版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、一、指標(biāo)權(quán)重的確定一、指標(biāo)權(quán)重的確定1.綜述綜述目前關(guān)于屬性權(quán)重的確定方法很多,根據(jù)計(jì)算權(quán)重時(shí)原始數(shù)據(jù)的來(lái)源不同,可以將這些方法分為三類三類:主觀賦權(quán)法、客觀賦權(quán)法、組合賦權(quán)法。主觀賦權(quán)法是根據(jù)決策者(專家)主觀上對(duì)各屬性的重視程度來(lái)確定屬性權(quán)重的方法,其原始數(shù)據(jù)由專家根據(jù)經(jīng)驗(yàn)主觀判斷而得到。常用的主觀賦權(quán)法常用的主觀賦權(quán)法有專家調(diào)查法(Delphi法)、層次分析法(AHP)[106108]、二項(xiàng)系數(shù)法、環(huán)比評(píng)分法、最小平方法等。本文選
2、用的是利用人的經(jīng)驗(yàn)知識(shí)的有序二元比較量化法。主觀賦權(quán)法是人們研究較早、較為成熟的方法,主觀賦權(quán)法的優(yōu)點(diǎn)是專家可以根據(jù)實(shí)際的決策問(wèn)題和專家自身的知識(shí)經(jīng)驗(yàn)合理地確定各屬性權(quán)重的排序,不至于出現(xiàn)屬性權(quán)重與屬性實(shí)際重要程度相悖的情況。但決策或評(píng)價(jià)結(jié)果具有較強(qiáng)的主觀隨意性,客觀性較差,同時(shí)增加了對(duì)決策分析者的負(fù)擔(dān),應(yīng)用中有很大局限性。鑒于主觀賦權(quán)法的各種不足之處,人們又提出了客觀賦權(quán)法,其原始數(shù)據(jù)由各屬性在決策方案中的實(shí)際數(shù)據(jù)形成,其基本思想基本
3、思想是:屬性權(quán)重應(yīng)當(dāng)是各屬性在屬性集中的變異程度和對(duì)其它屬性的影響程度的度量,賦權(quán)的原始信息應(yīng)當(dāng)直接來(lái)源于客觀環(huán)境,處理信息的過(guò)程應(yīng)當(dāng)是深入探討各屬性間的相互聯(lián)系及影響,再根據(jù)各屬性的聯(lián)系程度或各屬性所提供的信息量大小來(lái)決定屬性權(quán)重。如果某屬性對(duì)所有決策方案而言均無(wú)差異(即各決策方案的該屬性值相同),則該屬性對(duì)方案的鑒別及排序不起作用,其權(quán)重應(yīng)為0;若某屬性對(duì)所有決策方案的屬性值有較大差異,這樣的屬性對(duì)方案的鑒別及排序?qū)⑵鹬匾饔?,?yīng)給
4、予較大權(quán)重.總之,各屬性權(quán)重的大小應(yīng)根據(jù)該屬性下各方案屬性值差異的大小來(lái)確定,差異越大,則該屬性的權(quán)重越大,反之則越小。常用的客觀賦權(quán)法常用的客觀賦權(quán)法[109110]有:主成份分析法、熵值法[111112]、離差及均方差法、多目標(biāo)規(guī)劃法等。其中熵值法用得較多,這種賦權(quán)法所使用的數(shù)據(jù)是決策Comment[M1]:數(shù)據(jù)越離散,數(shù)據(jù)的發(fā)生越不容易預(yù)測(cè),不確定性越大,故可以用熵值來(lái)判斷離散程序。數(shù)較多、權(quán)重分配比較均勻的情況。后者實(shí)質(zhì)上是線性
