多属性决策问题概述
- 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)。
第十章 多属性决策问题(Multi-attribute Decision-making
Problem)
即: 有限方案多目标决策问题
要紧参考文献: 68, 112, 152
§10.1概述
MA MC MO
一、决策矩阵(属性矩阵、属性值表) 方案集 X = {x x x m 12,,, }
方案 x i 的属性向量 Y i = {y i 1,…,y in } 当目标函数为f j 时, y ij = f j (x i ) 各方的属性值可列成表(或称为决策矩阵):
y 1 …
y j …
y n
x 1
y 11
… y j 1
…
y n 1
………………
x i y
i1…y ij…y in
………………
x m y
m1…y mj…y mn
例: 学校扩建
例:
表10.1 研究生院试评估的部分原始数据
二、数据预处理
数据的预处理(又称规范化)要紧有如下三种作用。
首先,属性值有多种类型。有些指标的属性值越大越好,如科研成果数、科研经费等是效益型;有些指标的值越小越好,称作成本型。另有一些指标的属性值既非效益型又非成本型。例如研究生院的生师比,一个指导教师指导4至6名研究生既可保证
教师满工作量,也能使导师有充分的科研时刻和对研究生的指导时刻,生师比值过高,学生的培养质量难以保证;比值过低;教师的工作量不饱满。这几类属性放在同一表中不便于直接从数值大小来推断方案的优劣,因此需要对属性表中的数据进行预处理,使表中任一属性下性能越优的值在变换后的属性表中的值越大。
其次是非量纲化。多目标评估的困难之一是指标间不可公度,即在属性值表中的每一列数具有不同的单位(量纲)。即使对同一属性,采纳不同的计量单位,表中的数值也就不
同。在用各种多目标评估方法进行评价时,需要排除量纲的选用对评估结果的阻碍,这确实是非量纲化,亦即设法消去(而不是简单删去)量纲,仅用数值的大小来反映属性值的优劣。
第三是归一化。原属性值表中不同指标的属性值的数值大小差不专门大,如总经费即
使以万元为单位,其数量级往往在千(103)、万(104)间,而生均在学期间发表的论文、专著的数量、生均获奖成果的数量级在个位(100)或小数(101 )之间,为了直观,更为了便于
采纳各种多目标评估方法进行比较,需要把属性值表中的数值归一化,即把表中数均变换到[0,1]区间上。
此外,还可在数据预处理时用非线性变换或其他方法来解决
或部分解决目标间的不完全补偿性。
常用的数据预处理方法有下列几种。
(1)线性变换
效益型属性:z
ij = y
ij
/y
j
max (10-1)
变换后的属性值最差不为0,最佳为1
成本型属性z
ij = 1 - y
ij
/y
j
max (10-2)
变换后的属性值最佳不为1,最差为0
或z
ij ’ = y
j
min/ y
ij
(10-2’)
变换后的属性值最差不为0,最佳为1, 且是非线性变换
表10.2 表10.1经线性变换后的属性值
(2) 标准0-1变换
效益型:z
ij =
y y
y y
ij j
j j
-
-
min
max min
(10.3)
成本型: z
ij =
y y
y y
j ij
j j
max
max min
-
-
(10.4)
特点:每一属性,最佳值为1,最差值为0,而且变换后的差值是线性的.
表10.3 表10.1经标准0-1变换后的属性值
(3) 最优值为给定区间时的变换
设给定的最优属性区间为 [y j 0, y j *]
1- (y j 0 - y ij )/(y j 0 - y j ’) 若y ij <y j 0
z ij = 1 若y j 0≤y ij ≤y j * (10.5)
1 - (y ij -y j *)/ (y j ”-y j *) 若y ij >y j * 其中, y j ’为无法容忍下限, y j ”为无法容忍上限。 表10.4 表10.1之属性2的数据处理
(4)向量规范化 z y y ij ij
ij i m
==∑21
(10.6)
特点:规范化后,各方案的同一属性值的平方和为1;不管成本型或效益型,从属性值的大小上无法分辨。常用于计算各方案与某种虚拟方案(如理想点或负理想点)的欧氏距离的场合。 表中最右一列是属性2经式(10.5)变换后的值再向量规范化的结果.
表10.5 表10.1经向量规范化后的属性值
(5)
原始数据的统计处理
z ij =
y y y
y ij j j
j
--_
max _
(1.00 - M) + M (10.7)
其中, y j _
= 11
m y ij
i m
=∑ 是各方案属性j 的均值, m 为方案数, M 的取
值可在0.5-0.75之间.
式(10.7)能够有多种变形, 例如:
z ij ' = 01
075.()/._
y y ij j j -+σ (10.7’) 其中σj 为属性j 的均方差,当高端均方差大于2.5σj 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.