综合评价与决策方法
- 格式:doc
- 大小:792.50 KB
- 文档页数:20
综合评价决策模型方法_数学建模决策模型方法是一个重要的工具,用于解决复杂的决策问题。
综合评价决策模型方法是一个基于多个指标或因素对决策方案进行评价的方法。
该方法在数学建模中常用于分析多个决策方案的优劣,帮助决策者做出最优决策。
首先,层次分析法是一种定性与定量相结合的分析方法,用来解决多个指标之间的相对重要性问题。
它通过建立层次结构,将问题分解为若干个层次,并对各层次进行权值的确定,从而得到最终的评价结果。
层次分析法主要包括建立层次结构模型、构造判断矩阵、计算权重和一致性检验等步骤。
其优点是结构明确、能够定量地评价各指标之间的重要性,但也存在权重确定的主观性较强的问题。
其次,灰色关联度法是一种基于灰色理论的模型,用于评价多个指标之间的关联程度。
它通过建立灰色关联度模型,将多个指标的值转化为灰色数列,进行关联度计算,从而得到各指标的权重。
灰色关联度法主要包括灰色关联度计算和权重确定两个步骤。
其优点是能够考虑指标之间的关联关系,但也存在对指标值的灵敏度较高的问题。
再次,熵权法是一种基于信息熵的权重确定方法,用于评价多个指标的重要性。
它通过计算各指标的熵值和权重,得到最终的评价结果。
熵权法主要包括计算指标熵值、计算指标熵权和综合计算这三个步骤。
其优点是能够客观地确定指标的权重,但也存在对指标值范围要求较高的问题。
最后,矩阵法是一种定量化的综合评价方法,用于评价多个决策方案的优劣。
它通过构造评价指标矩阵,对各决策方案的各指标进行评分,并计算出加权总分,从而对决策方案进行排序。
矩阵法主要包括构造评价指标矩阵、对矩阵进行归一化和计算加权总分这三个步骤。
其优点是方法简单、易于理解和使用,但也存在在权重确定上存在一定主观性的问题。
总的来说,综合评价决策模型方法在数学建模中起着重要的作用。
不同的方法有不同的优缺点,适用于不同的决策问题。
决策者在选择合适的方法时,需要根据实际情况和需求综合考虑。
不确定型决策的五种方法不确定型决策在实际生活和工作中经常出现,对于这类决策,我们需要运用一些特殊的方法来应对。
以下是关于不确定型决策的五种方法:一、灰色系统理论灰色系统理论是一种用于处理不确定性信息的数学工具,它可以有效地处理缺乏充分信息的情况。
在进行不确定型决策时,我们通常会遇到信息不完全、数据不确定等问题,此时可以运用灰色系统理论进行分析和预测。
这一方法的优势在于可以有效地处理不确定性信息,提高决策的准确性和可靠性。
二、模糊综合评价方法模糊综合评价方法是一种用于处理模糊信息的常用方法,它可以将模糊的、不确定的信息进行定量分析和综合评价。
在不确定型决策中,我们往往需要面对模糊的信息和多因素的影响,此时可以采用模糊综合评价方法来帮助决策。
通过该方法,可以将不确定性信息转化为可计量的指标,从而有助于进行综合评价和决策选择。
三、蒙特卡洛模拟方法蒙特卡洛模拟方法是一种基于随机抽样的数值计算方法,它通常应用于不确定型决策的风险分析和决策模拟中。
在不确定性情况下,我们往往需要对不同的决策方案进行风险评估和模拟分析,此时可以采用蒙特卡洛模拟方法。
通过该方法,可以对决策方案进行多次随机抽样,并基于概率分布进行模拟,从而评估不同方案的风险程度和可能性。
四、多目标决策方法不确定型决策通常伴随着多个决策目标和多个决策方案,此时可以运用多目标决策方法进行决策分析和优化选择。
常见的多目标决策方法包括层次分析法、灰色关联分析法、TOPSIS法等。
通过多目标决策方法,可以将不确定情况下的多种目标和因素进行量化分析和综合评价,帮助决策者进行合理的决策选择。
五、决策树分析方法决策树分析方法是一种基于树状结构的决策模型,它可以帮助决策者在不确定型决策中进行多条件的分析和决策选择。
在不确定情况下,我们通常需要考虑多个因素和条件对决策的影响,此时可以利用决策树分析方法进行全面的多条件决策分析。
通过该方法,可以将不确定的决策条件和因素进行系统化的组织和分析,有助于找到最优的决策路径和选择方案。
