多属性决策PPT课件.ppt

9 多属性决策n9.7 确定权的常用方法(AHP法)n9.8 权的灵敏度分析n9.9 TOPSIS法n9.10 基于估计相对位置的方案排队法n9.11 ELECTRE法n9.12 PROMETHEE法n9.13 关于多属性决策方法的若干问题讨论 9.7 确定权的常用方法n1) 最小二乘法n2) 本征向量法n3) 层次分析法(AHP)1) 最小二乘法目标重要性判断矩阵目标重要性判断矩阵A中元素中元素的取值的取值 相对重要程度定      义说       明                   1同等重要两个目标同样重要3略微重要由经验或判断，认为一个目标比另一个略微重要些5相当重要由经验或判断，认为一个目标比另一个重要7明显重要深感一个目标比另一个重要,且这种重要性已有实践证明9绝对重要强烈的感到一个目标比另一个重要的多2,4,6,8两个相邻判断的中间值需要折衷时采用1) 最小二乘法1) 最小二乘法2) 本征向量法一致性检验 3) 层次分析法(AHP)第四步 方案排序Saaty求最大本征值的近似算法 例1:买车(AHP法确定权)备选车价格 (万元)y1油耗 (升/百公里)y2舒适度y3x1402510x215183x325106x435158步骤1: 构造矩阵A价格油耗舒适度价格129油耗1/217舒适度1/91/71步骤2:求权重 n(1) A中每行元素连乘并开n次方: n(2) wi* 规范化: 步骤2:求权重价格油耗 舒适度价格129油耗1/217舒适度1/91/71                  规范化: w1*+ w2*+ w3              w1=w1              w2=w2              w3=w3步骤3:一致性检验 n(1) A中每列元素求和 :n(2)计算λmax 的值n(3) 与临界值 λ’max 比较:步骤3:一致性检验价格油耗舒适度价格129油耗1/217舒适度1/91/71S1=1+1/2+1/9S2=2+1+1/7 S3=9+7+1 =17λmax步骤4:方案排序备选车价格 (万元)y1(w1=0.6)油耗 (升/百公里)y2(w2=0.35)舒适度y3(w3=0.05)x1402510x215183x325106x435158步骤4:方案排序(属性值0-1处理)备选车价格 (万元)y1(w1=0.6)油耗 (升/百公里)y2(w2=0.35)舒适度y3(w3=0.05)综合评价值(Ci)x1 00 1.00000.0500x21.0 0.466700.7633x3 0.6 1.0000 0.42860.7314x4 0.2 0.6667 0.71430.3890方案排序：x2 > x3 > x4 > x1例2:层次分析法例例  设某高校拟从三个候选人中选一人担任中层领导，候选人的优劣用六个属性去衡量，这六个属性是①健康状况②业务知识③书面表达能力④口才⑤道德水平和⑥工作作风。

关于这六个属性的重要性，有关部门设定的属性重要性矩阵A为：①②③④⑤⑥①111411/2②112411/2③11/21531/2④1/41/41/511/31/3⑤111/3311⑥222311权重的本征向量 属性值的AHP法 三个候选人分别记作X、Y、Z；设在各属性下比较的结果（称为比较矩阵）如下 属性的最大本征值属性值的调整调整前调整后结果9.8 权的灵敏度分析n灵敏度分析的目的：权在多大范围内变动会影响决策结果n例子：买车为了简化分析，我们做了如下假设：w1=w2，有：nw1+w2+w3=1，则：w1+w2=1-w3，其中w3[0,1]；n由于w1=w2，则： w1=w2=(1-w3 )/2综合评价值备选车价格 (万元)y1w1=(1-w3 )/2油耗 (升/百公里)y2w2=(1-w3 )/2舒适度y3w3综合评价值(Ci)x1 00 1.0000 w3x21.0 0.466700.73-0.73*w3x3 0.6 1.0000 0.42860.8-1.23*w3x4 0.2 0.6667 0.7143 0.43-1.14*w3权的灵敏度分析结果C1C2C3C49.9 TOPSIS法TOPSIS是逼近理想解的排序方法（Technique for Order Preference by Similarity to Ideal Solution）的英文缩略。

