决策理论与方法第五章多属性决策多目标及序贯决策.pptx

《决策理论与方法第五章多属性决策多目标及序贯决策.pptx》由会员分享，可在线阅读，更多相关《决策理论与方法第五章多属性决策多目标及序贯决策.pptx（57页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023/3/3 3:25决策理论与方法-随机决策理论与方法1/61多属性决策分析多属性决策分析多目标决策多目标决策vv什么是多目标决策问题什么是多目标决策问题什么是多目标决策问题什么是多目标决策问题？(例如购买衣服时，款式、价格、颜色、例如购买衣服时，款式、价格、颜色、例如购买衣服时，款式、价格、颜色、例如购买衣服时，款式、价格、颜色、质量等可能都是决策目标质量等可能都是决策目标质量等可能都是决策目标质量等可能都是决策目标)。多目标决策问题的特点：。多目标决策问题的特点：。多目标决策问题的特点：。多目标决策问题的特点：决策问题的目标多于一个；决策问题的目标多于一个；决策问题的目标多于一个；决

2、策问题的目标多于一个；多个目标间多个目标间多个目标间多个目标间不可公度不可公度不可公度不可公度(non-commensurable)(non-commensurable)，即各目标没有统一的衡，即各目标没有统一的衡，即各目标没有统一的衡，即各目标没有统一的衡量标准，难以比较；量标准，难以比较；量标准，难以比较；量标准，难以比较；各目标之间存在矛盾。各目标之间存在矛盾。各目标之间存在矛盾。各目标之间存在矛盾。vv一般将决策变量离散、决策方案有限的多目标决策问题称为一般将决策变量离散、决策方案有限的多目标决策问题称为一般将决策变量离散、决策方案有限的多目标决策问题称为一般将决策变量离散、决策方案有

3、限的多目标决策问题称为多多多多属性属性属性属性(Multi-attribute)(Multi-attribute)决策问题；而将决策变量连续、有无限决策问题；而将决策变量连续、有无限决策问题；而将决策变量连续、有无限决策问题；而将决策变量连续、有无限决策方案的多目标决策问题称为决策方案的多目标决策问题称为决策方案的多目标决策问题称为决策方案的多目标决策问题称为多目标多目标多目标多目标(Multi-objective)(Multi-objective)决策决策决策决策问题。两者又可以统称为问题。两者又可以统称为问题。两者又可以统称为问题。两者又可以统称为多准则多准则多准则多准则(Multi-cr

4、iterion)(Multi-criterion)决策问题。决策问题。决策问题。决策问题。第一页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法2/61多属性决策分析多属性决策分析相关术语相关术语vv属性属性属性属性(Attribute)(Attribute)：备选方案的特征、品质或性能参数：备选方案的特征、品质或性能参数：备选方案的特征、品质或性能参数：备选方案的特征、品质或性能参数 (如描述如描述如描述如描述服装的服装的服装的服装的款式、颜色、布料、质量、价格款式、颜色、布料、质量、价格款式、颜色、布料、质量、价格款式、颜色、布料、质量、价格)，也称

5、为，也称为，也称为，也称为指标指标指标指标。vv指标体系指标体系指标体系指标体系(Index Systems)(Index Systems)：一系列互相联系、互相补充的指：一系列互相联系、互相补充的指：一系列互相联系、互相补充的指：一系列互相联系、互相补充的指标所组成的统一整体。指标体系往往由多层组成标所组成的统一整体。指标体系往往由多层组成标所组成的统一整体。指标体系往往由多层组成标所组成的统一整体。指标体系往往由多层组成(习惯上称为习惯上称为习惯上称为习惯上称为一级指标、二级指标等一级指标、二级指标等一级指标、二级指标等一级指标、二级指标等)，层次结构分为树状结构和网状结构，层次结构分为树

6、状结构和网状结构，层次结构分为树状结构和网状结构，层次结构分为树状结构和网状结构，其中以树状结构最常用。其中以树状结构最常用。其中以树状结构最常用。其中以树状结构最常用。一级指标一级指标总目标总目标二级指标二级指标三级指标三级指标第二页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法3/61多属性决策分析多属性决策分析相关术语相关术语vv目标目标(Objective)：决策人的愿望或决策人所希望达：决策人的愿望或决策人所希望达到的、努力的方向到的、努力的方向(如物美价廉如物美价廉)。在多目标决策中，。在多目标决策中，目标是求极值的对象，是需要优化的函数式