ahp综合评价方法AHP(Analytic Hierarchy Process)是一种多属性决策分析方法,其主要用于解决多层次的决策问题,并通过定量化的方法对不同层次的因素进行比较和评估。
AHP方法由美国数学家Thomas Saaty于1970年提出,经过多年的实践和不断发展,已广泛应用于各种领域,包括企业管理、市场营销、工程设计、资源分配等。
本文将介绍AHP方法的基本原理、应用场景以及其优缺点。
AHP方法的基本原理是将一个复杂的决策问题分解为多个层次,每个层次包含若干个因素或者准则,通过对这些因素进行两两比较,构建出一组准则的权重,然后根据准则的权重与各个方案的得分计算出最终的评价结果。
AHP方法的核心是通过专家的主观判断和定量比较来获取准则的权重,使决策结果更加客观和科学。
AHP方法适用于多层次、多目标、多因素的决策问题。
例如,在企业管理中,一个公司要选择一种合适的市场营销策略,可以将其分解为市场需求、产品定位、销售渠道等因素,并通过对这些因素进行比较和评估,选出最适合的市场营销策略。
在工程设计中,可以利用AHP方法选择一种合适的材料或者工艺,通过对各种因素进行比较,选出最优解。
AHP方法的优点在于可以充分考虑专家的主观判断和经验,通过对各种因素进行比较和权重分配,能够得到较为准确的决策结果。
同时,AHP方法的模型结构清晰,易于理解和应用,可以帮助决策者分析问题、评估方案,提高决策的科学性和合理性。
然而,AHP方法也存在一些缺点。
首先,AHP方法的计算过程较为繁琐,需要大量的数据和计算,对决策者的要求较高。
其次,AHP方法对决策问题的结构和分解方式较为敏感,不同的问题可能会得到不同的结果。
另外,AHP方法的权重分配过程依赖于专家的主观判断,可能存在一定的主观性和不确定性。
总结而言,AHP方法是一种有效的决策分析方法,可以帮助决策者合理评估和比较多个因素,并选择最优解。
在实际应用中,决策者可以根据具体情况选择合适的AHP模型和方法,结合专家意见和实际情况进行准确的决策分析。
环境资源评价的综合决策方法随着社会经济的发展和人类文明的进步,环境问题越来越受到人们的关注。
环境资源评价是环境影响评价的一种重要方法,其主要目的是评估某个区域或项目对环境资源的影响和影响程度。
环境资源评价的综合决策方法,是指基于对多种因素的考虑,进行评估和决策的一种方法。
一、综合评价体系环境资源评价的综合决策方法需要建立一个科学的综合评价体系,对不同项目和不同评价对象的资源环境影响进行评价。
综合评价体系包括评价指标系统、评价方法和评价标准等三个方面。
1. 评价指标系统评价指标系统是环境资源评价的基础,其包括了评价对象、评价因素、评价指标和评价数据。
评价对象是指需要进行评价的人、事、物或区域,包括自然环境、人类活动、社会经济等方面;评价因素是衡量环境资源影响的因素,包括污染物排放、物种多样性、土地利用、社会经济等;评价指标是根据评价因素进行选择或定义的量化指标,包括含量、浓度、密度、面积、时限等;评价数据是用于计算评价指标的数据,包括观测数据、采样数据、统计数据、模拟数据等。
2. 评价方法评价方法是通过对评价对象、评价因素、评价指标和评价数据进行选取和分析,揭示环境资源评价问题的科学方法,评价方法主要包括定性、定量和半定量三种方法。
(1)定性方法:通过对评价对象和评价因素进行主观分析、推断和预测,来描述环境资源影响问题的一种方法。
(2)定量方法:通过对评价指标和评价数据进行量化计算和统计分析,来计算环境资源影响问题的影响程度和评价结果的一种方法。
(3)半定量方法:其不是完全定量,也不是完全定性,其主要是为了解决定性和定量方法所存在的问题,中间采用了混合方法,综合考虑定性和定量的特点。
3. 评价标准评价标准是评价指标的界定和划分所依赖的标准,并在这些标准的基础上进行判断和评价,其可分为定量标准和定性标准两种。
(1)定量标准:是根据国家规定的环境标准或学科标准,按照规定的参考指标进行量化划分的标准。
(2)定性标准:它是以专业人员经验和知识为基础,通过专家讨论、评估等方式取得的标准。
规划方案的综合评价与决策方法一、引言在现代社会中,规划方案的制定和评价是一个重要的决策过程。
无论是城市规划、经济发展还是环境保护,规划方案的质量直接关系到社会的可持续发展和人民的福祉。