它借助多属性问题的理想解和负理想解给方案集X中各方案排序2．TOPSIS法的算法步骤2．TOPSIS法的算法步骤2．TOPSIS法的算法步骤2．TOPSIS法的算法步骤例1:用TOPSIS法解”买车”问题效益指标成本指标备选车价格 (万元)y1(w1=0.6)油耗 (升/百公里)y2(w2=0.35)舒适度y3(w3=0.05)x1402510x215183x325106x435158成本指标步骤1:规范化备选车价格 (万元)y1(w1=0.6)油耗 (升/百公里)y2(w2=0.35)舒适度y3(w3=0.05)x10.65980.70040.6917x20.24740.50430.2075x30.41240.28020.4150x40.57740.42020.5534步骤2:加权规范阵备选车价格 (万元)y1(w1=0.6)油耗 (升/百公里)y2(w2=0.35)舒适度y3(w3=0.05)x10.39590.24510.0346x20.14850.17650.0104x30.24740.09810.0208x40.34640.14710.0277步骤3:理想解与负理想解nx*=[0.1485, 0.0981, 0.0346]nx0=[0.3959, 0.2451, 0.0104]步骤4:距离计算与排序方案排序:x2>x3>x4>x1 d*d0C*10.28790.02420.077620.08210.25680.757730.09990.20920.676840.20400.11120.3527例2:用TOPSIS法解例设决策人设定的各属性权重分别为(0.2,0.3,0.4,0.1)效益指标效益指标成本指标区间指标步骤1:数据预处理人均专著y1生师比y2科研经费y3逾期毕业率y410.11.00050004.720.20.833340002.230.60.333312603.040.30.666730003.952.80.00002841.2步骤1:规范化 人均专著y1生师比y2科研经费y3逾期毕业率y410.03460.66670.69560.648220.06930.55550.55650.303430.20780.22220.17530.413740.10390.44450.41740.537850.96960.0000.03950.1655步骤2:加权规范阵 人均专著y1生师比y2科研经费y3逾期毕业率y410.00690.20000.27820.064820.01390.16670.22260.030330.04160.06670.07010.041440.02080.13330.16690.053850.19390.00000.01580.0165步骤3:理想解与负理想解nx*=[0.1939, 0.2000, 0.2782, 0.0165]nx0=[0.0069, 0.0000, 0.0158, 0.0648]步骤4:距离计算与排序 d*d0C*10.19310.33000.630820.19190.26790.582730.29140.09560.247040.21950.20230.479650.33000.19310.3692方案排序:x1>x2>x4>x5>x39.10 基于估计相对位置的方案基于估计相对位置的方案排队法排队法•前面几节介绍的求解多属性决策问题的方法，包括加权和法，字典序法，加权积法和逼近理想点的排队法(TOPSIS法)，以及后面要介绍的ELECTRE法等等，都需要有较多的初始信息，需要在事先给出决策矩阵，即需要给出每个备选方案的各属性的数值。

