不完全類別信息下多屬性決策的案例學(xué)習(xí)方法

《不完全類別信息下多屬性決策的案例學(xué)習(xí)方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、不完全類別信息下多屬性決策的案例學(xué)習(xí)方法　　多屬性決策是指從有限個待選方案中經(jīng)過綜合權(quán)衡各個屬性后，對方案集進(jìn)行排序并選出最滿意方案的過程。在多屬性決策的過程中，尤其是在決策方案較多的情況下，專家往往更容易在自己熟知的領(lǐng)域或者對熟知的方案給出類別偏好，也就是所謂的分類決策。在分類決策研究方面，已經(jīng)取得了一定的成果，可以分為以下三類：①聚焦于案例的分類方法，文、文、文分別提出了基于案例的多指標(biāo)排序方法、多屬性分類方法和語言信息灰靶決策分類方法;②聚焦于方案間的偏好強(qiáng)度進(jìn)行分類，文、文、文分別基于方案間的賦值級別、方案優(yōu)劣的強(qiáng)勢程度和方案兩兩比

2、較的優(yōu)劣程度提出了多屬性分類方法;③聚焦于案例的統(tǒng)計數(shù)據(jù)進(jìn)行分類決策，文、文以統(tǒng)計數(shù)據(jù)作為基礎(chǔ)，進(jìn)行決策方案檢索和數(shù)據(jù)分級分類?！　≡趯嶋H決策過程中，往往出現(xiàn)不完全的判斷信息，大都關(guān)注屬性值不完全，屬性權(quán)重不完全，13、屬性值和屬性權(quán)重均不完全，15、方案偏好關(guān)系不完全等方面。本文在實踐過程中還發(fā)現(xiàn)了一類特殊的不完全信息問題，在管理實踐中也較為普遍，即：在時間限定、決策情境緊迫的情況下，專家形成了對部分方案具備較為明確的類別所屬、部分方案判斷結(jié)論不甚明朗的決策情況，也可以稱之為專家對方案有不完全的類別判斷信息。究其原因是多方面的：①由于專家

3、在專業(yè)知識方面的局限性和關(guān)注的偏好性，對某些決策方案的類別偏好信息難以精確地給出;②在緊急情況下，專家難以在給定的時間內(nèi)、特殊的環(huán)境下對某些決策方案給出明確的評價;③在限定時間內(nèi)，無法完成決策類別的整理和匯總等等?！　τ谶@類問題，實質(zhì)上屬于不完全方案類別偏好下的案例學(xué)習(xí)分析問題。如何充分運用好專家已經(jīng)給出的方案類別偏好信息，對所有方案進(jìn)行排序和類別歸屬的判斷就非常值得研究，根據(jù)公開報道的文獻(xiàn)，這方面的研究甚少。考慮到TOPSIS方法的應(yīng)用簡易性和案例學(xué)習(xí)方法的實用價值，本文以同類別之中所有方案的相對貼近度最小和不同類別之間方案的平均貼近度

4、最大為類別偏好構(gòu)造模型，求解模型的屬性權(quán)重，從而給出方案的完全序關(guān)系，并且對于未知類別方案進(jìn)行類別歸屬判斷?！　?　預(yù)備知識　　TOPSIS是多屬性決策問題中較為常見的一種決策方法，有關(guān)此方法及擴(kuò)展的研究，已經(jīng)取得了豐富的成果。為闡述問題的完整性，本文簡述TOPSIS的主要步驟。　　設(shè)多屬性決策問題有n個被評估對象或擬定的決策方案Z={zi

5、i=1，2，，n｝，m個評價指標(biāo)或?qū)傩越M成的指標(biāo)集優(yōu)化目標(biāo)權(quán)重向量ω=(ω1，ω2，，ωm);　　步驟4：將ω=(ω1，&omeg

6、a;2，，ωm)代入式(2)，求得與理想點的貼近度，從而對方案進(jìn)行排序，即可得到各方案的最優(yōu)排序;　　步驟5：將未分類方案中的相對貼近度與已分類方案的相對貼近度進(jìn)行比較，對未分類方案進(jìn)行分類的二次判斷。　　3　實證比較　　以某省工業(yè)經(jīng)濟(jì)統(tǒng)計年鑒提供的16個市縣主要工業(yè)經(jīng)濟(jì)效益指標(biāo)的統(tǒng)計資料為基礎(chǔ)數(shù)據(jù)進(jìn)行經(jīng)濟(jì)效益的評價比較和排序分析，該評價問題選用的指標(biāo)為：全員勞動生產(chǎn)率(w1)、資金利稅率(w2)、百元銷售收入實現(xiàn)利潤(w3)、百元工業(yè)產(chǎn)值占用流動資金(w4)及產(chǎn)值利稅率(w5)，規(guī)范化后的數(shù)據(jù)見?！　＜腋鶕?jù)直覺判斷，認(rèn)為3、

7、4、5、6、7、9應(yīng)屬一類(中用同1類表示);13、14、15應(yīng)屬一類(中用同2類表示)，并且根據(jù)專家判斷，各指標(biāo)屬性權(quán)重應(yīng)均在0.15～0.25。下面要解決的問題是：根據(jù)專家的判斷挖掘分類的規(guī)律，并對未分類的樣本進(jìn)行類別判斷(中用?表示)?！　〔襟E1：確定決策矩陣的正理想點R+和負(fù)理想點R-為：R+={1，1，1，1，1｝，R-={0，0，0，0，0｝;　　步驟2：根據(jù)式(7)計算同類別方案集合O1、O2的綜合貼近度β：　　4　結(jié)束語　　針對專家對方案有不完全類別偏好的情況，提出了一類新的案例學(xué)習(xí)問題及應(yīng)對方法。運用了TOPSI

8、S的方法，綜合考慮了相同類別方案之間的相對貼近度和不同類別方案之間的平均貼近度，使決策信息利用更加完整、全面并符合決策者的直覺判斷?；诎咐龑W(xué)習(xí)的思想，建立了考慮方案有不完全類別偏好的屬性權(quán)重確定模型。　　本文模型意義明確，并且具有較好的實用價值，適用于大樣本情景下的數(shù)據(jù)挖掘和分析。本文以實數(shù)型決策問題為例進(jìn)行研究，從而亦可推行至語言信息、三角模糊數(shù)等其他類型的決策方案。下一步將研究海量數(shù)據(jù)下本文方法的算法經(jīng)濟(jì)性和適用性問題。