《多目标决策理论及方法》读书报告
1 1.多目标决策方法概述
1.1 多目标决策理论发展
综合评价是多目标决策理论研究的重要内容，由于其在工程系统和社会、经济、管理等各个领域的普遍存在性，因而在社会经济的各个领域得到极为广泛的应用，如投资决策、项目评估、方案选优、工厂选址、、产业部门发展排序、经济效益综合评价等等。
多目标决策问题是对具有多个目标的有限方案进行排序与优选的问题。人们常常要对有限个方案集的备选方案进行综合评价，比如在水利水电工程建设的过程中，要进行施工导流，由于导流方案直接影响着施工导流工程的规模、主体工程施工安全、施工总工期及工程投资，因此，要考虑工程所在河段的地形、地质条件、河流水文特性等自然因素和主体工程枢纽布置特点、施工导流方式选择要求、施工工期限制条件、施工技术力量、施工设备及物资、资金等等众多工程因素，确定一个合理的导流方案。可见，多目标决策作为一个工具在解决工程技术经济管理、军事和系统工程等众多方面的问题也越来越显示出它的强大生命力。但是多目标决策作为一门学科，还是在近五十多年来才真正形成为一门完整独立的的科学体系。最早是在1896年，V.Pareto 提出的向量优化的概念涉及到了多目标概念，他从经济学的角度把本质上不可比较的多个目标化成单个目标进行优化求解，即现在使用的Pareto最优概念。直到1944年，多目标决策的理论和方法才逐步发展起来，J. v. Neumaee和0.Morgenstem 从对策论角度提出了彼此矛盾情况下的多目标决策问题，标志着近代意义上多目标决策的诞生。1951年，美国经济学家Koopmans从有限资源的合理分配与使用问题中提出了多目标决策问题，首次使用了有效向量的概念，这就是现代多目标决策非劣解概念。1961年Chames 和CooPer引入了目的规划法，其准则是使目标值和实际值两者之差的绝对值达到最小。1964年，Aumann对多目标决策问题提出了效用函数的概念。1968年，多目标学科自学者Johnson 系统地提出了多目标决策模型的研究报告以后开始迅速发展。到了二十世纪七十年代，1972年第一次多目标决策会议在美国South Carolina大学召开，会议出版的论文集成为多目标决策研究的经典文献；1976年，R. L. Keeny和H. Raifats对发展多属性效用理论做了很大贡献；与此同时，美国学者Satty提出了著名的层次分析(AHP)法，多目标决策技术的发 2 展加快，为这一学科体系的建立打下坚实的基础。后来到了八十年代，又有大量的学者关于多目标决策技术的专著陆续出版，多目标决策理论和方法得到了进一步完善。
1.2 多目标决策方法及其研究现状
多目标投资决策是目前决策活动中人们经常遇到的一类决策问题。方案决策结果的好坏，直接关系到各投资目标能否实现，也直接关系到方案实施的综合效益。目前多目标决策大多采用的方法为模糊数学法、目标规划法、AHP 法、属性评价、灰色理论等方法。从二十世纪九十年代开始，随着电脑技术的发展，研究人员又提出了基于人工智能技术、神经网络、遗传算法和粗集理论的决策方法。如1993年C .M.Fonseca在第五届国际遗传学会议上提出了基于遗传算法的多属性决策问题；Yang J.B.和Wang Jin等人提出了用证据推理理论来处理不确定性混合多属性决策问题的重要方法，即ER 法；2002年，AzibiR等提出了基于规则的分类模型；同年，Salvatoreoreeo提出了基于粗集理论的多属性分类方法。目前为了解决Fuzzy 集理论的一些不足和研究出更接近于人类思维模式的模糊信息处理方法，台湾学者w. L. Gau和D. J. Buehrer提出Vague 集理论，该理论是对Fuzzy集理论概念的推广，与Fuzzy集相比较，Vague集能够更好和更准确的表达模糊信息。