•但在很多实际问题中，总有一些属性无法或很难量化，这时就给不出决策矩阵，决策人只能给出每个目标下各方案的优劣次序例如，选择干部问题，要给出每个候选人的德、才、体的属性值是令人伤脑筋的事，但要决策人按照德、才、体这几个方面分别排出候选人的优劣次序却并不困难•对这种可以给出序数信息，但给不出基数信息的问题，应当有适当的方法求解Navarrete,1979提出的基于估计相对位置的方案排队法是求解这类问题的一种较好的方法1. 方案优先关系的表述方案优先关系的表述     首先根据各方案对在各目标下的优先次序（即序数信息）及各目标的权重进行排序各方案间的优先关系可以用语言说明，也可以用第三章介绍>和~等符号描述但是它们都不如指向图直观，也不如0-1矩阵便于运算⑴⑴ 指向图指向图      指向图用小圆表示方案，称为节点；有向弧表示优先关系，箭头从表示优方案的节点出发指向代表劣方案的节点例如，若xi>xk，则有向弧从节点xi出发，指向节点xk；若xi~xk，则在xi和xk之间画两条有向弧，一条从从xi指向xk，另一条从从xk指向xi；若方案xi与xk不可比，则节点xk和xi之间不画有向弧   图所示为某个方案集中各方案的指向图。

其中方案x1优于方案x2和x3，方案x1与方案x4无差异，方案x1和方案x5不可比(2) 表示优先关系的表示优先关系的0-1矩阵矩阵     优先关系还可以用0-1矩阵（或称优先关系表）P={pik}m×m来表示与图对应的优先关系表如表所示其中，若xi>xk ，则pik＝1，pki＝0；若xi ~ xk，则pik＝pki＝1；若xi与xk不可比，则pik＝pki＝0(2) 表示优先关系的表示优先关系的0-1矩阵矩阵• 利用指向图或优先关系表可以方便地确定方案集X中各方案的排序对指向图，可以设从xi发出的有向弧为ri条，指向xi的有向弧有qi条，则排队指示值:       vi＝ri－qi                                 vi的值越大，方案xi越优，根据vi的大小可以排定方案集中各方案的优劣• 对0-1矩阵，xi所在行行中元素为1的个数（不包括对角线上的元素）记为ri ，元素为0的个数记为qi ，仍用上式计算排队指示值 2．基于估计相对位置的方案排．基于估计相对位置的方案排队法的求解步骤队法的求解步骤1.第一步  由决策人设定各目标或属性j的权wj，j＝1,2,…n，且使                 。

2.第二步  对每一目标或属性j，进行方案的成对比较, 给出优先关系矩阵或指向图             xi的第j个属性值优于xk的第j个属性值记作(xi>xk)j，xk的第j个属性值优于xi的第j个属性值记作(xixk)j的各目标j的权相加，记作w(xi>xk)，即:                            w(xi>xk)＝                       类似地，把xi～xk的各目标的权相加，记作w(xi~ xk)，把xi

      2．基于估计相对位置的方案排．基于估计相对位置的方案排队法的求解步骤队法的求解步骤③ 选定阀值A≥1，判定方案总体优劣            若 Aσ(xi，xk)≥A       则xi>xk                                        若 Aσ(xi，xk)≤1/A   则xi

例:用基于估计相对位置的方案排序法解例9.2 例:用基于估计相对位置的方案排序法解例例:用基于估计相对位置的方案排序法解例例:用基于估计相对位置的方案排序法解例例:用基于估计相对位置的方案排序法解例评评 注注•① 基于估计相对位置的方案排队法采用序数信息判断方案间的优劣，它所要求的信息较少，这是一大优点；与此同时，因为没有决策矩阵中的基数信息，所以不能反映方案集X中各方案在各自标下的优先程度，评价可靠性欠佳，这又是该方法的缺点所以凡是属性值均能定量表示，能给出决策矩阵的，不宜采用这种方法•② 基于估计相对位置的方案排序法的评价结果也是平局太多在方案数较小时，方案之间出现平局的可能性较大9.11 ELECTRE法n9.11.1 级别高于关系的定义与性质n9.11.2 ELECTRE-I法n9.11.3 ELECTRE-II法n9.11.4 其他ELECTRE法n9.11.5 讨论9.11.1 级别高于关系的定义与性质    这种方法是法国人Roy (1971)首先提出的，它所构建的是一种较弱的次序关系，叫级别高于关系(Outranking Relation) 定义定义  级别高于关系级别高于关系       给定方案集X，xi，xk∈X，给定决策人的偏好次序和属性矩阵{yij}，当人们有理由相信xi≽xk，则称xi的级别高于xk， 记作xiOxk。