7、。目标是求极值的对象，是需要优化的函数式。vv目的目的(Goal)：在特定时间、空间状态下，决策人的：在特定时间、空间状态下，决策人的期望，是目标的具体数值表现。目标和目的常混用。期望，是目标的具体数值表现。目标和目的常混用。vv准则准则(Criterion)：判断的标准或度量事物价值的原：判断的标准或度量事物价值的原则及检验事物合意性的规则，兼指属性和目标。则及检验事物合意性的规则，兼指属性和目标。第三页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法4/61多属性决策分析多属性决策分析求解过程求解过程第四页，编辑于星期五：三点 五分。2023/3/3

8、 3:25决策理论与方法-随机决策理论与方法5/61多属性决策分析多属性决策分析目标与属性目标与属性vv在多目标决策中，决策目标常用目标集、目标递阶分层结构在多目标决策中，决策目标常用目标集、目标递阶分层结构在多目标决策中，决策目标常用目标集、目标递阶分层结构在多目标决策中，决策目标常用目标集、目标递阶分层结构以及属性集描述；以及属性集描述；以及属性集描述；以及属性集描述；vv目标递阶分层结构的最下层目标要用一个或多个属性来描述；不同目标递阶分层结构的最下层目标要用一个或多个属性来描述；不同目标递阶分层结构的最下层目标要用一个或多个属性来描述；不同目标递阶分层结构的最下层目标要用一个或多个属性

9、来描述；不同的方案对应的各属性值存在差异，也就导致目标实现的差异，因此的方案对应的各属性值存在差异，也就导致目标实现的差异，因此的方案对应的各属性值存在差异，也就导致目标实现的差异，因此的方案对应的各属性值存在差异，也就导致目标实现的差异，因此可借此来评价方案的优劣；可借此来评价方案的优劣；可借此来评价方案的优劣；可借此来评价方案的优劣；vv替代属性替代属性替代属性替代属性：某些目标无法用属性值直接度量时，需要使用替代属性：某些目标无法用属性值直接度量时，需要使用替代属性：某些目标无法用属性值直接度量时，需要使用替代属性：某些目标无法用属性值直接度量时，需要使用替代属性对目标进行度量。如师资队

10、伍的质量可以用学历结构、职称结构、对目标进行度量。如师资队伍的质量可以用学历结构、职称结构、对目标进行度量。如师资队伍的质量可以用学历结构、职称结构、对目标进行度量。如师资队伍的质量可以用学历结构、职称结构、专业结构、科研能力等替代属性来衡量。专业结构、科研能力等替代属性来衡量。专业结构、科研能力等替代属性来衡量。专业结构、科研能力等替代属性来衡量。(寻找寻找寻找寻找“替代属性替代属性替代属性替代属性/替代变替代变替代变替代变量量量量”在科学研究中是非常重要的在科学研究中是非常重要的在科学研究中是非常重要的在科学研究中是非常重要的)第五页，编辑于星期五：三点 五分。2023/3/3 3:25决

11、策理论与方法-随机决策理论与方法6/61多属性决策分析多属性决策分析目标与属性目标与属性vv属性选择的要求：属性选择的要求：每个属性是可测和可理解的；每个属性是可测和可理解的；每个属性是可测和可理解的；每个属性是可测和可理解的；属性集是最小完备集：既要能够描述决策问题的所有属性集是最小完备集：既要能够描述决策问题的所有属性集是最小完备集：既要能够描述决策问题的所有属性集是最小完备集：既要能够描述决策问题的所有(重重重重要要要要)方面，又不能有冗余；方面，又不能有冗余；方面，又不能有冗余；方面，又不能有冗余；属性的测量值是可运算的；属性的测量值是可运算的；属性的测量值是可运算的；属性的测量值是可