目前国内外研究者在构建优选决策数学模型的时的一般顺序综合评价是多目标决策理论研究的重要内容，由于其在工程系统和社会、经济、管理等各个领域的普遍存在性，因而在社会经济的各个领域得到极为广泛的应用，如投资决策、项目评估、方案选优、工厂选址、、产业部门发展排序、经济效益综合评价等等。就是先确定并量化影响方案优选的决策指标，然后给出各决策指标的权值，采用决策方法综合各决策指标的差异并评定备选方案，从而选出最优的方案。概括总结构建优选决策数学模型主要涉及如下四个方面：
（1）影响因子及决策指标体系；
（2）决策指标的量化及其规范化；
（3）决策指标的权值；
（4）多目标决策方法。
2.多目标决策理论方法概述 3 多目标决策问题，从方法论的角度来看，是一个目标函数中具有向量值的数学规划问题；从决策论的角度来看，它又是决策规则中含有各个目标极值的决策问题。因此，多目标决策问题属于向量优化问题，它是有别于标量优化问题的求解的。
多目标决策问题的解不是唯一的，究竟谁优谁劣，很难直接作出判断。因此，非劣解概念的提出以及非劣解生成技术的发展，大大促进了多目标决策问题的求解。当非劣解生成后，如何从中选出最终解，或选出最佳均衡解，这在很大程度上取决于决策者对某方案的偏好价值观和对风险的态度。显然不同的决策者有不同的偏好，对于同一个决策问题会做出不同的决策。测度决策者对各个方案的偏好程度或价值的尺度，就是所谓的效用，或决策者偏好程度量化的代表。当各个方案的效用确定后，就可以比较、评价它们之间的优劣，从而做出最终的抉择。
因此在多目标决策问题中，必须考虑两个基本问题：一是问题的结构或决策态势，即问题的客观事实；二是决策规则或偏好结构，即人的主观作用。前者要求各个目标（或属性）能够实现最优，即多目标的优化问题；后者要求能够直接或间接地建立所有方案的偏好序列，借以最终择优，这就是效用理论问题。因此，向量优化理论和效用理论即为多目标决策问题的两个理论基础。
多目标决策问题属于向量优化理论，向量优化理论是生成多目标非劣解的基础。我们主要研究内容包括：非劣解概念、最佳均衡解概念、Kuhn-Tucker条件等。效用理论根据自然状态的确定与否，所研究的效用理论或问题可以被分为确定性效用理论或问题和不确定性或随机效用理论或问题。我们主要研究非确定性下的效用理论，即多属性效用函数的存在性。
3.多目标理论基础
3.1向量化理论基础（非劣解生成技术）
多目标优化问题的解是非劣解，一般没有唯一的最优解。多目标问题的最终决策只能从非劣解集中选出最佳的均衡解，从而最大限度的满足各个目标的要求。求解多目标优化问题的技术之一是直接生成问题的非劣解，称为非劣解生成技术。直接生成非劣解方法的特点大多数是首先将向量优化问题转化为标量优化问题，然后应用求解标量优化问题的现有方法，生成多目标问题的非劣解集。但是有的非劣解生成技术，就无需通过转化为单目标问题去求解。非劣解生成技术 4 具有适用性广泛的特点，它可用于个体决策、集体决策和费确定性情况下的各种决策场合，并且在生成非劣解的过程中，不需决策者给出任何形式的偏好结构。直接生成非劣解的技术已有不少，这里我们主要学习了：权重法、约束法、多目标线性规划法和动态规划法。
（1）权重法：它的基本思想是将向量问题的各目标函数赋予一定的权重，从而构成一个单目标的优化问题，然后通过调整各目标的权重值，进而形成多目标优化问题的非劣解集。需要指出的是：在线性情况下，权重的并不和非劣解一一对应，有的点为极端点，很多组权对应一个非劣解，但在其它的点，一组权对应若干非劣解；权重法常用与逼近非劣解的集，但它不是一种准确地寻找所有非劣解的有效方法；还有在特殊情况下如果一个或几个权重设为零，它对应的加权问题的最优解可能不是唯一的，其中有些解是劣解。
（2）约束法：它是将多目标中的任何一个目标选作基本目标，而将其余的目标作为不等式约束，再通过不断变换约束水平来形成多目标问题的非劣解集。由约束法求得的近似的非劣解集和用加权法求得的有些不同。用约束法求得的非劣集一般并不是非劣的极端点，这是由于采用约束法时，原来的可行域被修改了，产生了新的极端点，他并不是老的极端点。但在权重法中，可行域并不改变。