因此,如何进行综合评价并做出决策成为一个关键问题。
本文将介绍一些规划方案综合评价与决策的方法。
二、定性与定量指标的综合评价在规划方案的综合评价中,定性与定量指标的综合运用是一种常见的方法。
定性指标是指通过描述性的方式对规划方案进行评价,如方案的可行性、可行性、可持续性等。
定量指标则是通过数值化的方式对规划方案进行评价,如经济效益、环境影响等。
将定性与定量指标相结合,可以全面地评价规划方案的优劣。
三、层次分析法层次分析法是一种常用的决策方法,适用于多目标决策问题。
在规划方案的综合评价中,可以利用层次分析法对各个指标进行权重的确定。
首先,确定评价指标的层次结构,然后通过专家调查或问卷调查的方式确定各个指标的重要性。
最后,根据各个指标的重要性,计算出各个指标的权重,并进行综合评价。
四、模糊综合评价模糊综合评价是一种适用于不确定性问题的决策方法。
在规划方案的综合评价中,往往存在着多个评价指标之间的模糊性。
模糊综合评价通过建立模糊评价矩阵,将模糊的评价指标转化为数值,然后利用模糊数学的方法进行计算。
最后,根据计算结果对规划方案进行排序和评价。
五、灰色关联分析灰色关联分析是一种适用于多指标决策问题的方法。
在规划方案的综合评价中,可以利用灰色关联分析对各个指标之间的关联性进行分析。
首先,将各个指标的数据进行标准化处理,然后计算各个指标与决策目标之间的关联度。
最后,根据关联度的大小对规划方案进行排序和评价。
六、多目标规划方法多目标规划方法是一种适用于多目标决策问题的方法。
在规划方案的综合评价中,可以利用多目标规划方法对各个评价指标进行优化。
首先,确定各个评价指标的权重和约束条件,然后建立多目标规划模型。
最后,通过求解多目标规划模型,得到最优的规划方案。
综合评分法评分标准一、综合评分法概述综合评分法是一种常用的评价和决策方法。
它通过将待评价对象的各个方面进行量化,并赋予不同的权重,从而得到一个综合评分,以辅助决策过程。
本文将从概念、原理、应用领域和步骤等方面,对综合评分法进行深入探讨。
二、综合评分法的基本原理综合评分法的基本原理是将待评价对象的各个方面进行量化,然后赋予不同的权重,最后通过加权求和来计算综合评分。
其基本步骤如下:1. 确定评价指标评价指标是用来衡量和评价待评价对象的各个方面的指标。
在确定评价指标时,需要充分考虑到待评价对象的特点和目标,并选择具有代表性和可操作性的指标。
2. 确定权重权重是指评价指标在综合评分中的相对重要程度。
确定权重时,可以使用专家调查、层次分析法等方法来获取权重值。
3. 进行量化评价使用合适的评价方法,对各个评价指标进行量化评价,将其转化为可计算的数值。
评价方法可以是定性评价、定量评价或混合评价等。
4. 计算综合评分根据评价指标的权重和量化评价结果,进行加权求和,得到综合评分。
三、综合评分法的应用领域综合评分法广泛应用于各个领域,如教育评价、项目评价、企业绩效评价等。
以下是一些典型的应用领域:1. 学生综合评价在学生综合评价中,可以根据学生的学习成绩、自律性、社会交往等方面的指标进行评价,并根据权重计算出学生的综合评分,从而对学生进行全面、客观的评价。
2. 项目评估在项目评估中,可以使用综合评分法对项目的各个方面进行评估,包括项目的进度、质量、效益等。
通过综合评分,可以对项目的综合表现进行评估,为决策提供参考。
3. 企业绩效评价企业绩效评价是对企业各个方面进行评价和衡量的过程,包括财务绩效、市场绩效、员工绩效等。
综合评分法可以对企业绩效的各个方面进行量化评价,并计算出企业的综合评分,为企业的管理和决策提供参考。
4. 产品评价在产品评价中,可以使用综合评分法对产品的各个方面进行评估,如产品的质量、功能、性能等。
统计综合评价方法在统计学中,综合评价方法是一种系统性的方法,用于对多个变量或指标进行综合评估,以得出一个全面的结论。
以下是几种常见的统计综合评价方法:一、主观评价法主观评价法是一种基于专家主观判断的评价方法。
它通常适用于缺乏完整、准确的数据或对数据质量无法保证的情况。
主观评价法通常包括以下几种方法:1.专家调查法:通过向专家发放问卷或进行访谈,收集专家对某个问题的意见和看法。
