周期性(淡季,旺季),突变性,泊松分布
熵权法——TOPSIS
带有偏差变量的随机规划模型
以最小化每周运输损耗为上层规划的优化目标,以最小化每周原材料订购成本为下层规划的优化目标,双层随机规划模型
K-S检验,服从泊松分布,考虑到随机变量对结果的影响
熵权法:
将根据各指标所含信息的差异性进行各指标客观赋权和逼近于理想解的排序结合起来
1.确定评估指标
(1)区分订货量与供货量
两者越接近越好,不接进时,供货大点好
2.指标正向化及标准化处理
3.1计算概率矩阵
3.1.1计算指标信息熵及信息有效值,归一化熵权
3.2定义最大值和最小值
3.2.1定义评价对象和最大值,最小值距离
4.计算权重,得分
信息量是度量弄清楚一个未知事物需要查询的信息的多少
随机变量取某个值时,其概率的倒数的对数就是信息量,与其发生的概率成负相关(概率越大,不确定性越小,信息量越小,概率越小,信息量越大)
信息熵是信息量的期望,可以把信息熵理解成不确定性的大小,不确定性越大(发生概率越小),信息熵也就越大
信息量是对信源发出的某一个信号所含信息的度量,信息熵是对一个信源所含信息的度量,也就是信息量的期望
熵权法基本思路是根据指标变异性的大小来确定客观权重
若某个指标的信息熵越小(不确定性越小,发生概率越大),指标值的变异程度(指标发生变化的程度)越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大
信息熵越大,表明指标值的变异程度越小,提供的信息量也越少,在综合评价中起到的作用也越小,其权重也越小
说的是提供的信息量,即可以确定的,已知的信息。
1.数据标准化
去量纲化处理
正向指标:x-x(min)/max-min
负向指标:x(max)-x/max-min
2.各指标在各方案下的比值
pij,第j项指标在第i个方案中占该指标的比重
3求各指标信息熵
4.确定各指标的权重
(1)通过信息熵计算权重
(2)通过计算信息冗余度来计算
5.计算每个方案的综合评分
数据预处理:由原数据表得到标准化表
计算第j个指标在第i个方案中所占比重:归一化处理,使每个方案下的所有指标求和为1
求各指标的信息熵:套公式,需要知道一共有几个方案
计算各指标的权重:套公式,需要知道一共有几个指标(至此才求出权重,信息熵不是权重)
熵值法就是套公式,不是主观赋值法,
可用于任何评价问题中的确定指标权重
可用于剔除指标体系中对评价结果贡献不大的指标
信息熵越大——信息不确定性越大——组内不同事件发生的概率越相同(所以才难以确定哪个会发生)——该组区分度不大,应赋予较小权重
如果某个指标的信息熵越小,表明不同决策对应该指标的变化程度越大,提供信息也就越多,起到的作用就越大,它的权重也就越大