（3）多目标线性规划的单纯形法：该方法不同于权重法和约束法，不需要将多目标优化问题转化为单目标优化问题去求解。该方法只适用于由线性目标函数和线性约束组成的多目标问题，计算过程累死与单目标单纯刑法，在单纯星标上进行。不同之处在于目标是多个，而不是一个，计算迭代程序是在极点非劣解之间转换，直到获得的整个非劣解集为止。
单纯形法的一般解题步骤可归纳如下：①把线性规划问题的约束方程组表达成典范型方程组，找出基本可行解作为初始基本可行解。②若基本可行解不存在，即约束条件有矛盾，则问题无解。③若基本可行解存在，从初始基本可行解作为起点，根据最优性条件和可行性条件，引入非基变量取代某一基变量，找出目标函数值更优的另一基本可行解。④按步骤3进行迭代,直到对应检验数满足最优性条件（这时目标函数值不能再改善），即得到问题的最优解。⑤若迭代过程中发现问题的目标函数值无界，则终止迭代。 5 （4）动态规划方法在生产、经济、工程、军事等领域内得到了广泛的应用和发展，成功地解决了为数不很多的单目标优化问题。但是对于多目标动态规划问题，不经过一定的技术处理是不能直接求解的。我们主要学习了通过一维决策变量的多目标动态规划，今儿掌握多决策变量的多目标规划原理与解法。
3.2效用理论（求最佳可行解）
上述非劣解生成技术无需事先知道决策者的偏好，之多只在做出最终决策的过程中，可能隐含地考虑决策者的偏好。而多目标问题决策技术，则要完全依赖于决策者偏好的明确表示，才能做出最终的均衡决策。
取得决策者偏好信息的途径有两种方式：一种是交互式；另一种是非交互式。前者是指在整个多目标决策过程中，分析者与决策者始终通过对话交换信息；后者则指在决策过程中，只需要决策者给出一次性的偏好意见即可。
从多目标问题的特性看，决策变量可能是离散的，也可能是连续的。因此多目标决策技术又分为结合偏好的离散多目标决策技术和连续多目标决策技术。前者属于方案有限和决策变量离散的决策技术，后者属于方案无限和决策变量连续的决策技术。
3.2.1离散多目标决策技术
离散多目标决策技术中主要学习了层次分析法、ELECTREⅠ法、ELECTREⅡ法，都属于非交互式的决策技术。
（1）层次分析法：是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。
层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。这里所谓“优先权重”是一种相对的量度，它表明各备择方案在某一特点的评价准则或子目标，标下优越程度的相对量度，以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值
多目标规划实验报告
一、实验目的
本次实验旨在通过实际案例，理解和掌握多目标规划的基本原理和方法，学会如何建立多目标规划模型，并运用相应的优化算法求解问题。通过实验，加深对多目标规划在实际问题中的应用和理解。
二、实验背景
在现实生活中，许多决策问题往往涉及多个相互冲突的目标，如何在这些目标之间找到平衡点，是决策者面临的重要挑战。多目标规划作为一种有效的决策工具，可以帮助决策者从多个角度考虑问题，找到满足所有目标的可行解。
三、实验内容
本次实验选取了一个典型的多目标规划案例：某工厂生产两种产品，需要在满足生产能力和资源限制的前提下，最大化利润并最小化环境污染。
四、实验步骤
1. 问题定义与目标函数建立
设产品I和产品II的产量分别为x1和x2，利润函数为f(x) = 40x1 + 20x2，环境污染函数为g(x) = 5x1 + 2x2。目标函数为：
\[
\begin{aligned}
&\max \ f(x) = 40x1 + 20x2, \\
&\min \ g(x) = 5x1 + 2x2.
