灰色关联投影法python_灰色关联投影法(讲座).doc
灰色关联投影法(讲座)
综合评价的多目标决策灰色关联投影法
一、 综合评价法
综合评价法(Comprehensive Evaluation Method) 是指运用多个指标对多个参评对象(单位)进行评价的方法,称为多变量综合评价方法,或简称综合评价方法。其基本思想是将多个指标转化为一个能够反映综合情况的指标来进行评价。如不同国家经济实力,不同地区社会发展水平,小康生活水平达标进程,企业经济效益评价等,都可以应用这种方法。多目标决策灰色关联投影法是综合评价的一种。
综合评价法的特点
综合评价法的特点是评价过程不是逐个指标顺次完成的,而是通过一些特殊方法将多个指标的评价同时完成的;在综合评价过程中,一般要根据指标的重要性进行加权处理;评价结果不再是具有具体含义的统计指标,而是以指数或分值表示参评单位"综合状况"的排序。
三、综合评价法的步骤
1、确定综合评价指标体系,这是综合评价的基础和依据。
2、收集数据,并对不同计量单位的指标数据进行同度量处理。
3、确定指标体系中各指标的权数,以保证评价的科学性。
4、对经过处理后的指标在进行汇总计算出综合评价指数或综合评价分值。
5、根据评价指数或分值对参评单位进行排序,并由此得出结论。
四、综合评价的灰色关联投影法概念及原理
由于一个待评价的系统本身就是一个灰色系统,因为系统中既有已被了解的的白色信息,又有尚未发现的黑色信息,而更多的是一般定性了解的灰色信息。对这样的系统进行综合评价实际上是一个灰色多目标决策问题。有关灰色多目标决策与评价理论,已有不少的研究成果。下面介绍灰色关联投影法,它是从矢量投影的角度出发,解决多目标决策与评价问题。
1、属性值(指标值)
多指标决策域集合:{方案1,方案2,...,方案n}
因素指标的集合:{指标1,指标2,...,指标m}
方案对指标的属性值(指标值)为
方案
指标
2、指标的分类
(1)“效益”型指标:属性值越大越好的指标。如资金值率,劳动生产率等。
(2)“成本”型指标:属性值越小越好的指标。如流动资金占用率,流动资金的周转天数等。
2、最佳决策方案的因素指标与决策矩阵的确定
当因素指标为效益型时,取
当因素指标为成本型时,取
方案集对指标集的决策矩阵,,即
3、指标值的初值化处理
为了消除量纲和量纲单位不同所带来的的不可公度性,决策之前首先应将评价指标进行无量纲化处理。
初值化处理:对一个数列的所有数据均除以它的第一个数据,从而得到新数据列的方法叫做初值化处理。该数列有共同的起点,无量纲,其数据均大于零。
决策矩阵,进行初值化生成
。
当指标为效益型时:,,
当指标为成本型时:,,
显然,理想方案。
4、其它方案与理想方案的关联度
每一个方案是由个因素指标所确定的,它构成维因素指标空间中的一个离散的方案点,进行多目标决策,就是比较空间中各方案点与理想方案点的关联度。以为母因素,以为子因素,就可以得到其他方案与理想方案的关联度。记为子因素关于母因素的关联度,则
, 通常
5、灰色关联度判断矩阵
由个数组成的矩阵为多目标灰色关联度判断矩阵
6、加权灰色关联决策矩阵
设评价指标间的加权向量为,
7、灰色关联投影角
将每个决策方案看成一个行向量(矢量),则称每个决策方案与理想方案之间的夹角为灰色关联投影角。夹角余弦越大,表明决策方案与理想方案之间的变化方向愈一致。夹角余弦为
,
8、灰色关联投影值
将模的大小与夹角余弦的大小综合考虑,就可以全面准确的反应各个决策方案与理想方案之间的接近程度。称决策方案在理想方案上的投影值为灰色关联投影值,则有
9、灰色关联投影权值矢量
灰色关联投影值综合的反映了决策方案与理想方案之间的接近程度。称为灰色关联投影权值,则灰色关联投影值为,。根据这些投影值的大小,就可以对多目标做出科学的排序。
五、应用灰色关联投影法进行多目标决策的一般步骤
根据评价目的确定评价指标体系后,计算步骤如下
第一步:根据已知的方案集和指标集,首先找出最佳方案的因素指标,然后列出方案集和指标集的决策矩阵.
第二步:对决策矩阵进行初值化处理得到.
