论文部分内容阅读
【摘 要】数学工具在决策中起着非常重要的作用，复杂的决策问题人们通常都需要利用数学模型来将其简单化，利用数学方法中的层次分析法和模糊综合评价法建立模块，遵循面向对象的编程思想将层次分析法和模糊综合评价法都设计成一个类从而实现在辅助决策支持系统中的应用。
【关键词】层次分析法；模糊综合评价法；辅助决策支持系统
决策是人们进行选择或判断的一种思维活动，人们几乎每时每刻都需要决策，有些决策是简单容易的，有些决策是复杂困难的，它们常常困扰着人们。决策是是科学也是艺术，说它是科学因为人们进行着选择和判断应当尽可能的符合客观实际，这就要求决策者尽可能真实的了解问题的背景、环境和发展变化规律，尽可能详尽的占有资料，尽可能广泛的掌握正确的决策方法和各种辅助工具。说它是艺术，因为各种选择和判断最终是有人作出的，决策的正确与否优良可劣，与决策者的素质、经验、才能有很大的关系。
数学工具在决策中起着重要的作用。在复杂的决策问题面前，人们往往需要利用数学模型对实际问题进行抽象和简化，进而对实际问题进行系统分析，在决策过程中利用数学模型的优点在于：分析问题容易，目的性强，可进行模拟计算，便于应用计算机等先进手段。由于人们的选择和判断往往是在某种思维下进行的，在这个标准下做出“好的”决策，这就促成了决策有关的应用数学分支；线性规划、非线性规划、多目标规划、多准则决策……的迅速发展，最优化技术几乎成了决策分析的代名词。到了本世纪七十年代末、八十年代初，最优化技术发展的越来越抽象，使绝大多数工程技术人员望而生畏，数学模型的规模越来越大，对计算机内存与运算速度越来越高，一项复杂的系统分析耗资巨大，以至形成了一种数学模型的“泥潭”。在这种情况下一些有远见的运筹学家开始冷静地看待和正确的评价复杂的数学模型对决策分析的作用，问题是显而易见的，人们无法忽视或回避决策过程中决策者的选择的判断所起的决定作用。数学模型并非万能的工具，决策中有大量的因素无法定量表示。问题的答案几乎在明确不过了，运筹学家们必须回到决策的起点和终点——人的选择和判断上来，认真的研究决策思维的规律，也就是人们进行选择和判断的规律。
层次分析法的步骤：（1）确定目标和评价因素。
（2）构造判断矩阵。
判断矩阵元素的值反映了人们对各元素相对重要性的认识，一般采用1-9及其倒数的标度方法。但当相互比较因素的重要性能够用具有实际意义的比值说明时，判断矩阵相应元素的值则取这个比值。即得到判断矩阵S=（u）。
重要度判断矩阵需要将每个元素作两两比较，可能的取值是1，2，…，9及其倒数1，1/2，1/3，…，1/9。以前者相对后者的重要度为例，标度的具体含义如表所示。如果后者比前者重要，则取成对应的倒数。实际使用过程中，如果不需要9级的标度，也可以仅采用1，3，5，7，9的5级标度，不采用2，4，6，8的过渡值。
（1）计算判断矩阵。
计算判断矩阵S的最大特征根λ，及其對应的特征向量A，此特征向量就是各评价因素的重要性排序，也即是权系数的分配。
（2）一致性检验。
为进行判断矩阵的一致性检验，需计算一致性指标CI=，平均随机一致性指标RI。RI是用随机的方法构造500个样本矩阵，构造方法是随机地用标度以及它们的倒数填满样本矩阵的上三角各项，主对角线各项数值始终为1，对应转置位置项则采用上述对应位置随机数的倒数。然后对各个随机样本矩阵计算其一致性指标值，对这些CI值平均即得到平均随机一致性指标RI值。当随机一致性比率CR=<0.10时，认为层次分析排序的结果有满意的一致性，即权系数的分配是合理的；否则，要调整判断矩阵的元素取值，重新分配权系数的值。
平均一致性指标RI可以预先计算好，作为参数表备用。论文预先计算了n从1到30的 值（如表2.2所示），最多支持进行30个指标属于同一层次的重要度排序。实际使用过程中，绝大多数情况下n<10。
模糊综合评价：模糊集合理论（fuzzysets）的概念于1965年由美国自动控制专家查德（L.A.Zadeh）教授提出，用以表达事物的不确定性。这种方法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
模糊综合评价的步骤：
（1）确定评价对象的因素论域。
假设同一个层次共有p个评价指标，u=
（2）确定评语等级论域。
（3）建立模糊关系矩阵R。
矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度。一个被评事物在某个因素ui方面的表现，是通过模糊向量（R|u）=（r，r，......，r）来刻画的，而在其他评价方法中多是由一个指标实际值来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息。
（1）确定评价因素的权向量。
（2）合成模糊综合评价结果向量。
利用合适的算子将A与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B。即：
其中b是由A与R的第j列运算得到的，它表示被评事物从整体上看对vj等级模糊子集的隶属程度。
（3）对模糊综合评价结果向量进行分析。
本文使用实际中最常用的最大隶属度原则来确定最后的评价等级。
