• 简而言之
• 从本质上来说，多属性是对事物的评价 选择问题：多目标决策是对方案的规划 设计问题。由多属性决策领域可自然延 伸到群决策领域；而从多目标决策空间 将会扩展到系统的优化与设计空间。
第一节 多属性决策的准备工作
多属性决策的准备工作包括：决策问题的描述、相关信息的采 集（即形成决策矩阵）、决策数据的预处理和方案的初选（或 称为筛选）。
• 属性是伴随着决策事物或现象的某些特 点、性质或效能
• 每一种属性应该能提供某种测量其水平 高低的方法
• 目标是决策者对决策事物或现象的某种 追求
• 一个目标通常表明决ຫໍສະໝຸດ 者在未来针对某 一事物或现象确定的努力方向。
• 多准则决策（Multiple Criteria Decision Making．简称 MCDM）的研究领域被 划分成多属性决策（Multiple Attribute Decision Making简称 MADM）和多目标 决策（Multiple Objective Decision简称 MODM ）两个主要部分。
• 折衷解（Compromise Solution）：距离 理想解最近或距离反理想解最远或以某 种方式将二者结合在一起的可行解被称 为折衷解。
属性指标的量化与转换
属性值的规范化处理
• 所谓属性值的规范化处理就是要消除量 纲的影响，并将所有数值的大小全部统 一到单位区间内，这样才有比较的基础 。
• 一般来说，理想解是不存在的。否则， 理想解必是最优解，决策分析便不复存 在。其数学表示式为
• 反理想解（Anti-ideal Solution）：由各 属性在现有方案中可能具有的最坏结果 组合而成的解被称为反理想解。一般来 说，反理想解也是不存在的。否则，它 必可作为劣解而被淘汰。其数学裹示式 为
多属性决策与多目标决策
• 其共性在于：
1. 两者对事物好坏的判断准则都不是惟一的 ，且准则与准则之间常常会相互矛盾。
2. 不同的目标或属性通常有不同的量纲，因 而是不可比较的。
• 差别在于：
• 多属性的决策空间是离散的；多目标的 决策空间是连续的。多属性的选择范围 是有限的、已知的；多目标的选样范围 是无穷的、未知的。多属性的约束条件 隐含于准则之中。不直接起限制作用； 多目标的约束条件独立于准则之外，是 决策模型中不可缺少的组成部分
• 在多属性决策问题中，由于属性指标之间的相互矛盾 与制衡，因而不存在通常意义下的最优解。取而代之 的是有效解（也称非劣解）、满意解、优先解、理想 解、负理想解和折衷解，它们被分别定义如下：
• 有效解（Efficient Solution）：不被任何其它可行解所 支配的可行解被称为。这里，所谓支配应理解为在所 有属性上得到的结果都不比对方差，而且至少在一个 属性上得到的结果比对方好。
运筹学多属性决策分析
2020年7月24日星期五
• 例：某中东国家拟从美国购买一种机型 的喷气式战斗机若干架，美五角大楼的 官员提供了准予出售的4种机型的有关 信息。该中东国家派出专家组对4种飞 机进行了详细考察，考察结果见表，问 应选购哪一种飞机以使决策的总效用值 最大
• 准则是决策事物或现象有效性的某种度 量，是事物或现象评价的基础。它在实 际问题中有两种基本的表现形式．即属 性与目标
一、决策矩阵 经过对决策问题的描述（包括设立多属性指标体系）、各
指标的数据采集，形成可以规范化分析的多属性决策矩阵。 个方设案有n个n个指决标策构指成标的f矩i（阵1≤j≤n），m个备选方案ai 1≤i≤m），m
X=(xij)m×n 称为决策矩阵。决策矩阵是规范性分析的基础。
决策指标分两类：效益型（正向）指标，数值越大越优； 成本型指标（逆向指标），数值越小越优。
• 满意解（Satisfying Solution）在所有属性上都能满足 决策者要求的可行解披称为满意解。显然，满意解可 以不是有效解。
• 优先解（Preferred Solution）：最能满足决策者指定 条件的有效懈被称为优先解
• 理想解（Ideal Solution）：由各属性在现有方案中可 能具有的最好结果组合而成的解被称为理想解。
• 在多属性决策分析中，最常用的数据 规范化方法主要有以下两种。
• 向量法。该方法的数值转换公式为：
• 比例法。该方法对干不同类型的属性值 采用不同的转换方式。对于收益类属性 值，
• 其转换公式为
• 而对于成本性属性值，其转换公式为： • 其中
属性权值的比较与分配
• 在多属性决策问题中，相对于决策者来说， 不同属性的重要程度往往是不一样的。因此 ，在进行多属性决策分析之前，应首先确定 每一属性的权值。常用的权值确定方法主要 有两类：
•将求出的最大特征根 带入其次线性方程组
•从而解出 对应的特征向量
•如果判断矩阵R是相容矩阵，将特征向量 作归一化处理 后即可作为属性的权向量。
• 但一般来说，R未必是相容矩阵，为了 度量判断矩阵R的相容性，Saaty定义了 下面的不相容指标：
•当
• 几何平均法： 与算术平均法类似，几 何平均法是采用判断矩阵R中全部列向 量的几何平均值作为权向量的估什。即
• 特征向量法 • 将权重向量右乘权重矩阵，则有：
• 如果判断矩阵见是相容矩阵，由矩阵理 论可知，n是R的惟一非零的也是最大的 特征根，记为 ，而w是n所对应的特征 向量。如果判断矩阵正不完全具有相容 性，则上面的等式并不成立．但矩阵R 元素的微小变动则意味着根的微小变动 ．故可先求解R最大特怔根 ，即求解以 下用行列式形式表示的方程组的最大解 且；
• 第一类是基于决策者自身认识和经验的主观 比较法，适用于决策矩阵未知的情况；
• 第二类是基于属性值特征的客观分析法。适 用于决策矩阵已知的情况
• 这一方法要求决策者将属性两两之间作 成对的比较，给出每对同性的权重比
， 比值的确定方式参见表
• 依据上述比较结果可构造权重比炬阵
• 算术平均法。由于判断矩阵R中的每一 列都近似地反映了权值的分配精形，故 可采用全部列向量的算术乎均值来估汁 权向量。即