数模(02)---多属性决策模型


       多属性决策的实质是利用已有的决策信息经过必定的方式对一组(有限个)备选方案进行排序或择优。它主要由2部分组成:

  1. 获取决策信息。
           决策信息通常包括两个方面的内容:属性权重和属性值(属性值主要有三种形式:实数、区间数和语言)。其中,属性权重的肯定是多属性决策中的一个重要研究内容。web

  2. 经过必定的方式对决策信息进行集结并对方案进行排序和择优。svg

加权算术平均算子

在这里插入图片描述
下面列举一例:
       我校教学水平评估,在4项指标:办学指导思想,学分,教学效果,特点项目。得分为数据组(91,82,83,93),4项指标的权重向量为w=(0.4,0.1,0.2,0.3)^T。则加权平均综合得分为:
       W A Aw(91,82,83,93)
    =91 * 0.4 + 82 * 0.1 + 83 * 0.2 + 93 * 0.3
    =89.1xml

        注意: 量纲必需要统一,即属性值要归一化,如打分要么都以百分制,要么都以十分制。
        那么怎么进行属性值的归一化,见下:blog

属性值的归一化处理

        属性类型通常有效益型、成本型、固定性、偏离型、区间型、偏离区间型等,其中效益型属性是指属性值越大越好的属性,成本型属性是指属性值越小越好的属性,固定型属性是指属性值越接近某个固定值越好的属性,偏离型属性是指属性值越偏离某个固定值越好的属性。区间型属性是指属性值越接近某个固定区间(包括落在该区间)越好的属性,偏离区间型属性是指属性值越偏离某个固定区间越好的属性。为了消除不一样物理量纲对决策结果的影响,决策时可按下列公式对数据进行规范化处理:
        a_ij表示待处理的属性值排序

  • 效益型在这里插入图片描述图片

  • 成本型
    在这里插入图片描述博客

  • 固定型
    在这里插入图片描述it

  • 偏离型
    在这里插入图片描述class

  • 区间型
    在这里插入图片描述webkit

  • 偏离区间型
    在这里插入图片描述

多属性决策模型举例

       用加权平均算子与属性归一化来作多属性决策
       例:投资银行拟对某市4家企业(方案)进行投资,抽取下列5项指标(属性)进行评估:
       产值(万元);投资成本(万元);销售额(万元);国家收益比重;环境污染程度。
       投资银行考察了上半年4家企业的上述指标状况(其中污染程度系有环保部门历时检测并量化),所得评估结果以下表所示。在各项指标中,投资成本、环境污染程度为成本型,其余为效益型。属性权重信息彻底未知,试肯定最佳投资方案。
在这里插入图片描述
       其中x分别表示4家企业,u表示5项指标。经过上面介绍的公式对各项指标(属性)进行归一化,获得归一化处理后的决策矩阵结果以下:
在这里插入图片描述
根据层次分析法,对5个属性构建成对比较矩阵:A =
      [  1, 3,3,3,3;
       1/3,1,1,1,1;
       1/3,1,1,1,1;
       1/3,1,1,1,1;
       1/3,1,1,1,1;]

  • 在创建了层次分析模型和成对比较矩阵后,咱们使用代码来实现权重的求解,代码见层次分析法。最后获得的结果为:
           u1到u5的权重分别为:
           [0.4286,0.1429,0.1429,0.1429,0.1429]

  • 由属性权重和属性值计算总得分:
    在这里插入图片描述
           WAAw为加权算术平均算子,根据博客开头的公式分别求出X1,X2,X3,X4对应的WAA1,WAA2,WAA3,WAA4.

  • 最后作出决策:        由上面的计算结果得企业1-4得分分别为:0.80,0.79,0.89,0.85;因此应该投资企业3.