5、加權(quán),稱為線性加權(quán)組合賦權(quán)方法。當(dāng)決策者對(duì)不同賦權(quán)方法存在偏好時(shí),能夠根據(jù)決策者的偏好?信息來(lái)確定。2有序二元比較量化法有序二元比較量化法本文選用的方法是利用人的經(jīng)驗(yàn)知識(shí)的二元比較量化原理與方法(二元對(duì)比模型)去確定主觀權(quán)重主觀權(quán)重[116][120]。對(duì)于定量目標(biāo)相對(duì)優(yōu)屬度的求解,權(quán)重的確定需要將方案集X換成目標(biāo)集G,模糊概念優(yōu)越性變換為重要性,人的經(jīng)驗(yàn)知識(shí)換成決策者的意向。但多目標(biāo)系統(tǒng)決策要求系統(tǒng)目標(biāo)權(quán)重值之和等于“1”,故在系統(tǒng)目
6、標(biāo)對(duì)重要性的相對(duì)隸屬度的基礎(chǔ)上還需要進(jìn)行歸一化。將m個(gè)目標(biāo)進(jìn)行二元比較重要性定性排序,經(jīng)過(guò)一致性檢驗(yàn)判斷與調(diào)整得到排序一致性二元對(duì)比標(biāo)度矩陣E。根據(jù)標(biāo)度矩陣E各行元素值之和,從大到小排列,得到關(guān)于優(yōu)的排序次數(shù),再以排序第1位的目標(biāo)作為標(biāo)準(zhǔn),與其他目標(biāo)進(jìn)行重要性程度的比較,可得非歸一化目標(biāo)權(quán)向量。12()mwwww??然后進(jìn)行歸一化計(jì)算,即可得目標(biāo)權(quán)向量式:滿足12()mwwww??11miiw???3熵值法熵值法在信息論中,熵是對(duì)不確定
7、性的一種度量。信息量越大,不確定性就越小,熵也就越??;信息量越小,不確定性越大,熵也越大。根據(jù)熵的特性,我們可以通過(guò)計(jì)算熵值來(lái)判斷一個(gè)事件的隨機(jī)性及無(wú)序程度,也可以用熵值來(lái)判斷某個(gè)指標(biāo)的離散程度,指標(biāo)的離散程度越大,該指標(biāo)對(duì)綜合評(píng)價(jià)的影響越大。人們?cè)跊Q策中獲得信息的多少和質(zhì)量,是決策的精度和可靠性大小的決定因素之一。信息論中,信息熵是系統(tǒng)無(wú)序程度的度量,信息是系統(tǒng)有序程度的度量,兩者絕對(duì)值相等,符號(hào)相反。熵是信息論中最重要的基本概念,它
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 權(quán)重的確定方法
- 變異系數(shù)-權(quán)重的確定方法
- 缺失數(shù)據(jù)下災(zāi)情評(píng)估變量及權(quán)重的確定方法.pdf
- 評(píng)價(jià)指標(biāo)權(quán)重確定方法綜述
- 薪酬總額的確定方法
- 最優(yōu)資本結(jié)構(gòu)的確定方法
- 第一講:權(quán)重確定方法.doc
- 淺析最優(yōu)資本結(jié)構(gòu)的確定方法
- 淺析最優(yōu)資本結(jié)構(gòu)的確定方法
- 股票行權(quán)價(jià)格的確定方法
- 偏差分析確定風(fēng)險(xiǎn)屬性權(quán)重的方法研究
- 休閑服品牌形象影響因素的分析及其權(quán)重的確定.pdf
- 醫(yī)院崗位評(píng)價(jià)指標(biāo)體系的建立及報(bào)酬要素權(quán)重的確定.pdf
- 河流正常流量的確定方法研究.pdf
- 建筑外遮陽(yáng)系數(shù)的確定方法.pdf
- 公路隧道洞外適應(yīng)亮度的確定方法
- 層數(shù)的確定
- 標(biāo)底的確定
- 組合預(yù)測(cè)模型的權(quán)重確定方法的研究.pdf
- 指標(biāo)權(quán)重確定方法之熵權(quán)法(計(jì)算方法參考
評(píng)論
0/150
提交評(píng)論