决策支持系统第二章.pptVIP

图2.4橡胶配方决策问题方案示意图多元线性回归模型在产品数据库中，每个产品的数据是不同的三种原见表2.3料配方值以及对产品测得的９项性能值。产品12345678910111213原料1，x1509050905090509036.3103.6707070原料2，x2101025251010252517.517.517.517.517.5原料3，x30.550.550.550.551.951.951.951.951.251.250.072.421.25性能1，y1124150123160170192162186140160.4106.5225206.2性能2，y2543500563526351300372336760200662306375性能3，y31816211744547.663228性能4，y74972507054805074988527268性能5，y51.020.91.051.010.910.910.90.890.800.8071.160.670.86性能6，y6628480786382847843114767778性能7，y732.231.133.432.218.117.21917.328.419.25215.2523.15性能8，y8-1.4-1.5-1.3-1.1-3.9-4-3.6-3.8-1-4.2-4.2-6-3.6性能9，y940414645414045444540424041表2.3产品数据库产品数据库01多元线性回归模型02多元回归方程式03利用产品数据库，进行多元回归模型的计算，即通过01最小二乘原理能得到性能和原料间的回归方程式。02多元回归方程式(性能和原料间的关系)为：03Y1=0.525X1-0.434X2+36.881X3+86.571Y2=-4.06X1+2.234X2-143.65X3+870.8670Y3=-0.0035X1+0.106X2+11.047X3+25.576Y4=0.587X1-0.179X2+5.510X3+18.906Y5=0.002X2-0.124X3+1.0722Y6=0.557X1+0.460X2+0.49X3+29.246Y7=-0.074X1+0.077X2+12.471X3+45.482Y8=-0.02X1+0.025X2-2.843X3+2.1397Y9=-0.038X1+0.302X2-0.559X3+40.470其中Xi(i=1，2，3)表示三种原料Yi(i=1，2，...9)表示九项性能第2章决策支持(3)01优化模型的决策支持02决策方案的决策支持(3)部分内容01优化模型中最典型的是线性规划模型。02线性规划模型与建模03线性规划是用来处理线性目标函数和线性约束条件04的一种颇有成效的最优化方法，05一类是在给出一定的人力、物力、财力条件下，如06何合理利用它们完成最多的任务或得到最大的效益；07另一类是在完成预定目标的过程中如何以最少的人08力、物力、财力等资源去实现目标。线性规划应用于工09业、农业、军事等各部门。2.2.3优化模型的决策支持其中，z为目标函数；xj为决策变量；aij、bi和cj分约束条件（s.t.）：≤bi目标：别为消耗系数、需求系数和收益系数。xj≥0线性规划模型的一般形式：min(或max)线性规划模型的决策支持由于线性规划模型有明确的数学分析的结构形式，以及明确的求解方法—单纯形法，故线性规划模型已属于结构化决策。将实际的决策问题，通过具体分析建立起线性规划模型，也是有一定难度的。需要确定目标找出决策变量，选定参数，建立目标函数和约束方程，需要人的智慧来完成，这是非结构化决策。从建立线性规划模型到用单纯形法求解，得到最优决策，这整个过程中需要人的智慧和计算机的计算，这是半结构