12、运算的；属性集内的各属性相互独立、可分解。属性集内的各属性相互独立、可分解。属性集内的各属性相互独立、可分解。属性集内的各属性相互独立、可分解。vv但在实际决策中，上述要求很难达到，这也正是我但在实际决策中，上述要求很难达到，这也正是我们开展决策理论与方法研究的动力源。们开展决策理论与方法研究的动力源。第六页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法7/61多属性决策分析多属性决策分析目标与属性目标与属性vv例例：某流域水资源项目建设目标：某流域水资源项目建设目标(指标体系指标体系)及属性及属性第七页，编辑于星期五：三点 五分。2023/3/3 3

13、:25决策理论与方法-随机决策理论与方法8/61多属性决策分析多属性决策分析问题的符号表示问题的符号表示vvMA=X X表示方案集，表示方案集，表示方案集，表示方案集，X=X=x x1 1,x x2 2,x xmm A A表示属性集，表示属性集，表示属性集，表示属性集，A=A=a a1 1,a a2 2,a an n 表示状态集，表示状态集，表示状态集，表示状态集，=1 1,2 2,k k V V表示值集，所有可能取值的集合表示值集，所有可能取值的集合表示值集，所有可能取值的集合表示值集，所有可能取值的集合 :V V，分布函数，确定各状态发生的可能性，分布函数，确定各状态发生的可能性，分布函数

14、，确定各状态发生的可能性，分布函数，确定各状态发生的可能性f f:XA:XAV V，目标函数，确定各方案对应的属性值，目标函数，确定各方案对应的属性值，目标函数，确定各方案对应的属性值，目标函数，确定各方案对应的属性值第八页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法9/61多属性决策分析多属性决策分析问题的符号表示问题的符号表示vv例例：给定自然状态的多属性决策问题：给定自然状态的多属性决策问题方案集方案集方案集方案集发电发电发电发电作物作物作物作物船运船运船运船运CODCOD水流失水流失水流失水流失土流失土流失土流失土流失景点数景点数景点数景点数

15、动物动物动物动物植物植物植物植物减灾减灾减灾减灾x x1 18.98.9454555557.27.2828277773 341411581588787x x2 27.67.6626247476.46.4767682824 451512132135454x x3 39.29.2464667679.59.5919180803 339391241249999第九页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法10/61多属性决策分析多属性决策分析属性值预处理属性值预处理vv剩下的问题是我们如何评价方案的优劣。剩下的问题是我们如何评价方案的优劣。vv属性值预处

16、理的目标是规范化各属性值，使其能够属性值预处理的目标是规范化各属性值，使其能够真正体现方案优劣的实际价值。真正体现方案优劣的实际价值。vv属性值类型属性值类型：效益型指标：属性值越大越好；效益型指标：属性值越大越好；效益型指标：属性值越大越好；效益型指标：属性值越大越好；成本型指标：属性值越小越好；成本型指标：属性值越小越好；成本型指标：属性值越小越好；成本型指标：属性值越小越好；中性指标：属性值取某一个恰当的值最优，过大、过小中性指标：属性值取某一个恰当的值最优，过大、过小中性指标：属性值取某一个恰当的值最优，过大、过小中性指标：属性值取某一个恰当的值最优，过大、过小都不合适。都不合适。都不

17、合适。都不合适。第十页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法11/61多属性决策分析多属性决策分析属性值预处理属性值预处理vv预处理主要有两项任务：预处理主要有两项任务：非量纲化非量纲化非量纲化非量纲化：通过某种方法消除量纲的选用对决策或评价：通过某种方法消除量纲的选用对决策或评价：通过某种方法消除量纲的选用对决策或评价：通过某种方法消除量纲的选用对决策或评价结果的影响。结果的影响。结果的影响。结果的影响。归一化归一化归一化归一化：不同属性的属性值取值范围存在很大差别，为：不同属性的属性值取值范围存在很大差别，为：不同属性的属性值取值范围存在很