\end{aligned}
\]
2. 约束条件建立
根据实际情况，建立以下约束条件：
\[
\begin{aligned} &x1 + x2 \leq 100, \\
&3x1 + 2x2 \leq 300, \\
&x1, x2 \geq 0.
\end{aligned}
\]
3. 求解方法选择
本实验采用线性加权法求解多目标规划问题。首先，确定各目标函数的权重，然后根据权重调整目标函数的系数，将多目标规划问题转化为单目标规划问题。
4. 求解过程
根据线性加权法，设置目标函数权重为w1 = 0.7，w2 = 0.3。调整后的目标函数为：
\[
f(x) = 0.7 \times (40x1 + 20x2) + 0.3 \times (5x1 + 2x2).
机械设计中的多目标优化与决策方法
机械设计中的多目标优化与决策方法
在机械设计领域，为了满足不断变化和日益复杂的市场需求，提高产品的性能、质量和降低成本等多方面的要求，多目标优化与决策方法逐渐成为了至关重要的工具。这些方法能够帮助设计师在众多可能的设计方案中，找到最理想的解决方案，实现多个相互冲突的目标之间的平衡。
多目标优化问题的特点在于需要同时考虑多个目标函数，这些目标往往相互制约、相互影响。例如，在设计一款汽车发动机时，既要追求更高的功率输出，又要降低燃油消耗，同时还要减少尾气排放和降低噪声。这些目标之间并非完全独立，提高功率可能会导致燃油消耗增加，而降低噪声又可能会增加成本。因此，多目标优化的关键在于找到一组最优的设计变量，使得各个目标函数都能达到相对满意的水平。
在解决多目标优化问题时，常用的方法包括加权法、目标规划法和
Pareto 最优解方法等。加权法是将多个目标函数通过赋予不同的权重转化为一个综合的目标函数，然后进行优化求解。这种方法的优点是简单直观，但权重的确定往往具有一定的主观性，可能会影响最终的优化结果。目标规划法则是通过设定各个目标的期望水平和偏差范围，将多目标问题转化为一个目标与期望水平偏差最小的规划问题。这种方法能够较好地处理目标之间的优先级关系，但对于复杂的多目标问题，可能会出现计算量过大的问题。 Pareto 最优解方法是目前多目标优化中应用较为广泛的一种方法。Pareto 最优解是指在一组解中，不存在任何一个解在不降低其他目标函数值的情况下，能够使得某一个目标函数值得到进一步的改善。通过寻找 Pareto 最优解集，设计师可以根据实际需求从众多非劣解中选择一个最满意的解。这种方法能够充分考虑多个目标之间的权衡关系，为设计师提供更多的选择。
然而，仅仅得到多目标优化的解集还不够，还需要进行决策以确定最终的设计方案。决策过程需要综合考虑各种因素，如技术可行性、经济成本、市场需求和社会环境等。常用的决策方法包括基于偏好的决策方法、基于多属性决策的方法和基于模糊理论的决策方法等。
第7周实验 多目标决策 实验报告
1
实验7 多指标决策应用
7.1 实验目的
1． 理解什么是多目标决策
2． 充分理解从“最优解”到“满意解”的过度
3． 掌握寻找“非劣解”的基本方法
7.2 实验要求
1. 逐个写出实验设计内容。
2.描述实验过程
3.讨论实验过程
7.3 实验内容
1． 运用理想解法对几家医院的工作质量进行评价。假设评价医院工作质量的主要医疗指标有6个：治愈率、病死率、平均住院日、入出院诊符率、危重病人抢救成功率、手术感
染率，现有4家医院的数据如表1所示。
表1 4家医院的主要医疗指标的原始数据
医院 治愈率 % 诊符率% 抢救成功率% 病死率% 平均住院日 感染率%
A 82.35 96.43 82.10 2.66 13 0.12
B 82.61 98.11 90.34 1.73 10 0.09
C 78.73 99.19 86.45 1.80 13 0.11