2.德尔菲法:通过多轮匿名征求专家意见,逐步达成一致的看法。
3.模糊综合评价法:在模糊数学的基础上,考虑各个因素的不确定性,通过对多个因素的综合考虑,得出一个综合评价结果。
二、客观评价法客观评价法是一种基于数据的评价方法,它通常适用于数据较为完整、准确的情况。
客观评价法通常包括以下几种方法:1.因子分析法:通过对多个变量的降维处理,提取出影响最大的几个因子,并对这些因子进行综合评价。
2.主成分分析法:通过对多个变量的降维处理,将多个变量转化为少数几个主成分,并对这些主成分进行综合评价。
3.聚类分析法:将多个样本按照某些特征进行分类,并对每一类进行综合评价。
三、集成评价法集成评价法是一种将主观评价和客观评价相结合的评价方法。
它通常适用于既有一定的数据基础,又需要考虑到专家的经验和判断的情况。
集成评价法通常包括以下几种方法:1.加权平均法:将各个指标的客观评价结果和主观评价结果进行加权平均,得出一个综合评价结果。
2.灰色关联度分析法:在灰色系统理论的基础上,通过对多个因素的综合考虑,得出一个综合评价结果。
3.模糊积分法:在模糊数学的基础上,将主观评价和客观评价的结果进行模糊积分处理,得出一个综合评价结果。
四、动态评价法动态评价法是一种考虑时间因素的评价方法。
它通常适用于需要对历史数据进行比较和分析的情况。
动态评价法通常包括以下几种方法:1.时间序列分析法:将不同时间点的数据进行比较和分析,以发现趋势和变化。
2.横向比较法:将不同地区、不同组织的数据进行比较和分析,以发现差异和差距。
成功进行项目评估与决策的关键技巧与方法一、项目评估的重要性项目评估是指对项目进行全面系统的评价和分析,以确定项目的可行性和预测项目的效果。
项目评估在项目决策中起到至关重要的作用。
只有通过科学的项目评估,才能找到最适合的方案,确保项目的成功实施。
二、明确项目目标和需求在项目评估之前,首先要明确项目的目标和需求。
项目目标是项目成功实现的重要前提,而需求则是项目实施过程中必须要满足的条件。
通过明确项目目标和需求,可以为项目评估提供明确的基准和参考。
三、制定评估指标体系评估指标体系是项目评估的核心,它可以帮助评估人员全面、客观的评价项目的各个方面。
评估指标体系应包括项目的经济性、社会效益、技术可行性、风险控制等方面的指标。
同时,评估指标应根据项目的特点进行合理的设定,既能满足项目目标和需求,又能反映项目的实际情况。
四、收集项目信息项目评估需要充分收集项目信息,包括项目背景、项目方案、项目进展等。
通过收集项目信息,可以了解项目的现状和问题,提供必要的依据为评估决策提供支持。
五、对项目进行评估项目评估应综合运用定性和定量方法,对项目的各个方面进行评估。
定性评估主要是对项目的社会效益、可行性等进行评估;而定量评估则是通过数据分析和计算等方法,评估项目的经济效益、风险等方面的指标。
六、风险评估和控制项目评估过程中,风险评估是非常重要的一环。
通过对项目的风险进行评估,可以预测可能出现的风险,提前采取相应的措施进行控制和应对。
同时,在项目决策中也要充分考虑各种风险因素,降低项目的风险程度。
七、制定决策方案项目评估是为项目决策提供依据的重要环节。
在评估的基础上,结合项目的目标和需求,制定出符合要求的决策方案。
决策方案应具备可行性、可操作性、经济性等特点,能够有效指导项目的实施。
八、决策的传达和沟通决策的传达和沟通是确保项目成功实施的重要环节。
通过向相关方面传达决策结果和决策方案,可以使各方明确工作目标和任务,并取得他们的支持与合作。
信息量化评审法综合评估法评定分离法信息量化评审法、综合评估法和评定分离法都是在评估和决策过程中常用的方法,它们可以根据不同的需求和场景进行选择使用。
下面将对这三种方法进行详细介绍。
一、信息量化评审法信息量化评审法是一种基于信息量化的评审方法,它适用于客观标准量化的决策问题。
该方法通常分为两个步骤:信息量化和综合评价。
信息量化是将被评价对象的各个方面按照一定的标准进行量化,对于一个产品,可以量化它的质量、功能、价格等方面。