第三步:计算出子因素与母因素的关联度。
第四步:由关联度,构造多目标灰色关联判断矩阵。
第五步:由原有评价指标间的权向量构造灰色关联投影权值
第六步:计算各个决策方案在理想方案上的投影值为灰色关联投影值。
第七步:根据灰色关联投影值的大小进行排序。
六、应用举例
灰色关联投影法python_灰色关联投影法(讲座).doc相关推荐
- 灰色关联投影法python_灰色关联投影法(讲座)
价的一种. 二.综合评价法的特点 综合评价法的特点是评价过程不是逐个指标顺次完成的, 而是通过一些特殊 方法将多个指标的评价同时完成的: 在综合评价过程中, 一般要根据指标的重要 性进行加权处理: 评 ...
- 曲面积分的投影法_三重积分的投影法与截面法
二重积分的两个计算方法分别是化为累次积分与变量变换, 三重积分也是如此. 今天我们先学习三重积分如何化为二重积分, 即投影法与截面法: 显然投影法是先求定积分, 再求重积分; 截面法是先求重积分, 再 ...
- 点在直线的投影坐标 n维向量投影坐标 几何投影坐标
点在直线的投影坐标 n维向量投影坐标 几何投影坐标 [转载请注明出处]http://blog.csdn.net/guyuealian/article/details/53954005 一.点在直线的 ...
- Hibernate 关联映射 之 多对多 关联(二) 之拆分
1.由问题引出一个多对多拆分成两个多对一 问题:Hibernate 关联映射 之 多对多 关联(一)中中间表只是一个存放用户和角色的表,并无其他作用,如果客户有其他的需求,该表就无法扩展. 2.问题解 ...
- 基于外键关联的一对多单向关联
基于外键关联的单向一对多关联是一种很少见的情况,并不推荐使用. <class name="Person"><id name="id" colu ...
- php代码显示灰色,哀悼日-实现网页变灰色的方法
哀悼日期间经常需要把网页设置为灰色状态,现总结一下方法以备后用,在网站的CSS文件中的顶部加入如下代码: html{filter:progid:DXImageTransform.Microsoft.B ...
- android5.1 投影显示器,5.1.1投影—投影与中心投影(一).ppt
5.1.1投影-投影与中心投影(一) 收拾一下桌面,备好课本.学案.草稿纸: 备好0.5mm考试用笔和红色签字笔: 严肃认真,坐姿端正,腰挺直,不翘腿: 情境导入 在日常生活中,可以看到各种各样的影子 ...
- (转)MyBatis框架的学习(五)——一对一关联映射和一对多关联映射
http://blog.csdn.net/yerenyuan_pku/article/details/71894172 在实际开发中我们不可能只是对单表进行操作,必然要操作多表,本文就来讲解多表操作中 ...
- 苹果手机投影到墙上_能塞进口袋里高颜值投影——创维小湃智能投影P1 Pro测评...
投影仪一般体积都挺大的,而创维小湃智能投影这一系列却反其道而行之,主打小巧体积,以达到便携的目的,给消费者一个新的选择,为投影仪提供了新的用处.目前我在用的是创维小湃智能投影P1 Pro. 开箱 创维 ...
最新文章
- java 返回double数组_java-如何使用Collectors.averagingDouble计算双精度数组的均值?
- Sqlite3 日常使用备忘录
- java 窗口开始_Java窗口(JFrame)从零开始(3)——绝对布局
- See system logs and 'systemctl status xxx.service' for details.错误的解决方法
- LA 2218 (半平面交) Triathlon
- python如何打开txt文件、并算词频_python TF-IDF词频算法实现文本关键词提取代码...
- zincrby redis python_【Redis数据结构 序】使用redispy操作Redis数据库
- C++全局函数做友元
- 披星“戴”云,百治百效
- 连通域标记——实现硬币自动计件
- 由旅行商问题认识何为状态压缩
- 腾讯竞购ICQ或失败!
- 谷歌推出量子机器学习框架TFQ-TensorFlow Quantum,一个可训练量子模型的机器学习框架...
- 终于!这本Python书彻底玩大了!
- 用Portainer或UI for Docker可视化管理树莓派容器
- Free Dwg Viewer-免费的AutoCAD DWG/DWF/DXF文件查看器
- 互联网时代,站对了风口,猪都能飞起来
- ubuntu虚拟机连接被服务器拒绝,关于使用pietty或putty终端连接ubuntu虚拟机时报被拒绝连接问题...
- 猿编程python怎么样_猿编程怎么练习编程 让你提前熟悉代码
- PyTorch语音识别框架,将语音转成文本格式