多属性决策模型

简介

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)备选方案进行排序和择优。它主要由两部分组成:

  1. 获取决策信息。决策信息一般包括两个方面的内容:属性权重和属性值(属性值主要有三种形式:实数,区间数和语言)。其中,属性权重的确定是所属性决策中的一个重要的研究内容;
  2. 通过一定的方式对决策信息进行集结并对方案进行排序和择优。

信息集结方法有很多,如:加权算数平均(WWA)算子,加权几何平均(WGA)算子,有序加权平均(OWA),这里主要写一下WAA

 

举例

程序

程序请查看https://blog.csdn.net/weixin_40132006/article/details/86592742,层次模型通用

 

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多属性决策模型是一种重要的决策分析方法。它允许决策者在考虑多个属性和限制条件的情况下,选择出最优的方案。Matlab是一种强大的计算机编程语言和开发环境,可以用于开发多属性决策模型的代码。 在Matlab中,可以使用一个结构体来表示每个方案的属性和限制条件。假设有n个方案,每个方案有m个属性和k个限制条件。则可以定义一个结构体数组,其中每个结构体包含m个属性和k个限制条件的值。例如: ```matlab n = 10; % n个方案 m = 3; % 每个方案有3个属性 k = 2; % 每个方案有2个限制条件 solutions = repmat(struct('attr', zeros(1,m), 'constraint', zeros(1,k)), n, 1); for i = 1:n solutions(i).attr = rand(1,m); % 随机生成属性值 solutions(i).constraint = rand(1,k); % 随机生成限制条件值 end ``` 接下来,可以定义一个权重向量来表示每个属性重要性。假设每个属性重要性分别为w1、w2和w3,则可以定义一个权重向量w=[w1,w2,w3]。例如: ```matlab w = [0.4, 0.3, 0.3]; % 属性重要性权重向量 ``` 接着,可以使用加权求和的方法来计算每个方案的综合得分。由于不同属性的单位和量级不同,需要对属性值进行归一化处理。常用的归一化方法有线性变换归一化和向量归一化。此处以向量归一化为例。假设每个属性的最大值和最小值分别为max1、min1、max2、min2和max3、min3,则可以按照下面的公式对每个属性值进行归一化: ```matlab for i = 1:n solutions(i).norm_attr = [ ... (solutions(i).attr(1)-min1)/(max1-min1), ... (solutions(i).attr(2)-min2)/(max2-min2), ... (solutions(i).attr(3)-min3)/(max3-min3) ... ]; end ``` 然后,可以使用权重向量w对归一化后的属性值进行加权求和,得到每个方案的综合得分。例如: ```matlab for i = 1:n solutions(i).score = w * solutions(i).norm_attr(:); end ``` 最后,可以根据每个方案的综合得分,选择出最优的方案。例如: ```matlab [~, idx] = max([solutions.score]); % 找到得分最高的方案索引 best_solution = solutions(idx); % 获取最优方案 ``` 以上就是一个简单的多属性决策模型的Matlab代码实现。当然,实际的应用中还会涉及到更多的细节和复杂的算法,需要根据具体情况进行调整和优化。
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