在信息量化的过程中,需要考虑评价标准的设置、量化指标的明确以及权重的分配等问题。
综合评价是将各项指标的得分综合起来计算出综合得分,以评价被评价对象的综合质量。
二、综合评估法综合评估法是一种综合性较强的评估方法,它适用于复杂、多因素、难以量化的问题。
该方法不仅可以量化评价,还能考虑主观感受和专业经验等因素。
综合评估法在评价过程中需要权衡各种因素,根据自己的专业经验、主观感受和其他知识因素进行评价和决策,最终得出综合考虑的结果。
三、评定分离法评定分离法是一种将问题分解为评定因素和分离因素的方法,适用于解决复杂问题。
该方法通常包括问题分解、因素评定和综合比较三个步骤。
在问题分解的过程中,需要将所要解决的问题分解为不同的评定因素或评定部分,以明确分析问题的方法和目标。
然后,在因素评定的过程中,评定每个因素或部分的重要性和优劣。
综合比较各个因素或部分的得分,并进行综合比较。
信息量化评审法、综合评估法和评定分离法各有优缺点,根据不同问题的需求和自身的专业经验进行选择和使用是关键。
在实际运用中,各种评估方法往往会相互配合使用,以得到更加准确和全面的评价和决策结论。
在大学教授的工作中,评估方法也扮演着很重要的角色。
对于一个研究项目的评估,可以采用信息量化评审法,通过量化指标和权重分配的方式来对项目进行评价。
对于某些技术含量很高的项目,可能涉及的指标难以直接量化,这时候就需要借助综合评估法,从多个角度来对项目进行评价和决策。
20世纪60年代,模糊数学在综合评价中得到了较为成功的应用,产生了特别适合于对主观或定性指标进行评价的模糊综合评价方法。
20世纪70-80年代,产生了多种应用广泛的评价方法,诸如层次分析法、数据包络分析法等等。
20世纪80-90年代,将人工神经网络技术和灰色系统理论应用于综合评价。
当前,多目标、多层次综合评价已经涉及到人类生活领域的各个方面,其应用的范围愈来愈广,所使用的方法也愈来愈多。
1.层次分析法(1)层次分析法的概念层次分析法是美国著名的运筹学家T.L.Satty 等人在20世纪70年代提出的一种定性与定量分析相结合的多准则决策方法。
具体地说,它是指将决策问题的有关元素分解成目标、准则、方案等层次,用一定标度对人的主观判断进行客观量化,在此基础上进行定性分析和定量分析的一种决策方法。
(2)层次分析法的思想层次分析法是一种模拟人的思维过程的工具。
如果说比较、分解和综合是大脑分析解决问题的一种基本思考过程,则层次分析法对这种思考过程提供了一种数学表达及数学处理的方法。
(3)层次分析法的应用范围层次分析法适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。
(4)层次分析法的步骤①明确问题通过对系统的深刻认识,确定该系统的总目标,弄清决策问题所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等,广泛地收集信息。
②建立层次结构按目标的不同、实现功能的差异,将系统分为几个等级层次,如目标层、准则层、方案层等,用框图的形式说明层次的递阶结构与因素的从属关系。
层次分析模型是层次分析法赖以建立的基础,是层次分析法的第一个基本特征。
③建立判断矩阵判断元素的值反映了人们对各因素相对重要性的认识,一般采用1~9标度及其倒数的标度方法。
通过两两对比按重要性等级赋值,从而完成从定性分析到定量分析的过渡,这是层次分析法的第二个基本特征。
④层次单排序及其一致性检验计算判断矩阵的特征向量,经归一化后即为同一层次相应因素对于上一层次某因素相对重要性的排序权值,这一过程称为层次单排序。
如何设计综合评价方案综合评价方案是一种通过对多方面因素进行评估和分析,得出综合评价结果的方案。
它在现代管理和决策中广泛应用,例如在企业管理、项目评估、教育评价和政府决策等领域都有应用。
本文将介绍如何设计一个有效的综合评价方案,包括确定评价目标、确定评价指标、评价数据收集和分析、综合评价方法和结果呈现等方面。
确定评价目标评价目标是评价方案中最重要的部分之一,目标的明确性将直接决定评价方案的效果和价值。
因此,在设计评价方案时,必须先明确评价的目标。