D 77.40 97.85 89.26 1.33 8
0.29
答：
医院治愈率 %诊符率%抢救成功率%病死率%平均住院日感染率%A82.3596.4382.12.66130.12B82.6198.1190.341.73100.09C78.7399.1986.451.8130.11D77.497.8589.261.3380.29医院治愈率 %诊符率%抢救成功率%病死率%平均住院日感染率%A0.9968530.97217460.908789020.50.6153850.75B10.989111810.7687860.81C0.95303210.956940450.7388890.6153850.818182D0.9369330.98649060.98804516110.310345一、原始决策矩阵二、标准化矩阵 R
医院治愈率 %诊符率%抢救成功率%病死率%平均住院日感染率%A0.256470.2462590.23581790.1662410.203045690.26055B0.257280.2505490.25948590.2556080.263959390.3474C0.2451960.2533070.24831250.2456680.203045690.284236D0.2410540.2498850.25638370.3324830.329949240.107814三、各指标权重1.标准化矩阵归一化处理 2
多目标决策法在工科教学中的实施及效果分析
多目标决策法在工科教学中的实施及效果分析
摘要：合理的考核体系有利于调动学生上课积极性，提高教学质量，能够切实发挥课程在人才培养体系中的地位和作用。上课积极性差，到课率低是目前工科教学过程中常见的问题，因此，改革传统的考核方式，建立合理的课堂激励机制，保证学生在教学活动中的参与感和积极性是目前工科教育中亟需解决的问题。本文针对工科课程教学中学生上课积极性差的特别，改善传统的以“卷面考试”为代表的考核方式，提出以“平时成绩+考试成绩+卷面成绩”为考核主体的多目标决策法，并在12级、13级和14级机械设计专业的教学过程中成功实施，结果表明，该方法的实施很好的提高了学生学习的主观能动性，改善了工科课堂的教学效果。
关键词：考核体系，多目标决策法，课堂激励机制，积极性
中图分类号：G72
本科教学是青年学生世界观、人生观、价值观形成并走向成熟的阶段，是研究生教育和继续教育的基础[1,2]。工科教学中，繁杂的公式，枯燥的定理使得学生课堂上课积极性很低，与此同时，“卷面考试”考核方式单一，有些学生即使不上课，自学教材也能取得及格的成绩，因此，上课积极性差，到课率低是目前工科教学过程中常见的问题。建立科学合理的课程考核体系，有利于调动学生学习积极性，切实发挥课程在人才培养体系中的地位和作用[3]。因此，改革传统的考核方式，建立合理的课堂激励机制，保证学生在教学活动中的参与感和积极性是目前工科教育中亟需解决的问题。
多目标决策法是绩效管理中所采用的方法之一，通过多种汇总的方法将多目标化成一个综合目标来评价，以此来提高个人、部门的绩效。将多目标决策法运用到工科的教学活动中，改革现有的考核机制，提高学生课程的参与感，可以极大的提高教学质量，达到好的“培养效果”。
1. 多目标决策法简介
求解过程中，对多目标规划问题中的p个目标按其重要程度给以适当的权系数，且。
多目标决策法是从20世纪70年代中期发展起来的一种绩效管理方法[4]。其中化多为少法是多目标决策中应用最多的方法之一，即将多目标问题简化为一个综合目标的问题，再用简单的方法求解，来进行绩效评价，最常用的求解方法是线性加权和法。
多目标决策模型的研究与应用
多目标决策模型的研究与应用
第一章 引言
