多属性决策

  核心思想:利用已有的决策信息通过一定的方式对一组(有限个)备选方案进行排序或择优。

---

步骤:

1 获取原始属性值

2 对原始属性值进行归一化处理

3 计算属性权重

4 通过一定方式对决策信息进行集结

(本篇主要介绍加权算数平均算子)

---

1 获取原始属性值

也就是获得某个企业某项指标的数据

例如 投资成本多少万元  利润多少万元等

从相关企业的官网上获取即可。

---

2 对原始属性值进行归一化处理

对于不同的指标，我们有不同的评判标准

比如 成本一定是越低越好

利润一定是越高越好。

因此，为了消除不同物理量纲对决策结果的影响，可以按下列公式对数据进行规范化处理

 

 

 

     

 

---

3 计算权重

关于权重的计算，我们可以参考上一篇的层次分析法模型，通过构造成对比较矩阵来获得各指标的相应权重，在这里就不赘述了。

---

4 利用加权算数平均算子对决策信息进行集结

加权算数平均算子(WWA),

说人话就是

将上面第二步得到的属性值 乘 第三步得到的数据权重 再进行累加。

WWA=sum(属性值✖️权重)

书面表达为:

 

---

5 实战:最佳投资方案的确定

1 )获取原始属性值并进行 归一化处理:

(X1-X4分别代表4家企业  u1-u5分别代表5项指标)

 2 )计算属性权重:

 3 )利用WWA计算总得分

4  )做出最后决策

---

 附录

学习视频

【小石老师数学建模14讲（全）_数学建模比赛快速入门_13个常用数学模型-哔哩哔哩】 https://b23.tv/C2Kgef1

 

MATLAB代码 (层次分析法程序)

disp('请输入判断矩阵A(n阶)');

A=input('A=');

[n,n]=size(A);

x=ones(n,100);

y=ones(n,100);

m=zeros(1,100);

m(1)=max(x(:,1));

y(:,1)=x(:,1);

x(:,2)=A*y(:,1);

m(2)=max(x(:,2));

y(:,2)=x(:,2)/m(2);

p=0.0001;i=2;k=abs(m(2)-m(1));

while k>p

  i=i+1;

  x(:,i)=A*y(:,i-1);

  m(i)=max(x(:,i));

  y(:,i)=x(:,i)/m(i);

  k=abs(m(i)-m(i-1));

end

a=sum(y(:,i));

w=y(:,i)/a;

t=m(i);

disp(w);

         %以下是一致性检验

CI=(t-n)/(n-1);RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];

CR=CI/RI(n);

if CR<0.10

disp('此矩阵的一致性可以接受!');

    disp('CI=');disp(CI);

    disp('CR=');disp(CR);

end

层次分析法成对矩阵:

[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;]