多属性决策


前言

多个决策进行排名,择优选择。


一、多属性决策是什么?

利用已有的决策信息通过一定方式对一组备选方案进行排序或择优

二、使用步骤

1.获取决策信息

属性权重:(层次分析法·)
属性值:实数、区间数、语言

统一量纲:归一化
属性类型:效益型、成本型、固定型、偏离型、区间型、偏离区间型

成本型:
rij = aij / maxiaij
或rij = aij - miniaij/ maxiaij - miniaij

属性权重:层次分析法

2.方案排序

通过一定方式对决策信息进行集结、对方案进行择优

总结

将多属性决策法与层次分析法结合使用。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在MATLAB中,多属性决策可以通过使用不同的方法来实现。其中一种常见的方法是使用加权算术平均算子(Weighted Arithmetic Mean Operator,WAA)来对决策信息进行集结并对方案进行排序和择优。在MATLAB中,可以通过编写代码来实现该算子的计算过程,具体步骤如下: 1. 定义属性权重和属性值:首先,根据决策信息,确定每个属性的权重和属性值。属性权重用于衡量不同属性的重要性,而属性值用于描述每个备选方案在各个属性上的表现。 2. 计算加权算术平均值:根据属性权重和属性值,使用加权算术平均算子来计算每个备选方案的综合得分。加权算术平均值的计算公式如下: 综合得分 = 属性权重1 * 属性值1 + 属性权重2 * 属性值2 + ... + 属性权重n * 属性值n 3. 排序和择优:根据计算得到的综合得分,对备选方案进行排序,从高到低。根据具体的决策目标,选择综合得分最高的方案作为最优方案。 在MATLAB中,可以使用矩阵运算和向量化操作来高效地计算加权算术平均值和排序。具体的代码实现可以根据具体的决策问题和数据结构进行编写。 总结起来,多属性决策在MATLAB中可以通过使用加权算术平均算子来实现,具体步骤包括定义属性权重和属性值,计算加权算术平均值,以及排序和择优。编写代码时,可以使用矩阵运算和向量化操作来提高计算效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值