18、大差别，为：不同属性的属性值取值范围存在很大差别，为了真实反映各属性值的价值，需要将属性值统一变换到了真实反映各属性值的价值，需要将属性值统一变换到了真实反映各属性值的价值，需要将属性值统一变换到了真实反映各属性值的价值，需要将属性值统一变换到0,10,1区间上以消除属性取值范围的差异对决策或评价结区间上以消除属性取值范围的差异对决策或评价结区间上以消除属性取值范围的差异对决策或评价结区间上以消除属性取值范围的差异对决策或评价结果的影响。果的影响。果的影响。果的影响。第十一页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法12/61多属性决策分析多属性决

19、策分析属性值预处理属性值预处理vv设设设设f fi i(a a)为方案为方案为方案为方案i i的的的的a a属性值，记属性值，记属性值，记属性值，记f fmaxmax=max(=max(f fi i(a a)，f fminmin=min(=min(f fi i(a a)vv线性变换线性变换线性变换线性变换效益型。变换效益型。变换效益型。变换效益型。变换z:z:f fi i(a a)z)zi i(a a)定义为：定义为：定义为：定义为：z zi i(a a)=)=f fi i(a a)/)/f fmaxmax；成本型。变换成本型。变换成本型。变换成本型。变换z:z:f fi i(a a)z)zi

20、 i(a a)定义为：定义为：定义为：定义为：z zi i(a a)=1-)=1-f fi i(a a)/)/f fmaxmax；或者或者或者或者变换变换变换变换z:z:f fi i(a a)z)zi i(a a)定义为：定义为：定义为：定义为：z zi i(a a)=)=f fminmin/f fi i(a a)。vv标准标准标准标准0-10-1变换变换变换变换效益型。效益型。效益型。效益型。z zi i(a a)=()=(f fi i(a a)-)-f fminmin)/()/(f fmaxmax-f fminmin)；成本型。成本型。成本型。成本型。z zi i(a a)=()=(f f

21、maxmax-f fi i(a a)/()/(f fmaxmax-f fminmin)。vv向量规范化向量规范化向量规范化向量规范化：z zi i(a a)=)=f fi i(a a)/()/(i if fi in n(a a)1/1/n n(n n可以取可以取可以取可以取1 1或或或或2)2)。第十二页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法13/61多属性决策分析多属性决策分析属性值预处理属性值预处理j ji i人均论人均论人均论人均论著著著著(a a1 1)科研经科研经科研经科研经费费费费(a a3 3)逾期毕逾期毕逾期毕逾期毕业率业率业率

22、业率(a a4 4)1 10.00000.00001.00001.00000.00000.00002 20.03700.03700.78800.78800.71420.71423 30.18520.18520.20700.20700.48570.48574 40.07410.07410.57590.57590.22860.22865 51.0000 1.0000 0.05680.05681.00001.0000j ji i人均论人均论人均论人均论著著著著(a a1 1)科研经科研经科研经科研经费费费费(a a3 3)逾期毕逾期毕逾期毕逾期毕业率业率业率业率(a a4 4)逾期毕逾期毕逾期毕逾期

23、毕业率业率业率业率(a a4 4)1 10.03570.03571.00001.00000.00000.00000.25530.25532 20.07140.07140.80000.80000.53190.53190.54550.54553 30.21430.21430.25200.25200.36170.36170.40000.40004 40.1071 0.1071 0.60000.60000.17020.17020.30770.30775 51.0000 1.0000 0.05680.05680.74470.74471.00001.0000j ji i人均论人均论人均论人均论著著著著(a

24、 a1 1)生师生师生师生师比比比比(a a2 2)科研经科研经科研经科研经费费费费(a a3 3)逾期毕逾期毕逾期毕逾期毕业率业率业率业率(a a4 4)1 10.50.55 5500050004.74.72 21.01.07 7400040002.22.23 33.03.01010126012603.03.04 41.51.54 4300030003.93.95 514.014.02 22842841.21.2f fmaxmax1414500050004.74.7f fminmin0.50.52842841.21.2(f f2 2)1/21/214.4414.44718871887.257

25、.25j ji i人均论人均论人均论人均论著著著著(a a1 1)科研经科研经科研经科研经费费费费(a a3 3)逾期毕逾期毕逾期毕逾期毕业率业率业率业率(a a4 4)1 10.03460.03460.69560.69560.64820.64822 20.06930.06930.55650.55650.30340.30343 30.20780.20780.17530.17530.41370.41374 40.10390.10390.41740.41740.53780.53785 50.9695 0.9695 0.03950.03950.16550.1655线性变换线性变换标准标准0-1变换变

