .T eScn
( .杭州市港航管理局 ,浙江 杭州 1
3 0 1 ; .国家海洋局 第二海洋研究所 ,浙江 杭州 3 0 1 ) 10 4 2 10 2
摘要 : 通过对传统逼近理想 (OSS的改进,  ̄ T PI) 并与 Mn ae otCr 随机模拟法相结合, e l 提出了决策信息一属
性权重 和属性 值均为区间数的多属性决策方 法. 参照 结构可靠度 的概念定义 了一种新 的决 策指数 , 并按决 策指 数的大小进行 方案的排序. 最后 , 通过一个简单的工程投资决 策算例 , 说明该决策方法 的应用步骤 .
Istt o ca o rp y SaeO encA m nsai , a gh u 3 0 1 ,C i ) ntue fO en ga h , tt ca i d iirt n H n zo 10 2 hn i t o a
Ab ta t y i r v n h r d t n l T S S meh d n n o p rt g t e Mo t r s lt n, a n w sr c  ̄B mp o i g t e t i o a OP I t o a d i c r o ai h n e Cal i ai a i n e mu o e meh d f rmu t・t b t e iin・ k n t e ii n if r t n s c sa t b t e g t n t b t v l e i to l ・ t ue d cs ・ o ia r i o ma i g wi d cso n o mai u h a t u e w ih d at u e au n h o i r a i r t e fr f i t r a u es i p e e t d A n w d cso - k n n e s d f e o s e n h o c p f h o m o n e v l n mb r s r s n e . e e ii n ma i g i d x i e n d c n i r g t e c n e t o i di s u t r l eib l y n l a tr a ie r ob a k d a c r ig t e d c s n ma i g i d x i al a smp e t cu a l i t ,a d al l n t sa e t e r n e c o dn t e i o — k n n e .F n l r r a i e v oh i y, i l i v s n r b e a n e a l s gv n t l sr t o o u e t e p o o e t o n e g n e i g n et me tp o lm sa x mp e i i e o i u t e h w t s h r p s d meh d i n i e r . l a n
- 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)。
设 a [a L , aU ] 和 b [bL , bU ] ,且 0 ,则
L L U U (1) a b 当且仅当 a b 和 a b .
L L U U a b [ a b , a b ]. (2)
(3) a [ a L , aU ] ,其中 0 ,特别地,若
例 设 a [2,3] ,b [1,6] , 求 P(a b ) 。
解
la 1,
lb 5,
aU 3,
b L 1,
aU b L P(a b ) min{max( ,0),1} la lb 3 1 min{max( , 0),1} min{1/ 3,1} 1/ 3 1 5
u6
[8.0,9.0] [7.0,8.0] [8.5,9.0]
u7
[2.0,3.0] [9.0,10] [5.0, 6.0]
u8
[1.2,1.3] [1.1,1.2] [1.0,1.3] [8.0,9.0] [6.0, 7.0]
[7.0, 7.5] [8.0,9.0] [8.0,9.0] [5.0, 6.0]
第1节 基于可能度的多属性决策方法
一、区间数比较的可能度公式
记 a [a L , aU ] {x | a L x aU , a L , aU R} 称 a 为
L U 区间数,特别地,当 a a 时, a 退化为一个实数。
先给出区间数的运算法则。 设 a [a L , aU ] 和 b [bL , bU ] ,且 0 ,则
u2
[9.0,9.5] [5.0, 6.0] [8.5,9.1] [5.0, 6.0]
u3
[8.0,9.0] [9.0,9.5] [7.0,8.0] [9.0,10] [8.0,9.0]
u4
[10,12] [4.0,5.0] [8.0,9.0] [6.0, 7.0] [5.0, 6.0]
[2.0, 2.5] [4.0,5.0]
表4.5 决策矩阵 A
u5 x1 x2 x3 x4 x5
[12,13] [4.0,5.0] [8.0,9.0] [6.0, 7.0] [5.0, 6.0]
u6
[8.0,9.0] [7.0,8.0] [8.5,9.0]
u7
[2.0,3.0] [9.0,10] [5.0, 6.0]
u8
[1.2,1.3] [1.1,1.2] [1.0,1.3] [8.0,9.0] [6.0, 7.0]
解:由可能度矩阵
aU b L P(a b ) min{max( ,0),1} la lb
0 0 0.5444 0.5698 0.5 1 0.5 0.9906 1 1 P 1 0.0094 0.5 1 1 0 0 0.5 0.5217 0.4556 0.4302 0 0 0.4783 0.5
为 a b 的可能度。 可以证明以上4个定义是等价的。
bU a L P(a b ) max{1 max( ,0),0} la lb
例 设 a [2,3] ,b [1,6] , 求 P(a b ) 。
解
la 1,
lb 5,
a 2 a L P(a b ) max{1 max( ,0),0} la lb bU a L 62 max{1 max( ,0),0} max{1 max( ,0),0} la lb 1 5 2 1 max{1 , 0} 3 3 所以, a b.
(4)(互补性) P(a b) P(b a) 1 特别地, P(a a) 1/ 2.
