排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
MACBETH方法在多个属性维度上确定出的一组属性Good值(或Neutral值)并不能真地具有保证属性价值公度的完全相同的偏好涵义.为克服该方法缺陷,基于包容性属性价值函数,通过引入数据包络分析技术和马尔可夫理论给出了以目标参照方案为导向的目标导向属性价值函数和多属性决策属性价值公度的方法程序.相比于具有较大随意性确定属性Good值和Neutral值的MACBETH方法,依赖目标导向属性价值函数的多属性决策属性价值公度程序具有更明显的科学合理性,因此具有发展MACBETH方法,推动实际决策应用该方法及相关多属性偏好关联决策模型的创新价值.基于决策实验的应用分析直接验证了多属性决策属性价值公度方法程序的科学有效性,间接验证了包容性属性价值函数和目标导向属性价值函数的科学理性. 相似文献
2.
目标导向序依赖层次分析法 总被引:1,自引:0,他引:1
建构在多属性决策序依赖Choquet积分模型之上的层次化多属性评价与决策方法(简称作TOYLC层次分析法),并没有保证Choquet积分模型所要求的价值测度公度性.另外,它依赖MACBETH (measuring attractiveness by a categorical-based evaluation technique)所给出的属性集容量判断方法,也存在着对抽象方案进行偏好比较的技术缺陷.针对上述问题,在引入规约性多属性决策属性价值公度方法的基础上,首先给出了类似于摆幅置权判断、能够使决策者进行有意义偏好比较的属性集容量判断赋值方法,然后给出了能够克服TOYLC层次分析法内在缺陷的目标导向序依赖层次分析法.基于案例应用的对比分析表明:在输入信息可比的条件下,目标导向序依赖层次分析法相对于TOYLC层次分析法具有更高的方案评价区分度,从而验证了前者相对于后者的相对科学合理性. 相似文献
1