26、换向量变换向量变换第十三页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法14/61多属性决策分析多属性决策分析属性值预处理属性值预处理vv中性属性中性属性(最优值为给定区间最优值为给定区间)规范化策略规范化策略下极限下极限f0上极限上极限f0最优区间最优区间f1f21zfzi(a)=(1)fi(a)f0，0(2)f0fi(a)f1，1-(f1-fi(a)/(f1-f0)(3)f1fi(a)f2，1(4)f2fi(a)0(0(i i=1,2,=1,2,n n)利用拉格朗日法可将该优化问题转为求解下列方程组：利用拉格朗日法可将该优化问题转为求解下列方程组：

27、利用拉格朗日法可将该优化问题转为求解下列方程组：利用拉格朗日法可将该优化问题转为求解下列方程组：第二十二页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法23/61多属性决策分析多属性决策分析权重确定权重确定vvMatlab求解求解：Function weight(A)Function weight(A)D=diag(diag(A*A)+1)-A-A;D=diag(diag(A*A)+1)-A-A;n=length(A);n=length(A);Row1=ones(n,1);Row1=ones(n,1);Col1=ones(1,n);Col1=ones(

28、1,n);D=D Row1;Col1 0;D=D Row1;Col1 0;B=zeros(n,1);B=zeros(n,1);B=B;1;B=B;1;W=inv(D)*BW=inv(D)*B第二十三页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法24/61多属性决策分析多属性决策分析权重确定权重确定vv特征向量法特征向量法：因为：因为AW=nW，n为为A的最大特征值。的最大特征值。当判断矩阵当判断矩阵A的估计存在误差时，则的估计存在误差时，则A中元素值的变中元素值的变化带来最大特征值的变化，记此时的最大特征值为化带来最大特征值的变化，记此时的最大特征值

29、为 max，则，则AW=maxW，W为为A关于最大特征值关于最大特征值 max的的特征向量，对特征向量，对W进行归一化处理即得到权重向量。进行归一化处理即得到权重向量。vvMatlab函数函数：V,D=eig(A)，返回的，返回的V为特征向量矩为特征向量矩阵；阵；D为特征值矩阵。为特征值矩阵。第二十四页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法25/61多属性决策分析多属性决策分析权重确定权重确定vvSattySatty近似算法近似算法近似算法近似算法：A A中每行元素连乘并开中每行元素连乘并开中每行元素连乘并开中每行元素连乘并开n n次方，记为次

30、方，记为次方，记为次方，记为w wi i*；求权重：求权重：求权重：求权重：w wi i=w wi i*/i iw wi i*；A A中每列元素求和：中每列元素求和：中每列元素求和：中每列元素求和：S Sj j=i ia aij ij；计算最大特征值计算最大特征值计算最大特征值计算最大特征值 maxmax=i iw wi iS Si i判断矩阵判断矩阵判断矩阵判断矩阵A A的一致性检验的一致性检验的一致性检验的一致性检验一致性指标一致性指标一致性指标一致性指标CICI(Consistency Index)(Consistency Index)：CI=|CI=|maxmax-n n|/(|/(n

31、 n-1)-1)随机指标随机指标随机指标随机指标RIRI(Random Index)(Random Index)：用随机方法构造判断矩阵，：用随机方法构造判断矩阵，：用随机方法构造判断矩阵，：用随机方法构造判断矩阵，经过经过经过经过500500次以上的重复计算，求出一致性指标并加以平均次以上的重复计算，求出一致性指标并加以平均次以上的重复计算，求出一致性指标并加以平均次以上的重复计算，求出一致性指标并加以平均得到。得到。得到。得到。一致性比率一致性比率一致性比率一致性比率CRCR(Consistency Ratio)(Consistency Ratio)：CR=CI/RICR=CI/RI。CR