(5) P(a b) 1/ 2 当且仅当 aU a L bU bL . 特别地,P(a b) 1/ 2 当且仅当 aU a L bU bL . (6)(传递性)对于3 个区间数 a, b, c, 若
例 设 a [2,3] ,b [1,6] , 求 P(a b ) 。
解
la 1,
lb 5,
la lb
aU 3,
b L 1,
P(a b )
min{la lb , max( aU b L , 0)}
min{1 5, max(3 1, 0)} 1 1 5 3
随着社会、经济的发展,人门所考虑问题的复条性、 不确定性以及人类思维的模糊性在不断增强.在实际决
决过程中,决策信息有时以区间数形式来表达。本章将
介绍区间型正理想点、区间型负理想点等概念.区间数 之间比较的可能度公式以及可能度公式之间的关系,并 且分别介绍基于可能度、基于投影模型、逼近正理想点 的多属性决策方法.本章对上述方法均进行了实例分析
0.33
根据上述3种定义,可以证明下列结论均成立。
L U b [bL , bU ] ,则 定理4.1 设 a [a , a ] ,
(1) 0 P(a b) 1
U L b a 当且仅当 P ( a b ) 1 (2) U L a b 当且仅当 P ( a b ) 0 (3)
0.4 0.6 0.2 0.5 0.3 0.8 0.7 0.5 0.1 0.2 0.9 0.5
为模糊互补判断矩阵。
定理2.2 设模糊互补判断矩阵 B (bij )nn , 对矩阵B 按行求和得
bi bij
j 1
n
i 1, 2,
,n
则可依据 bi (i 1, 2,
U 2 ( a ij ) i 1 n
n
i 1, 2,
L 2 ( a ij ) i 1
, n, j I1
(4.9)
L U r (1/ a ij ij ) / U L r (1/ a ij ) / ij
L 2 (1/ a ij ) i 1 n
[7.0, 7.5] [8.0,9.0] [8.0,9.0] [5.0, 6.0]
在上述属性中,能源需求量( u1 )、水的需求量( u2 )。工
厂和设备成本( u4 )和作业成本为成本型外,其他均为效 益型.
表4.5 决策矩阵 A
u5 x1 x2 x3 x4 x5
[12,13] [4.0,5.0] [8.0,9.0] [6.0, 7.0] [5.0, 6.0]
ai [aiL , aiU ] (i 1, 2,
, n) 的序关系对区间
, n) 进行排序。
例 比较下列5个区间大小
z1 (w) [0.1888,0.1972], z3 (w) [0.1988,0.2070], z5 (w) [0.1874,0.1962]. z2 (w) [0.2068,0.2198], z4 (w) [0.1874,0.1970],
max{0,1 5 max(6 2, 0)} 1 1 5 3
所以,
ab
0.33
定义4.5 当 a, b 至少有一个为区间数时,且记
la aU a L , lb bU bL ,
则称 (4.5)
bU a L P(a b ) max{1 max( ,0),0} la lb
P(a b) 1/ 2
且 P(b c) 1/ 2 则 P(a c) 1/ 2
定义1.8 设摸糊判断矩阵 B (bij )nn ,若有
bij bji 1, bii 0.5, 则称矩阵B是模糊互补判断矩阵
例
0.5 0.6 B 0.4 0.8
P(a b ) la lb
则称 (4.2)
min{la lb , max( aU b L , 0)}
为 a b 的可能度。
设 P(a b) p ,则记 a, b 的次序关系为
a b
p
P(a b )
min{la lb , max( aU b L , 0)} la lb
u5 —作业成本(百万美元/年);u6 —有关地区的经济发展(十
分制); u7 —研究开发机会(十分制);u8 —投资报酬(以1为 基数). 请标准化决策矩阵。
表4.5 决策矩阵 A
u1 x1 x2 x3 x4 x5
[1.5,1.9] [2.7,3.1] [1.8, 2.0] [2.5, 2.8]
max{0, la lb max(bU a L , 0)} la lb
例 设 a [2,3] ,b [1,6] , 求 P(a b ) 。
解
la 1,
lb 5,
a L 2,
la lb
bU 6,
P (a b )
max{0, la lb max(bU a L , 0)}
本型.设 I1 , I 2 分别表示效益型、成本型的下标集.为 了消除不同物理量纲对决策结果的影响,可用下列公 式将决策矩阵 A 转化为规范化矩阵 R (rij )nn ,其中
rij [rijL , rijU ].
L L r a ij ij / U U r a ij / ij
所以,
ab
0.33
定义4.4 当 a, b 至少有一个为区间数时,且记
la aU a L , lb bU bL ,
P (a b ) la lb
则称 (4.4)
max{0, la lb max(bU a L , 0)}
为 a b 的可能度。
P (a b )
0.9906 1 0.5444 0.5217
第3节 步骤1
决策方法
对于某一多属性决策问题,属性的权重完全确
知(即为实数)。对于方案 xi ,按属性u j 进行测度,得到
L U xi 关于 u j 的属性值 a ( 这里 aij [aij , a ij ] ).从而构成 ij