上述两种数学方法在辅助决策支持系统中的应用如下：
AHP模块：遵循面向对象的编程思想，AHP同样被设计成一个类，单独存放在文件extensions/AHP.php中。这里仅给出部分的具体实现的代码。其中矩阵特征值的计算采用的是PHP版本的JAMA库。此外，为了保持精度，AHP重要度矩阵的浮点数取值，如1/9，1/7等，采用字符串的形式存储入库。所以在此处，需要把这些字符串转为相应的浮点数后再计算。 //采用PHP版本的JAMA库的特征分解函数，直接计算特征值和特征向量
模糊综合评价模块：遵循面向对象的编程思想，模糊综合评价同样被设计成一个类，单独存放在文件extensions/FuzzyEval.php中。这里也仅给出部分具体实现的代码。
//data是二維数组，表示原始数据（或求值后的数据），行数为叶子结点数，列数为分级数（或采样点数）
//weight是二维数组，表示权重，weight[i]是i级指标权重数组，weight[0]总是只有一个元素，weight[0][0]总是1
//itemcount是二维数组，表示需要每一级需要汇总的元素行数（下级元素个数），itemcount[i]是i级指标的下属元素个数数组
//systemtype是一个数，取值0表示定性分级评估，取值1表示定量评估
public function __construct（$data，$weight，$itemcount，$systemtype）{
$this->weight=$weight；
$this->itemcount=$itemcount；
$this->systemtype=$systemtype；
$this->row=count（$data）；
$this->col=count（$data[0]）；】
本文分别阐述了层次分析法（AHP）和模糊综合评价法，介绍了AHP的相关概念以及具体的步骤；对模糊综合评价决策的数学模型做了详细的描述，给出建模的步骤以及运用这两种方法在辅助决策支持系统中起到的作用，并给出了实现辅助决策支持系统运用到这两个模块的相关代码，通过对这两种方法的有效利用我们可以实现辅助决策支持系统的一些相关技术应用。辅助决策系统在我们日常的工作中的应用非常广泛，通过人机交互的方式进行半结构化或非结构化的决策从而起到辅助决策的作用。
【参考文献】
[1]郭金玉，张忠彬，孙庆云.层次分析法的研究与应用[M].中国安全科学.
[2]储敏.层次分析法忠判断矩阵的构造问题 [J].南京：南京理工大学，2005，9，12.
[3]许雪燕.模糊综合评价模型的研究及应用[J].西南石油大学，2012，1，16.
[4]吴迎学，陈洁余，庞燕.决策分析中两种模糊综合评价模型的应用[M].中南林学院学报，2006（06）.
【关键词】层次分析法；模糊综合评价法；辅助决策支持系统
决策是人们进行选择或判断的一种思维活动，人们几乎每时每刻都需要决策，有些决策是简单容易的，有些决策是复杂困难的，它们常常困扰着人们。决策是是科学也是艺术，说它是科学因为人们进行着选择和判断应当尽可能的符合客观实际，这就要求决策者尽可能真实的了解问题的背景、环境和发展变化规律，尽可能详尽的占有资料，尽可能广泛的掌握正确的决策方法和各种辅助工具。说它是艺术，因为各种选择和判断最终是有人作出的，决策的正确与否优良可劣，与决策者的素质、经验、才能有很大的关系。
数学工具在决策中起着重要的作用。在复杂的决策问题面前，人们往往需要利用数学模型对实际问题进行抽象和简化，进而对实际问题进行系统分析，在决策过程中利用数学模型的优点在于：分析问题容易，目的性强，可进行模拟计算，便于应用计算机等先进手段。由于人们的选择和判断往往是在某种思维下进行的，在这个标准下做出“好的”决策，这就促成了决策有关的应用数学分支；线性规划、非线性规划、多目标规划、多准则决策……的迅速发展，最优化技术几乎成了决策分析的代名词。到了本世纪七十年代末、八十年代初，最优化技术发展的越来越抽象，使绝大多数工程技术人员望而生畏，数学模型的规模越来越大，对计算机内存与运算速度越来越高，一项复杂的系统分析耗资巨大，以至形成了一种数学模型的“泥潭”。在这种情况下一些有远见的运筹学家开始冷静地看待和正确的评价复杂的数学模型对决策分析的作用，问题是显而易见的，人们无法忽视或回避决策过程中决策者的选择的判断所起的决定作用。数学模型并非万能的工具，决策中有大量的因素无法定量表示。问题的答案几乎在明确不过了，运筹学家们必须回到决策的起点和终点——人的选择和判断上来，认真的研究决策思维的规律，也就是人们进行选择和判断的规律。
层次分析法的步骤：（1）确定目标和评价因素。
（2）构造判断矩阵。
判断矩阵元素的值反映了人们对各元素相对重要性的认识，一般采用1-9及其倒数的标度方法。但当相互比较因素的重要性能够用具有实际意义的比值说明时，判断矩阵相应元素的值则取这个比值。即得到判断矩阵S=（u）。
重要度判断矩阵需要将每个元素作两两比较，可能的取值是1，2，…，9及其倒数1，1/2，1/3，…，1/9。以前者相对后者的重要度为例，标度的具体含义如表所示。如果后者比前者重要，则取成对应的倒数。实际使用过程中，如果不需要9级的标度，也可以仅采用1，3，5，7，9的5级标度，不采用2，4，6，8的过渡值。