32、CR 0.10.1，一致性好；，一致性好；，一致性好；，一致性好；CR0.1CR0.1，一致性差。，一致性差。，一致性差。，一致性差。第二十五页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法26/61多属性决策分析多属性决策分析权重确定权重确定vv例例：设判断矩阵为：设判断矩阵为A，求权重。，求权重。特征向量法特征向量法最小二乘法最小二乘法Satty近似算法近似算法w10.1584 0.1569 0.1685 w20.1893 0.1801 0.1891 w30.1980 0.1508 0.1871 w40.0483 0.0392 0.0501 w50

33、.1503 0.0992 0.1501 w60.2558 0.3737 0.2550 max6.4208 5.9459 6.4431 CI0.0842 0.0108 0.0886 CR0.0679 0.0087 0.0715 第二十六页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法27/61多属性决策分析多属性决策分析决策方法决策方法vv一般加权和法一般加权和法一般加权和法一般加权和法将属性表值将属性表值将属性表值将属性表值c cij ij规范化，得规范化，得规范化，得规范化，得z zij ij；i i=1=1mm;j j=1=1n n。确定各指标的权

34、重系数，确定各指标的权重系数，确定各指标的权重系数，确定各指标的权重系数，w wj j；j j=1=1n n。计算各方案的综合指标计算各方案的综合指标计算各方案的综合指标计算各方案的综合指标C Ci i=j jw wj jz zij ij。最后最后最后最后根据根据根据根据C Ci i大小排出各方案的优劣大小排出各方案的优劣大小排出各方案的优劣大小排出各方案的优劣。vv一般加权和法的使用条件（一般加权和法的使用条件（一般加权和法的使用条件（一般加权和法的使用条件（实际上很难满足实际上很难满足实际上很难满足实际上很难满足）指标体系为树状结构；指标体系为树状结构；指标体系为树状结构；指标体系为树状结

35、构；每个属性的边际价值是线性的每个属性的边际价值是线性的每个属性的边际价值是线性的每个属性的边际价值是线性的(优劣与属性值大小成正比优劣与属性值大小成正比优劣与属性值大小成正比优劣与属性值大小成正比)；任意两个指标的相互价值都是独立的；任意两个指标的相互价值都是独立的；任意两个指标的相互价值都是独立的；任意两个指标的相互价值都是独立的；属性间的完全可补偿性：一个方案的某属性无论多差都属性间的完全可补偿性：一个方案的某属性无论多差都属性间的完全可补偿性：一个方案的某属性无论多差都属性间的完全可补偿性：一个方案的某属性无论多差都可用其他属性来补偿（一个方案优于另一个方案并不要求可用其他属性来补偿（

36、一个方案优于另一个方案并不要求可用其他属性来补偿（一个方案优于另一个方案并不要求可用其他属性来补偿（一个方案优于另一个方案并不要求在所有属性上都优）。在所有属性上都优）。在所有属性上都优）。在所有属性上都优）。第二十七页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法28/61多属性决策分析多属性决策分析决策方法决策方法vvAHPAHP法法法法(层次分析法，层次分析法，层次分析法，层次分析法，Satty)Satty)：在实际决策中并不是所有指标：在实际决策中并不是所有指标：在实际决策中并不是所有指标：在实际决策中并不是所有指标的值都是容易测量的，但不同方

37、案的这些指标的优劣性是可的值都是容易测量的，但不同方案的这些指标的优劣性是可的值都是容易测量的，但不同方案的这些指标的优劣性是可的值都是容易测量的，但不同方案的这些指标的优劣性是可以比较的。以比较的。以比较的。以比较的。SattySatty提出了一种提出了一种提出了一种提出了一种层次分析法层次分析法层次分析法层次分析法(Analytic Hierarchy(Analytic Hierarchy Process)Process)来解决此类问题。来解决此类问题。来解决此类问题。来解决此类问题。构造关于指标权重的判断矩阵，求出各指标的权重构造关于指标权重的判断矩阵，求出各指标的权重构造关于指标权重的