评价目标通常包括成本、质量、效率、创新等方面,例如在企业管理中,可以评价员工绩效、市场份额、客户满意度等方面;在教育领域中,可以评价教师教学质量、学生学习成绩、学校教育质量等方面。
在确定评价目标时,需要考虑所评价的对象和评价目的,以便在后续设计中更好地制定评价指标并收集评价数据。
确定评价指标评价指标是评价方案的核心内容,它是从评价目标出发,量化和具体化评价目标的方法。
评价指标应该来源于相关领域的专家意见、领域知识和文献综述等,并经过实践验证。
评价指标的确定应该遵循以下原则:客观性指标应该具有客观性,能反映实际情况。
可操作性指标应该能够被收集和测量,并具有可操作性。
敏感性指标应该对所评价的对象有反映和影响,在评价结果中具有重要性。
相关性指标应该与评价目标紧密相关,能够反映所评价对象的各方面情况。
评价指标可以分为定性指标和定量指标,或者混合部分定量和部分定性,分别对应于适合定性分析和适合定量分析的层次。
根据评价目标,确定合适的评价指标将有助于评价方案的有效性。
评价数据的收集和分析对于综合评价方案,评价数据的收集和分析是关键的步骤。
没有收集到准确可靠的数据,就不能进行严格的评价和分析。
因此,在设计评价方案时,必须注意合理的评价数据的选择和收集。
评价数据可以来自许多方面,例如实验室测量、问卷调查、专家意见、财务资料、文献综述等。
根据所要评价的对象和目的,选择合适的数据来源将会更好地支持评价工作的进行。
正理想解 Z 是一个方案集 A 中并不存在的虚拟的最佳方案,它的每个属性值都是决策 矩阵中该属性的最好值;而负理想解 Z 则是虚拟的最差方案,它的每个属性值都是决策矩阵中该属性的最差值。
在 n 维空间中,将方案集 A 中的各备选方案a i 与正理想解 Z 和负理想解 Z 的距离进行比较,既靠近正理想解又远离负理想解的方案就是方案集 A 中的最佳方 ∑x 设由决策人给定各属性的权重向量为 w = (w 1, w 2 , , w n ) ,则步骤三,确定正理想解 Z 和负理想解 Z 。
设正理想解Z的第 j个属性值为 z j ,负理想解 Z 第 j 个属性值为z j ,则⎧⎪max z ij , 正理想解 z j = ⎨综合评价与决策方法及其计算机软件实现评价方法大体上可分为两类,其主要区别在确定权重的方法上。
一类是主观赋权法,多 数采取综合咨询评分确定权重,如综合指数法、模糊综合评判法、层次分析法、功效系数法 等。
另一类是客观赋权,根据各指标间相关关系或各指标值变异程度来确定权数,如主成分 分析法、因子分析法、理想解法(也称 TOPSIS 法)等。
目前国内外综合评价方法有数十种 之多,其中主要使用的评价方法有主成分分析法、因子分析、TOPSIS 、秩和比法、灰色关 联、熵权法、层次分析法、模糊评价法、灰色理论法、物元分析法、聚类分析法、价值工程 法、神经网络法等。
1.理想解法目前已有许多解决多属性决策的排序法, 如理想点法、简单线性加权法、加权平方和 法、主成分分析法、功效系数法、可能满意度法、交叉增援矩阵法等。
本节介绍多属性决策 问题的理想解法,理想解法亦称为 TOPSIS 法, 是一种有效的多指标评价方法。
这种方法通 过构造评价问题的正理想解和负理想解, 即各指标的最优解和最劣解, 并用靠近正理想解 和远离负理想解的程度, 通过计算每个方案到理想方案的相对贴近度来对方案进行排序, 从而选出最优方案。
1.1 方法和原理设 多 属 性 决 策 方 案 集 为A = {a 1 , a 2 , , a m } , 衡 量 方 案 优 劣 的 属 性 向 量 为X = {x 1, , x n },这时方案集 A 中的每个方案 a i ( i = 1, , m )的 n 个属性值构成的向量 是 X i = (x i 1, , x in ) ,它作为 n 维空间中的一个点,能唯一地表征方案 a i 。
**案;并可以据此排定方案集 A 中各备选方案的优先序。
用理想解法求解多属性决策问题的概念简单,只要在属性空间定义适当的距离测度就能 计算备选方案与理想解。
TOPSIS 法所用的是欧氏距离。