            需要注意的是，级别高于关系是建立在决策人愿望承担因承认xi≽xk所产生的风险的基础上的9.11.1 级别高于关系的定义与性质定义定义  级别无差异级别无差异        给定方案集X，xi，xk∈X，当且仅当X中存在u1,u2,…,ur；v1,v2,…,vs；r≥1，s≥1，使xiOxk（或者xiOu1，u1Ou2，…，urOxk）且xkOxi（或者xkOv1，v1Ov2，… ，vsOxi），则称xi与xk级别无差异，记作xiIrxk9.11.1 级别高于关系的定义与性质级别高于关系的性质级别高于关系的性质• 1) 弱传递性，即 :                   xiOx0且y(x0)≥y(xk)  xiOxk               或者:     y(xi)≥y(x0) 且x0Oxk  xiOxk         • 2) 自反性显然，xOx和xIr x均成立• 3) Ir是对称的• 4) 允许不可比上面所定义的级别高于关系不要求连通性，它允许X中的方案对不可比    9.11.2 ELECTRE-Ⅰ法法     ELECTRE-Ⅰ法求解多属性决策主要问题包括两个部分，一是构造级别高于关系，二是利用所构造的级别高于关系对方案集中的方案进行排序。

下面分别介绍1. 级别高于关系的构造级别高于关系的构造        级别高于关系的构造以决策矩阵Y＝{yij}为基础，决策矩阵不作规范化对于X中的每对方案xi与xk，为了判定是否存在级别高于关系O，需要进行和谐性检验(concordance test)和非不和谐性检验(non- discordance test) ELECTRE-Ⅰ法步骤法步骤9.11.2 ELECTRE-Ⅰ法法9.11.2 ELECTRE-Ⅰ法法9.11.2 ELECTRE-Ⅰ法法9.11.2 ELECTRE-Ⅰ法法9.11.2 ELECTRE-Ⅰ法法9.12 PROMETHEE法n9.12.1 优先函数n9.12.2 几种典型的优先函数n9.12.3 赋值的级别高于关系图n9.12.4 PROMETHEE-I法n9.12.5 PROMETHEE-II法n9.12.6 示例：研究生院综合评估n9.12.7 PROMETHEE法的特点9.12.1 优先函数9.12.1 优先函数9.12.2 几种典型的优先函数1. 常用准则(Usual Criterion) 2. 拟准则(Quasi-Criterion)3. 具有线性优先关系的准则(Criterion with linear preference)4. 分级准则(Level-criterion)5. 具有无差异区间的线性优先关系准则(Criterion with linear preference and indifference area) 6. 高斯准则(Gaussian criterion)优先指数的计算 PROMETHEEⅠ法法 PROMETHEEⅠ法法PROMETHEEⅡ法法 9.13 关于多属性决策方法的若干问题讨论n在对方案集X中备选方案的数据预处理方法的不同，将有可能影响方案排序的结果。

n在对方案集X中的备选方案排序过程中，为了使评价结果更可靠，可以根据问题的特点，在本章前面介绍的简单加权和法、层次分析法(AHP)、加权积法、TOPSIS法、ELECTRE法、基于估计相对位置的方案排队法、PROMETHEE等方法中同时选用几种适当的多属性决策方法求解，获得几种可能相同也可能不同9.13 关于多属性决策方法的若干问题讨论n如果上一步所获得的方案集X中各备选方案的几种排序相同，则问题求解到此为止n更一般的情况是不同方法的求解结果会有差别，这时需要对产生差别的原因进行分析，排除数据预处理不当和方法选用不当等情况 作业6:nP245: 二、 n1．试用加权和法求解例 ，讨论权重的选择对决策的影响n2．设w1=2w2，用TOPSIS法求解例。