38、判断矩阵，求出各指标的权重构造关于指标权重的判断矩阵，求出各指标的权重w wj j，并，并，并，并检验判断矩阵的一致性；检验判断矩阵的一致性；检验判断矩阵的一致性；检验判断矩阵的一致性；构造每个方案关于各指标优劣性的判断矩阵，从而得到构造每个方案关于各指标优劣性的判断矩阵，从而得到构造每个方案关于各指标优劣性的判断矩阵，从而得到构造每个方案关于各指标优劣性的判断矩阵，从而得到各方案关于该指标的规范化属性值各方案关于该指标的规范化属性值各方案关于该指标的规范化属性值各方案关于该指标的规范化属性值z zij ij；（；（；（；（如果方案关于该如果方案关于该如果方案关于该如果方案关于该指标的值是可测

39、的，则不需要构造此指标的判断矩阵指标的值是可测的，则不需要构造此指标的判断矩阵指标的值是可测的，则不需要构造此指标的判断矩阵指标的值是可测的，则不需要构造此指标的判断矩阵）计算各方案的综合指标计算各方案的综合指标计算各方案的综合指标计算各方案的综合指标C Ci i=j jw wj jz zij ij。根据根据根据根据C Ci i的优劣确定方案的优劣。的优劣确定方案的优劣。的优劣确定方案的优劣。的优劣确定方案的优劣。第二十八页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法29/61多属性决策分析多属性决策分析决策方法决策方法vv根据下图所描述的指标体系，

40、如果完全使用根据下图所描述的指标体系，如果完全使用AHP法法进行决策，需要构造多少个判断矩阵？进行决策，需要构造多少个判断矩阵？()1616第二十九页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法30/61多属性决策分析多属性决策分析决策方法决策方法vv加权和与加权积的综合决策法加权和与加权积的综合决策法：加权和要求指标具：加权和要求指标具有线性可加（可补偿）性，但在实际决策中有些指有线性可加（可补偿）性，但在实际决策中有些指标之间是不可补偿的，此时方案关于这类指标的优标之间是不可补偿的，此时方案关于这类指标的优劣可用加权积法。例如，设方案的优劣可由四

41、个一劣可用加权积法。例如，设方案的优劣可由四个一级指标级指标A,B,C,D评判，其中评判，其中A,B满足可加性，满足可加性，C,D满足可加性，但满足可加性，但A、B与与C、D间不满足可加性，则间不满足可加性，则可用下面的加权和与加权积的综合决策法确定各方可用下面的加权和与加权积的综合决策法确定各方案的优劣：案的优劣：(wAzA+wBzB)(wCzC+wDzD)第三十页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法31/61多属性决策分析多属性决策分析决策方法决策方法vv逼近理想解排序方法逼近理想解排序方法(Technique for Order Pre

42、ference by Similarity to Ideal Solution,TOPSIS)：借助多属性问题的理想解和负理想解给方案集：借助多属性问题的理想解和负理想解给方案集X中的各方案排序。中的各方案排序。在多属性决策中，每个属性都有一个最优值，也有一个在多属性决策中，每个属性都有一个最优值，也有一个在多属性决策中，每个属性都有一个最优值，也有一个在多属性决策中，每个属性都有一个最优值，也有一个最差值。取所有属性的最优值构造一个虚拟方案最差值。取所有属性的最优值构造一个虚拟方案最差值。取所有属性的最优值构造一个虚拟方案最差值。取所有属性的最优值构造一个虚拟方案x x*，同时，同时，同时，

43、同时取所有属性的最差值构造另一个虚拟方案取所有属性的最差值构造另一个虚拟方案取所有属性的最差值构造另一个虚拟方案取所有属性的最差值构造另一个虚拟方案x x0 0，则称，则称，则称，则称x x*为理为理为理为理想解，想解，想解，想解，x x0 0为负理想解。为负理想解。为负理想解。为负理想解。TOPSISTOPSIS法就是将各实际方案与理想解和负理想解进行比法就是将各实际方案与理想解和负理想解进行比法就是将各实际方案与理想解和负理想解进行比法就是将各实际方案与理想解和负理想解进行比较，离理想解越近、离负理想解越远的方案越好。较，离理想解越近、离负理想解越远的方案越好。较，离理想解越近、离负理想解