多目标决策模型是现代决策理论中的一个重要分支，旨在解决涉及多个决策目标的复杂决策问题。随着社会经济的发展和科技的进步，人们对决策过程中需要考虑多个目标的需求越来越迫切。本章将简要介绍本文的研究目的、重要性和结构。
第二章 多目标决策模型的基本原理
在本章中，我们将详细阐述多目标决策模型的基本原理。首先，我们将介绍多目标决策问题的定义和特点，明确多目标决策问题相对于单目标决策问题的独特之处。然后，我们将介绍常用的多目标优化方法，如加权和、矢量优化和置换优化等。最后，我们将讨论多目标决策问题中的不确定性和风险分析方法。
第三章 多目标决策模型的研究方法
本章将重点介绍多目标决策模型的研究方法。首先，我们将介绍主观和客观方法，以及其在多目标决策中的应用。然后，我们将探讨多目标决策模型中的定性和定量分析方法，如层次分析法、模糊综合评价法和TOPSIS法等。最后，我们将介绍多目标决策模型的敏感性分析方法，以评估决策结果对输入参数的敏感程度。
第四章 多目标决策模型的应用案例 本章将以实际应用案例为依据，探讨多目标决策模型在各个领域中的应用。我们将选择不同行业的决策问题，如物流优化、资源分配和供应链管理等，分析多目标决策模型在解决这些问题中的效果和优势。同时，我们还将评估多目标决策模型在不同场景下的适用性和可行性。
第五章 多目标决策模型的发展趋势
本章将对多目标决策模型的发展趋势进行展望。我们将探讨当前多目标决策模型的研究状况和存在的问题，提出未来发展的方向和关注点。同时，我们将对新兴技术如人工智能、大数据和云计算在多目标决策模型中的应用进行分析和展望，探讨其对多目标决策模型发展的潜在影响。
第六章 结论
本文通过对多目标决策模型的研究与应用进行系统的分析和探讨，总结出了多目标决策模型的基本原理、研究方法、应用案例以及发展趋势。多目标决策模型作为现代决策理论的重要组成部分，在实际应用中具有重要意义。然而，多目标决策模型仍面临着一些挑战，需要不断完善和优化。通过进一步研究和实践，我们相信多目标决策模型能够为各行各业的决策者提供更加准确、合理和可行的决策方案。
多目标决策问题及处理方法
第期郑州工业大学学报社科版卯年
多目标决策问题及处理方法
赵升
通常的决策问题是单目标决策问题,是指在一定的约束条件下找出使某一目标达到最优
的方案。但是有时用一个指标无法全面衡量一个方案的优劣,需要用多个指标来反映,这就
是多目标决策问题。它是要寻求在一定的约束条件下使多个目标都达到最满意值的方案。
对于具有;个目标的多目标决策问题可以写成如下形式:
而n[f1(X),f2(x),…,fr(X)],
约束条件
g`(X))01=l,2,…,m
其中X=(xl,勺,…,、)r,fl(劝,几(劝,…,fr(劝是衡量方案优劣的r个指标。
多目标决策问题在现实中是经常遇到的。比如,选择投资方案时,希望风险要小,投资
回报率要高;评价发动机性能时,希望输出扭矩要大,油耗要省,造价要低,等等。多目标
决策问题的各个目标之间,一般是相互影响的,有时一些目标之间是相互矛盾的。因此要对
多目标决策问题进行求解,必须首先明确多目标决策问题的解的意义。
设满足约束条件的可行点组成的集合即可行域为R,目标向量为F(劝,即
双=!x19`(x))o,i=l,…,m}
F(二)=[fl(x),f2(x),…,fr(x)],
如果在可行域R中存在一点x仔,对于任意一点X任R,都有
F(X价)蕊F(X)(注意:F(x)为向量,只有当F(x井)的各个分量均小于或等于F(x)的各分量时,才
能称为F(x赞)续F(劝。)则称二开为多目标决策问题的绝对最优解。如果存在一点x’
任R,在R中找不到这样的点X,使得
F(X)蛋F(X’)则称x长为问题的有效解。
如果存在一点x’〔R,在R中找不到这样的点X,使得
