资源描述：
《多属性决策方法new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、多属性决策方法在多准则决策发展的早期，关于多目标、多属性、多准则问题的研究相继出现，但没有形成一个规范的定义，直到20世纪80年代初，学术界对此才达成了共识，并形成了规范。准则是决策事物或对象有效性的一种度量，是评价的基础，在实际决策问题中有目标和属性两种表现形式，属性是伴随决策对象的某些特点、性能或指标，而目标则是决策者对研究对象的某种追求，要达到的最终目的，表明了决策者针对研究对象所努力的方向。对于产业决策而言，目标（方案）和属性分别有以下几个代表相：某个时间点和某个地区“几个产业”和“几个产业的指标”；某个地区某个
2、产业“几个时间点”和“该产业的指标”，某个时间点某个产业“几个地区”和“该产业的指标”1.某个时间点和某个地区“几个产业”和“几个产业的指标”某个地区2013年以下哪个行业的经济运行情况更好一些？行业企业数利润总额企业资产合计全部从业人员平均人数方便食品制造 乳制品制造 罐头食品制造 培烤食品制造 糖果、巧克力及蜜饯制造 2.某个地区某个产业“几个时间点”和“该产业的指标”：对于某个地区“食品制造业”来说，2009-2014年，哪年的经济运行状况更好？时间企业数利润总额企业资产合计全部从业人员平
3、均人数2009 2010 2012 2013 2014 3.某个时间点某个产业“几个地区”和“该产业的指标”：对于2013年“食品制造业”来说，北京、河北、山西、浙江、新疆哪个省份的经济运行状况更好？地区企业数利润总额企业资产合计全部从业人员平均人数北京 河北 山西 浙江 新疆 以上几种情况中，企业数、利润总额、企业资产合计、全部从业人员平均人数代表“多属性决策”方案中的“属性”，也即对于产业多属性决策分析来说，属性都是产业指标对应的数值，也就是决策矩阵中的“”；而对于
4、方案来说，可以是行业、时间和地区中的任何一种，也就是决策矩阵中的“”。下面介绍几种具体的多属性决策方法：以下几种方法都要用到“权重设置”和“属性归一化”处理，先在此说明。权重设置的方法有：1.默认权重：选择“系统默认权重”，按所有属性的算术平均法计算的平均值，直接显示权重值；，其中m是属性的量值2.1-9标度法设定权重：点击属性项，选择“1-9标度法设定权重”，显示属性权重设置，即下图所示：属性企业数利润总额企业资产合计全部从业人员平均人数企业数11/21/21利润总额2112企业资产合计2112全部从业人员平均人数11
5、/21/213.自定义权重：“自定义权重”直接在权重栏中输入自定义权重数值。归一化处理的方法：下列所示正向指标和反向指标的各种归一化方法：（1）正向指标：方法1：极大化法：方法2：极差化法：方法3：归一化法：方法4：标准样本变换法：，s为样本标准差，，方法5：向量归一化法：方法6：监测（标杆）法：，为目标最大值，需要用户自己输入。（2）反向指标：方法1：极小化法：方法2：极差化法：方法3：逆向极大化法方法4：监测（标杆）法：，为目标最小值，需要用户自己输入。1.简单线性加权法（SWA）：简单线性加权法(SWA)是多属性决
6、策中最简单也是最常用的一种方法,这种方法先根据实际情况,确定各个属性的权重,再对决策矩阵进行归一化处理,通过线性加权平均求出每一个方案的融合值,最后根据其融合值的大小排序或选择最佳方案,简单线性加权法的基本步骤是：第一步：用适当的方法确定各个属性的权重,设权向量，满足∈[0,1]，第二步：将决策矩阵进行作归一化处理,设归一化处理后的决策矩阵为其中是归一化后的属性值;第三步：求出每一个方案的线性加权融合值,即，i={1，2…,m}第四步：根据融合值,i={1，2…,m}的大小,对方案集排序或选出最佳方案。由于思想和计算简单
7、,简单线性加权法(SWA)很容易被决策者使用和理解,这种方法被广泛地用于许多领域.然而,简单线性加权法(SWA)也有它致命的弱点,因为该方法潜在的假设是各属性是偏好独立的,要求一个属性的重要性不受另一个属性的影响.所以,简单易行是该方法的最大优点,但在一些复杂的多属性决策问题中,由于属性间不相互独立,这种方法常常不被接受。2.WP方法：WP方法是与SWA方法类似的一种方法,与SWA方法不同的是在第三步中计算方案的融合值时不是用线性加权,而是将各属性值相乘,权重变成了相应属性值的指数,用公式表示如下：ii∈I，是第i个属性
8、的权重，是第j个方案在第i个属性下的属性归一化值。这种方法潜在的目的是对较差的属性值进行重重的惩罚,最偏爱方案和次偏爱方案间的距离比SWA方法的要大,尽管WP方法拥有逻辑上合理、计算简单等优点,但它不被广泛的使用。3.理想点法（TOPSIS法）理想点法(TOPSIS法)是一种从几何观点出发的多属性决策方法,在m个属性