44、越远的方案越好。较，离理想解越近、离负理想解越远的方案越好。第三十一页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法32/61多属性决策分析多属性决策分析决策方法决策方法vvTOPSIS法求解步骤法求解步骤用向量规范法求得规范决策矩阵：用向量规范法求得规范决策矩阵：用向量规范法求得规范决策矩阵：用向量规范法求得规范决策矩阵：z zij ij=c cij ij/(/(i ic cij ij)1/21/2确定各属性的权重系数确定各属性的权重系数确定各属性的权重系数确定各属性的权重系数W=W=w w1 1,w w2 2,w wn n 确定理想解和负理想解：确

45、定理想解和负理想解：确定理想解和负理想解：确定理想解和负理想解：vvz zj j*=max=maxi i(z zij ij)()(效益型属性效益型属性效益型属性效益型属性)或或或或minmini i(z zij ij)()(成本型属性成本型属性成本型属性成本型属性)vvz zj j0 0=min=mini i(z zij ij)()(效益型属性效益型属性效益型属性效益型属性)或或或或maxmaxi i(z zij ij)()(成本型属性成本型属性成本型属性成本型属性)计算各方案到理想解和负理想解的加权距离计算各方案到理想解和负理想解的加权距离计算各方案到理想解和负理想解的加权距离计算各方案到理

46、想解和负理想解的加权距离vvd di i*=(=(j j(w wj jz zij ij-w wj jz zj j*)2 2)1/21/2vvd di i0 0=(=(j j(w wj jz zij ij-w wj jz zj j0 0)2 2)1/21/2计算综合评价指标计算综合评价指标计算综合评价指标计算综合评价指标C Ci i=d di i0 0/(/(d di i0 0+d di i*)按按按按C Ci i的大小对各方案排序，的大小对各方案排序，的大小对各方案排序，的大小对各方案排序，C Ci i越大方案越优，否则越劣。越大方案越优，否则越劣。越大方案越优，否则越劣。越大方案越优，否则越

47、劣。第三十二页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法33/61多属性决策分析多属性决策分析决策方法决策方法权重权重0.20.30.40.1简单简单加权和加权和 属性属性方案方案人均论人均论著著(a1)生师生师比比(a2)科研经科研经费费(a3)逾期毕逾期毕业率业率(a4)10.03571.00001.00000.00000.7071420.07140.83330.80000.53190.6374630.21430.33330.25200.36170.2798240.10710.66660.60000.17020.4784251.00000.00

48、000.05680.74470.29719TOPSISTOPSISdi*di0Ci10.0346 0.6666 0.6956 0.6482 0.1931 0.3299 0.6308 20.0693 0.5555 0.5565 0.3034 0.1919 0.2679 0.5827 30.2078 0.2222 0.1753 0.4137 0.2914 0.0956 0.2471 40.1039 0.4444 0.4174 0.5378 0.2195 0.2023 0.4796 50.9695 0.0000 0.0395 0.1655 0.3299 0.1931 0.3692 x*0.9695

49、0.6666 0.6956 0.1655 x00.0346 0.0000 0.0395 0.6482 第三十三页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法34/61多属性决策分析多属性决策分析决策方法决策方法vvTOPSIS法的边界问题法的边界问题x*x0第三十四页，编辑于星期五：三点 五分。2023/3/3 3:25决策理论与方法-随机决策理论与方法35/61多属性决策分析多属性决策分析决策方法决策方法vv级别高于关系的构造级别高于关系的构造由决策人设定由决策人设定由决策人设定由决策人设定各属性的权重系数各属性的权重系数各属性的权重系数各属性的权

50、重系数W=W=w w1 1,w w2 2,w wn n；对给定的两个方案对给定的两个方案对给定的两个方案对给定的两个方案x xi i和和和和x xk k进行和谐性检验：进行和谐性检验：进行和谐性检验：进行和谐性检验：(设每个属性设每个属性设每个属性设每个属性都是效益型指标）都是效益型指标）都是效益型指标）都是效益型指标）1.1.属性集分类：属性集分类：属性集分类：属性集分类：J J+(x xi i,x xk k)=)=j j|j j 1,1,n n,(,(x xi i)j j(x xk k)j j；J J=(x xi i,x xk k)=)=j j|j j 1,1,n n,(,(x xi i)