F(X)
则称二.为问题的弱有效解。
在一般情况下,多目标决策问题的绝对最优解是不存在的,而以有效解或弱有效解来提供决策方案。设弱有效解集合为而,有效解集合为为,绝对最有解集合为凡,那么它们
之间有以下关系:
aR二饰互而gR也就是说,在可行域中首先应当抛弃的应是非弱有效解,因为对于非弱有效解来说,可以找到各个目标值都更好的点;在弱有效解集合中,可以抛弃那些非有效解而得到更好的解,因
多目标决策
第13章多目标决策
单目标决策问题前三章已经进行了较为详细的探讨。从合理行为假设引出的效用函数，提供了对
这类问题进行合理分析的方法和程序。 但在实际工作中所遇到的的决策分析问题， 却常常要考虑多个目
标。这些目标有的相互联系，有的相互制约，有的相互冲突，因而形成一种异常复杂的结构体系，使得 决策问题变得非常复杂。
总之，多目标决策问题正愈来愈多的受到人们的重视，尤其是在经济、管理、系统工程、控制论 和运筹学等领域中得到了更多的研究和关注。
13.1基本概念
多目标决策和单目标决策的根本区别在于目标的数量。 单目标决策，只要比较各待选方案的期望效
用值哪个最大即可，而多目标问题就不如此简单了。
例房屋设计
某单位计划建造一栋家属楼，在已经确定地址及总建筑面积的前提下， 作出了三个设计方案，现要
求根据以下5个目标综合选出最佳的设计方案：
1） 低造价（每平方米造价不低于 500元，不高于700元）；
2） 抗震性能（抗震能力不低于里氏 5级不高于7级）；
3） 建造时间（越快越好）；
4） 结构合理（单元划分、生活设施及使用面积比例等） ；
5） 造型美观（评价越高越好）
这三个方案的具体评价表如下。
表 三种房屋设计方案的目标值
具体目标 方案1 (A1) 方案2 (A) 方案3 （A3）
低造价（元/平方米） 500 700 600
抗震性能（里氏级）
建造时间（年） 2
1
结构合理（定性） 中 优 良
造型美观（定性） 良 优 中
由表中可见，可供选择的三个方案各有优缺点。 某一个方案对其中一个目标来说是最优者， 从另一 个目标角度来看就不见得是最优， 可能是次优。比如从造价低这个具体目标出发， 则方案1较好；如从 合理美观的目标出发，方案 2就不错；但如果从牢固性看，显然方案 3最可靠等等。
1.多目标决策问题的基本特点
例就是一个多目标决策问题。类似的例子可以举出很多。多目标决策问题除了目标不至一个这一 明显的特点外，最显着的有以下两点：目标间的不可公度性和目标间的矛盾性。
多目标决策分析
多目标决策分析
多目标决策分析是指在决策过程中需要综合考虑多个目标或指标，通过权衡各个目标的重要性，找出最优的决策方案。
在实际决策过程中，往往存在多个决策目标，这些目标之间可能存在相互冲突或矛盾的情况。如果只考虑一个单一目标进行决策，可能会导致其他目标的损失或忽视。因此，采用多目标决策分析方法，可以使决策者能够综合考虑各个目标的权重，根据实际需求找到最佳的平衡点。
多目标决策分析方法主要包括层次分析法（AHP）、启发式规划方法、熵权法等。
层次分析法是一种将问题层次化的方法，通过构建目标层、准则层和方案层，对不同层次的权重进行比较和评估，最终得出各个方案的总得分，从而选择最优的方案。该方法能够更加直观地显示出各个目标之间的重要程度，使决策者更容易进行决策。
启发式规划方法是一种基于专家经验和启发式算法的决策方法。通过依赖于已有的知识和模型，利用优化算法进行求解，找到满足各个目标的最优解。该方法适用于复杂的决策问题，但需要专家的经验来指导和修正算法。
熵权法是一种通过计算各个指标的熵值，根据熵值的大小确定各个指标的权重。熵值越大，指标越多样化，对决策有更多的贡献，权重也就越高。该方法可以很好地解决指标权重的确定问题，适用于多指标决策问题。
