数学建模——多属性决策模型

多属性决策模型简介

多属性决策是现代决策科学的一个重要组成部分，它的理论和方法在工程设计、经济、管理和军事等诸多领域中有着广泛的应用，如：投资决策、项目评估、维修服务、武器系统性能评定、工厂选址、投标招标、产业部门发展排序和经济效益综合评价等．多属性决策的实质是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．

它由两部分组成

• 获取决策信息，属性权重和属性值。
• 通过一定的方法对决策信息进行排序或择优。

信息集结的方法

• 加权算术平均算子（WAA）
• 加权几何平均算子（WGA）
• 有序加权平均算子（OWA）

其中的加权算术平均算子最为重要，只对该算子进行讨论

设函数$WAA:R^n\to R$若
$$WA{A}_w(a_1,a_2,\cdots ,a_n)=\sum _{i=1}^n{w}_i{a}_i$$
其中$w(w_1,w_2,\cdots ,w_n)$是$a(a_1,a_2,\cdots ,a_n)$的权重，$w_i\in [0,1],1\le i\le n,{\sum }_{i=1}^n{w}_i=1$
则称函数WAA为加权算术平均算子。

但一般来说，属性值的量纲一般不同，例如：衡量一个企业的指标有：
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。

不同的衡量标准使得决策矩阵不统一，因此归一化决策矩阵是十分必要的。

属性值的归一化

属性值类型

1. 效益型：属性值越大越好
2. 成本型：属性值越小越好
3. 固定型：属性值越接近某个固定值${\alpha }_i$越好。
4. 偏离型：属性值越偏离某个固定值${\beta }_j$越好。
5. 区间型：属性值越接近某个固定区间$[q^i,q^j]$越好。
6. 偏离区间型：属性值越偏离某个固定区间$[q^i,q^j]$越好。

各类属性值归一化的公式如下：
效益型
$$r_{ij}=\frac{a_{ij}}{max{a}_{ij}}or{r}_{ij}=\frac{a_{ij}-min{a}_{ij}}{max{a}_{ij}-min{a}_{ij}}$$
成本型
$$r_{ij}=\frac{min{a}_{ij}}{a_{ij}}or{r}_{ij}=\frac{max{a}_{ij}-a_{ij}}{max{a}_{ij}-min{a}_{ij}}$$
固定型
$$r_{ij}=1-\frac{a_{ij}-{\alpha }_i}{max|a_{ij}-{\alpha }_i|}$$
偏离型
$$r_{ij}=|a_{ij}-{\beta }_j|-\frac{min|a_{ij}-\beta |}{max|a_{ij}-\beta |-min|a_{ij}-\beta |}$$
区间型
$$r_{ij}=\{\begin{array}{l}1-\frac{max(q_1^j-a_{ij},a_{ij}-q_2^j)}{max(q_1^j-min{a}_{ij},max{a}_{ij}-q_2^j)}a\notin [q_1^j,q_2^j]\\ 1a\in [q_1^j,q_2^j]\end{array}$$
偏离区间型
$$r_{ij}=\{\begin{array}{l}\frac{max(q_1^j-a_{ij},a_{ij}-q_2^j)}{max(q_1^j-min{a}_{ij},max{a}_{ij}-q_2^j)}a\notin [q_1^j,q_2^j]\\ 0a\in [q_1^j,q_2^j]\end{array}$$

解题一般步骤

1. 归一化处理决策矩阵。
2. 利用层次分析法得到相应的权重。
3. 计算各个对象的得分选出得分最高的为最优决策。

局限性

与之前的层次分析法一样，它的不足之处在于：

1. 不能为决策提供新方案
2. 定量数据较少，定性成分多，不易令人信服
3. 指标过多时，数据统计量大，且权重难以确定
4. 特征值和特征向量的精确求法比较复杂

因此，建议建模时只用于解决某些小问题，而不要作为大题的思路。