至于既用正理想解又用负理想解是 因为在仅仅使用正理想解时有时会出现某两个备选方案与正理想解的距离相同的情况,为了 区分这两个方案的优劣,引入负理想解并计算这两个方案与负理想解的距离,与正理想解的 距离相同的方案离负理想解远者为优。
1.2 TOPSIS 法的算法步骤TOPSIS 法的具体算法如下。
步骤一,用向量规划化的方法求得规范决策矩阵。
设多属性决策问题的决策矩阵X = (x ij )m ⨯n ,规范化决策矩阵 Y = ( y ij )m ⨯n ,则y ij = x ijm i =12ij , i = 1,2, , m , j = 1,2, , n (1) 步骤二,构成加权规范阵Z = (z ij )m ⨯n 。
Tz ij = w j ⋅ x ij , i = 1,2, , m , j = 1,2, , n* 0* * 0 0(2)* i ⎪⎩min z ij , j 为效益型属性 j 为成本型属性, j = 1,2, , n(3)⎧⎪max z ij , 负理想解 z 0j = ⎨∑ ( z ∑ ( z 步骤六,按 C 由大到小排列方案的优劣次序。
j ji⎪⎩min z ij ,j 为成本型属性 j 为效益型属性, j = 1,2, , n(4)步骤四,计算各方案到正理想解与负理想解的距离。
备选方案a i 到正理想解的距离为d i * = nj =1ij - z *j )2 ,i = 1,2, , m(5)备选方案a i 到负理想解的距离为d i 0 = nj =1ij- z 0j )2 , i = 1,2, , m(6)步骤五,计算各方案的排队指标值(即综合评价指数)。
C i * = d i 0 /(d i 0 + d *j ) , i = 1,2, , m(7)* i1.3 示例例 1 研究生院试评估。
为了客观地评价我国研究生教育的实际状况和各研究生院的教学质量,国务院学位委员 会办公室组织过一次研究生院的评估。
为了取得经验,先选 5 所研究生院,收集有关数据资 料进行了试评估,表 1 是所给出的部分数据。
表 1 研究生院试评估的部分数据i1 2 3 4 5j人均专著 x 1 (本/人)0.1 0.2 0.4 0.9 1.2生师比 x 25 6 7 10 2科研经费 x 3 (万元/年)5000 6000 7000 10000 400 逾期毕业率 x 4(%) 4.7 5.6 6.7 2.3 1.8解:第一步,数据预处理数据的预处理又称属性值的规范化。
属性值具有多种类型,包括效益型、成本型和区间型等。
这三种属性,效益型属性越大 越好,成本型属性越小越好,区间型属性是在某个区间最佳。
在进行决策时,一般要进行属性值的规范化,主要有如下三个作用:① 属性值有多种 类型,上述三种属性放在同一个表中不便于直接从数值大小判断方案的优劣,因此需要对数 据进行预处理,使得表中任一属性下性能越优的方案变换后的属性值越大。
② 非量纲化, 多属性决策与评估的困难之一是属性间的不可公度性,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,采用不同的计量单位,表中的数值也就不同。
在用各种 多属性决策方法进行分析评价时,需要排除量纲的选用对决策或评估结果的影响,这就是非 量纲化。
③归一化,属性值表中不同指标的属性值的数值大小差别很大,为了直观,更为了 便于采用各种多属性决策与评估方法进行评价,需要把属性值表中的数值归一化,即把表中 数值均变换到[0,1]区间上。
此外,还可在属性规范时用非线形变换或其它办法,来解决或部分解决某些目标的达到 程度与属性值之间的非线性关系,以及目标间的不完全补偿性。
常用的属性规范化方法有以 下几种。
(1)线性变换原始的决策矩阵为X = (x ij ) m ⨯n ,变换后的决策矩阵记为 Y = ( y ij ) m ⨯n , i = 1, , m ,j = 1, , n 。
设 x max 是决策矩阵第 j 列中的最大值,x min 是决策矩阵第 j 列中的最小值。
