三角模糊数群体多评价指标决策方案.PPT

注：由于在仅仅使用正理想方案时有时会出现某两个备选方案与正理想方案的距离相同的情况，为了区分这两个备选方案的优劣，引入负理想方案并计算这两个备选方案与负理想方案的距离，与正理想方案的距离相同的方案离负理想方案远者为优。 3、接近度L(xi ) （1-3-61） L(xi )称为备选方案 xi到理想方案的接近度，显然，L(xi )取值越大，则对应方案越优。 实例分析 考核选拔干部是一个多因素的决策问题，决策者 一方面要把德才兼备的人才选拔到领导岗位； 另一方面，也希望在条件相当的情况下任用自己所偏爱的人才。 某单位在对干部进行考核选拔时，首先制定了3 项考核指标（主观评价属性）：工作态度与工作作风（u1）、领导能力与开拓能力（u2）、文化水平和知识结构（u3），然后由专家群体ek（k=1，2，3），即群众代表el、专家代表e2、学者代表e3 三方推荐、评议，并对各项指标分别打分，再进行统计处理，并从中确定了3 名候选人xi（i=1，2，3）。 实例分析 由于专家群体所在领域和经验的不同导致对同一候选人所给出的指标值（属性值）并不完全相同，因此经过统计处理后专家群体ek（k=1，2，3）对每个候选人在各指标（属性）下的评价值（属性值）均以三角模糊数形式给出，并假设专家在三个主观评价属性上的权重向量分别为 专家群体对于每个候选人在上述三个评价属性下所给出的指标值（属性值）如表1-3-8、表1-3-9、表1-3-10 所示。 表1-3-8 专家e1 对候选人在各项指标下的评价值 候选人 u1 u2 u3 x1 x2 x3 表1-3-9 专家e2 对候选人在各项指标下的评价值 候选人 u1 u2 u3 x1 x2 x3 表1-3-10 专家e3 对候选人在各项指标下的评价值 候选人 u1 u2 u3 x1 x2 x3 （1）首先根据表1-3-8、表1-3-9、表1-3-10 中的数据建立三角模糊数决策矩阵Ak（k=l，2，3） （2）各项指标均为效益型指标，故可由式（1-3-33）将三角模糊数决策矩阵Ak 转化为规范化三角模糊数决策矩阵Rk（k=l，2，3）： 评价指标为效益型： （第j个效益型指标，第i个方案，第k个评价者） RL11=0.9/(0.94+1+0.95) =0.31 RM11=0.92/(0.92+0.87+0.95) =0.34 RU11=0.94/(0.9+0.8+0.95) =0.37 （3）根据式（1-3-37）、式（1-3-38）、式（1-3-39）、式（1-3-40）求出专家个体综合重要性程度 ω ij (ek )，如表 1-3-11所示。 表1-3-11 专家对于候选人在各项指标下的综合权重值 0.467 0.216 0.292 0.467 0.217 0.291 0.4665 0.2165 0.2925 0.267 0.517 0.316 0.267 0.517 0.317 0.267 0.517 0.3165 0.266 0.267 0.392 0.266 0.266 0.392 0.2665 0.2665 0.391 （4）根据式（1-3-45）、式（1-3-46）对专家个体意见进行集结，求出规范化综合三角模糊数决策矩阵 （这里设定α=0.5） 0.305=0.467*0.31+0.267*0.32+0.266*0.28 （4）根据式（1-3-45）、式（1-3-46）对专家个体意见进行集结，求出规范化综合三角模糊数决策矩阵 （这里设定α=0.5） （5）根据式（1-3-54）求出规范化加权三角模糊数决策矩阵Z=（zij）3×3（假设决策者给出的模糊属性权重值为ω1=[0.30，0.36，0.45]，ω2=[0.35，0.40，0.50]，ω3=[0.20，0.24，0.30]） （6）根据式（1-3-55）、式（1-3-56）确定正理想方案X+和负理想方案X－分别为 （7）根据式（1-3-57）、式（1-3-59）计算各方案到正理想方案距离d+和d－分别为 （8）根据式式（1-3-61）求出各备选方案xi 关于理想点的接近度L(xi)分别为 （9）根据L(xi)的大小得3 个候选人的排序为：x2x1x3。因此，x2 为最佳候选人。 1.3.7 三角模糊数群体多属性决策问题的群体理想解算法（二） 主讲人：肖丹 以向量 为对应于评价指标uj的三角