（1）计算判断矩阵。
计算判断矩阵S的最大特征根λ，及其對应的特征向量A，此特征向量就是各评价因素的重要性排序，也即是权系数的分配。
（2）一致性检验。
为进行判断矩阵的一致性检验，需计算一致性指标CI=，平均随机一致性指标RI。RI是用随机的方法构造500个样本矩阵，构造方法是随机地用标度以及它们的倒数填满样本矩阵的上三角各项，主对角线各项数值始终为1，对应转置位置项则采用上述对应位置随机数的倒数。然后对各个随机样本矩阵计算其一致性指标值，对这些CI值平均即得到平均随机一致性指标RI值。当随机一致性比率CR=<0.10时，认为层次分析排序的结果有满意的一致性，即权系数的分配是合理的；否则，要调整判断矩阵的元素取值，重新分配权系数的值。
平均一致性指标RI可以预先计算好，作为参数表备用。论文预先计算了n从1到30的 值（如表2.2所示），最多支持进行30个指标属于同一层次的重要度排序。实际使用过程中，绝大多数情况下n<10。
模糊综合评价：模糊集合理论（fuzzysets）的概念于1965年由美国自动控制专家查德（L.A.Zadeh）教授提出，用以表达事物的不确定性。这种方法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
模糊综合评价的步骤：
（1）确定评价对象的因素论域。
假设同一个层次共有p个评价指标，u=
（2）确定评语等级论域。
（3）建立模糊关系矩阵R。
矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度。一个被评事物在某个因素ui方面的表现，是通过模糊向量（R|u）=（r，r，......，r）来刻画的，而在其他评价方法中多是由一个指标实际值来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息。
（1）确定评价因素的权向量。
（2）合成模糊综合评价结果向量。
利用合适的算子将A与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B。即：
其中b是由A与R的第j列运算得到的，它表示被评事物从整体上看对vj等级模糊子集的隶属程度。
（3）对模糊综合评价结果向量进行分析。
本文使用实际中最常用的最大隶属度原则来确定最后的评价等级。
上述两种数学方法在辅助决策支持系统中的应用如下：
AHP模块：遵循面向对象的编程思想，AHP同样被设计成一个类，单独存放在文件extensions/AHP.php中。这里仅给出部分的具体实现的代码。其中矩阵特征值的计算采用的是PHP版本的JAMA库。此外，为了保持精度，AHP重要度矩阵的浮点数取值，如1/9，1/7等，采用字符串的形式存储入库。所以在此处，需要把这些字符串转为相应的浮点数后再计算。 //采用PHP版本的JAMA库的特征分解函数，直接计算特征值和特征向量
模糊综合评价模块：遵循面向对象的编程思想，模糊综合评价同样被设计成一个类，单独存放在文件extensions/FuzzyEval.php中。这里也仅给出部分具体实现的代码。
//data是二維数组，表示原始数据（或求值后的数据），行数为叶子结点数，列数为分级数（或采样点数）
//weight是二维数组，表示权重，weight[i]是i级指标权重数组，weight[0]总是只有一个元素，weight[0][0]总是1
//itemcount是二维数组，表示需要每一级需要汇总的元素行数（下级元素个数），itemcount[i]是i级指标的下属元素个数数组
//systemtype是一个数，取值0表示定性分级评估，取值1表示定量评估
public function __construct（$data，$weight，$itemcount，$systemtype）{
$this->weight=$weight；
$this->itemcount=$itemcount；
$this->systemtype=$systemtype；
$this->row=count（$data）；
$this->col=count（$data[0]）；】
本文分别阐述了层次分析法（AHP）和模糊综合评价法，介绍了AHP的相关概念以及具体的步骤；对模糊综合评价决策的数学模型做了详细的描述，给出建模的步骤以及运用这两种方法在辅助决策支持系统中起到的作用，并给出了实现辅助决策支持系统运用到这两个模块的相关代码，通过对这两种方法的有效利用我们可以实现辅助决策支持系统的一些相关技术应用。辅助决策系统在我们日常的工作中的应用非常广泛，通过人机交互的方式进行半结构化或非结构化的决策从而起到辅助决策的作用。
【参考文献】
[1]郭金玉，张忠彬，孙庆云.层次分析法的研究与应用[M].中国安全科学.
[2]储敏.层次分析法忠判断矩阵的构造问题 [J].南京：南京理工大学，2005，9，12.
[3]许雪燕.模糊综合评价模型的研究及应用[J].西南石油大学，2012，1，16.
[4]吴迎学，陈洁余，庞燕.决策分析中两种模糊综合评价模型的应用[M].中南林学院学报，2006（06）.