在使用多目标决策分析方法时，需要先明确决策目标，确定各个目标的权重，然后对各个方案进行评估和比较，最终选择最优的方案。在决策过程中，需要充分考虑各个目标的重要性，尽可能达到各个目标的平衡。
综上所述，多目标决策分析是一种能够综合考虑多个目标的决策方法，通过权衡各个目标的重要性，找出最优的决策方案。该方法能够更好地满足实际需求，并提供有效的决策支持。
多目标决策理论与方法
多目标决策理论与方法
多目标决策理论与方法是一种能够同时考虑多个目标和多个决策变量的决策模型和决策方法。它的主要目标是在决策过程中寻找一种最优解，使得在给定的约束条件下，多个目标都能够得到最优的平衡。
多目标决策理论与方法主要包括以下几个方面：
1. 多目标决策模型：多目标决策模型是描述多个目标之间的关系和权衡的数学模型。它可以通过建立目标函数和约束条件，并确定决策变量的取值来寻找最优解。
2. 多目标优化方法：多目标优化方法是为了求解多目标决策模型而设计的算法和技术。它包括传统的多目标线性规划、多目标非线性规划、多目标动态规划等方法，以及基于进化算法的多目标优化方法如多目标遗传算法、多目标粒子群优化算法等。
3. 多目标决策分析：多目标决策分析是为了帮助决策者对多个目标进行评估和权衡的方法。它可以通过建立决策树、层次分析法、模糊综合评价等方法来帮助决策者进行决策分析和决策评估。
4. 多目标决策支持系统：多目标决策支持系统是为了帮助决策者进行多目标决策而设计的计算机应用系统。它通过结合多目标优化方法和决策分析方法，提供了一种交互式的决策支持环境，帮助决策者进行决策方案的生成、评估和选择。
总之，多目标决策理论与方法为决策者提供了一种全面、系统和有效的决策工具，能够考虑多个目标和多个变量之间的复杂关系，帮助决策者做出更好的决策。
多目标决策分析方法研究
多目标决策分析方法研究
在现代社会中，决策是一项非常重要的活动，尤其是管理决策，因为一个企业或者组织的命运往往取决于它的决策质量。而多目标决策分析方法便是解决决策问题的一种有效途径。下面我们从什么是多目标决策、多目标决策的困难性以及多目标决策分析方法等方面，进行详细介绍。
一、什么是多目标决策
多目标决策是指在决策过程中需要考虑到多种目标，并且各个目标之间存在互相制约、互相牵连的情况。这样的决策问题称为多目标决策问题。个人的日常生活中，应对多目标决策也是很平常的，比如在选择购买电脑时，我们通常需要考虑电脑的性能、价格、质量等多个因素。
二、多目标决策的困难性
多目标决策的困难性表现在以下几个方面：
（1）目标的不确定性
目标的不确定性指的是因为缺乏信息或者知识而难以确定目标的重要性和权重。例如在企业经营过程中，知道了要实现利润最大化和客户满意度最大化两个目标，但却难以确定各目标的权重，因为这需要相关知识和信息支持。
（2）多目标之间的矛盾性
多目标之间常常存在矛盾，即实现一个目标可能会与其他目标相互牵制。如在城市规划过程中，建造高楼大厦可能会破坏原有的景观和生态环境，而保护生态环境则会限制城市发展。
（3）优化方案的多样性 优化方案的多样性通常会涉及成千上万的变量，真正确定最佳方案需要耗费大量的时间和资源来进行决策分析。
三、多目标决策分析方法
为了规避多目标决策的困难性，人们提出了很多的决策分析方法，其中最常用的方法是层次分析法、置信限域方法、熵权法、TOPSIS法等。这些方法各具特色，可以根据具体的情况选用不同的方法进行决策分析。
层次分析法是一种结果定量化的决策分析方法，以目标可拆分为多个层级结构为特点。首先，通过层次化分析，确定决策目标并划分各目标间的层级结构；然后在各层次结构内进行两两比较，建立成对比较矩阵，确定各个目标之间的权重关系；最后，计算各个层次的权重系数，得到综合权重最大的方案为最佳解。