若j 为效益型属性,则jj 设给定的最优属性区间为[ x j , x j ] , x j 为无法容忍下限, x j 为无法容忍上限,则⎪1, 若x j ≤ x ij ≤ x j⎪1 - ( x ij - x j ) /( x j - x j ), 若x j < x ij ≤ x j ⎩0,设研究生院的生师比最佳区间为 [5,6] , x 2 = 2 , x 2 = 12 。
表 1 的属性 2 的数据处理y ij = x ij / y max 采用上式进行属性规范化时,经过变换的最差属性值不一定为 0,最佳属性值为 1。
若 j 为成本型属性,则y ij = 1- x ij / x max(8)(9)采用上式进行属性规范时,经过变换的最佳属性值不一定为 1,最差属性值为 0。
(2)标准 0-1 变换为了使每个属性变换后的最优值为 1 且最差值为 0,可以进行标准 0-1 变换。
对效益 型属性 j ,令对成本型属性 j ,令y ij =y ij =x ij - x m j i n x m j a x - x m j i n x m j a x - x ijx m j a x - x m j i n(10)(11)(3)区间型属性的变换有些属性既非效益型又非成本型,如生师比。
显然这种属性不能采用前面介绍的两种 方法处理。
0 * ' "⎧1 - ( x 0j - x ij ) /( x 0j - x 'j ), 若x 'j ≤ x ij < x 0j ⎪ 0 * y ij = ⎨* " * * "⎪其它(12) 变换后的属性值 y ij 与原属性值 x ij 之间的函数图形为一般梯形。
当属性值最优区间的上下限相等时,最优区间退化为一个点时,函数图形退化为三角形。
' "见表 2。
表 2 表 2 的属性 2 的数据处理计算的 function mainqujian=[5,6]; lb=2; ub=12; x=[5 6 7 10 2]';y=guifanhua(qujian,lb,ub,x)function y=guifanhua(qujian,lb,ub,x);y=(1-(qujian(1)-x)./(qujian(1)-lb)).*(x>=lb & x<qujian(1))+(x>=qujian(1) &x<=qujian(2))+(1-(x-qujian(2))./(ub-qujian(2))).*(x>qujian(2) & x<=ub);∑x ∑=i 1 ∑=i 1 1 ( x ij - x j )2 , j = 1,2, , n 。
(4)向量规范化无论成本型属性还是效益型属性,向量规范化均用下式进行变换y ij = x ijn i =12 ij(13)这种变换也是线性的,但是它与前面介绍的几种变换不同,从变换后属性值的大小上无法分辨属性值的优劣。
它的最大特点是,规范化后,各方案的同一属性值的平方和为 1,因此常 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。
(5)标准化处理在实际问题中,不同变量的测量单位往往是不一样的。
为了消除变量的量纲效应,使每 个变量都具有同等的表现力,数据分析中常对数据进行标准化处理,即y ij = x ij - x js j,i = 1,2, , m , j = 1,2, , n ,(14)其中 x j = 1 mmx ij , s j =1 m - m表 1 中的数据经标准化处理后的结果见表 3。
表 3 表 1 数据经标准化的属性值表i1 2 3 4 5j人均专著 x 1( y 1 )-0.9741 -0.7623 -0.3388 0.7200 1.3553 生师比 x 2 ( y 2 )-0.3430 0 0.3430 1.3720 -1.3720 科研经费 x 3( y 3 )-0.1946 0.0916 0.3777 1.2362 -1.5109 逾期毕业率 x 4( y 4 )0.2274 0.6537 1.1747 -0.9095 -1.1463计算的Matlab 程序如下: x=[0.1 5 5000 4.7 0.2 6 6000 5.6 0.4 7 7000 6.7 0.9 10 10000 2.3 1.2 2 400 1.8]; y=zscore(x)我们首先对表 1 中属性 2 的数据进行最优值为给定区间时的变换。