首页 > 其他分享 >VIKOR方法

VIKOR方法

时间:2024-06-03 19:33:36浏览次数:19  
标签:方案 理想 VIKOR 0.5 标准 排序 方法

简介

VIKOR方法是一种多标准决策(MCDM)或多标准决策分析方法。它最初由 Serafim Opricovic 开发,用于解决具有冲突和不可通约(不同单位)标准的决策问题,假设冲突解决可以接受妥协,决策者想要一个最接近理想的解决方案,并根据符合所有既定标准。 VIKOR 对备选方案进行排名,并确定最接近理想的名为折衷的解决方案。

折衷解决方案的思想是由 Po-Lung Yu 于 1973 年[1]和 Milan Zeleny 在 MCDM 中引入的。[2]

S. Opricovic 在他的博士学位中发表了 VIKOR 的基本思想。 1979年发表论文,1980年发表应用。[3] VIKOR这个名字出现于1990年[4],来自塞尔维亚语:VIseKriterijumska Optimizacija I Kompromisno Resenje,意思是:多标准优化和妥协解决方案,发音:vikor。真正的应用是在1998年提出的。[5] 2004年的论文为VIKOR方法的国际认可做出了贡献。[6](经济学领域被引用次数最多的论文,《科学观察》,2009 年 4 月)。

MCDM 问题表述如下:从 J 个可行替代方案 A1、A2、...AJ 集合中确定多准则意义上的最佳(折衷)解决方案,并根据 n 个准则函数集合进行评估。输入数据是性能(决策)矩阵的元素 fij,其中 fij 是替代 Aj 的第 i个准则函数的值。

案例

VIKOR方法是一种用于解决多标准决策问题的技术,特别是在有多重冲突标准时。它的目的是通过综合各种标准,找到一个接近理想解的解决方案。为了更好地理解这个概念,我们可以用一个简单的例子来说明。

示例:选择最佳手机

假设你要买一部新手机,有以下几个评价标准:

  1. 价格(越低越好)
  2. 电池寿命(越长越好)
  3. 相机质量(越高越好)
  4. 内存容量(越大越好)

你正在比较三款手机:A、B和C。

  1. 构建决策矩阵:首先,列出每个手机在各个标准上的表现。
scss
复制代码
手机   价格(元)  电池寿命(小时)  相机质量(分)  内存容量(GB)
A     3000     20             8         128
B     3500     22             9         256
C     4000     18             7         512
  1. 确定理想解和反理想解
    • 理想解是每个标准的最佳值。
    • 反理想解是每个标准的最差值。

例如:

    • 价格:理想解 = 3000,反理想解 = 4000
    • 电池寿命:理想解 = 22,反理想解 = 18
    • 相机质量:理想解 = 9,反理想解 = 7
    • 内存容量:理想解 = 512,反理想解 = 128
  1. 计算每个选项与理想解和反理想解的距离: 使用公式计算每个手机的综合距离。
  2. 综合评价: 通过VIKOR公式计算每个手机的综合得分,并按得分排序。得分越低,表示该选项越接近理想解。

步骤

方法案例

VIKOR方法是一种用于解决多标准决策问题(MCDM)的技术,特别适用于在冲突标准下选择和排序多个可选方案。VIKOR方法的全称是“VlseKriterijumska Optimizacija I Kompromisno Resenje”,来源于塞尔维亚语,意思是“多标准优化和妥协解决方案”。VIKOR的核心思想是通过多标准综合评价,寻找一个妥协解,该解能够平衡多个评价标准,尽可能接近理想解。

VIKOR方法的步骤
  1. 构建决策矩阵决策矩阵列出所有候选方案在各个评价标准下的表现。
方案   标准1  标准2  ...  标准n
A     f1A    f2A   ...  fnA
B     f1B    f2B   ...  fnB
C     f1C    f2C   ...  fnC

其中,fij 表示方案 i 在标准 j 下的表现。

  1. 确定理想解和反理想解

相关文章

  • Python从0到100(三十):requests模块的其他方法
    1requests中cookirJar的处理方法使用request获取的resposne对象,具有cookies属性,能够获取对方服务器设置在本地的cookie,但是如何使用这些cookie呢?1.1方法介绍response.cookies是CookieJar类型使用requests.utils.dict_from_cookiejar,能够实现把cookiejar对象转化为字典......
  • Windows 隐式加载任意目录下动态库的方法
    windows平台下,dll的加载方式分为显式加载和隐式加载。隐式加载需要在程序链接期间指定依赖库的名称、路径等信息,程序运行时由系统自动进行处理;显式加载则是直接调用系统APILoadLibrary/FreeLibrary来加载或卸载dll模块。通常情况下,这两种方式可以处理绝大多数的应用需求。......
  • 设计模式学习(二)工厂模式——工厂方法模式+注册表
    目录工厂方法模式的瑕疵注册表工厂方法模式的瑕疵在前一篇笔记中我们介绍了工厂方法模式,示例的类图如下:考虑一种情况:现在要在程序运行时,根据外部资源,动态的实例化对象。也就是说在编译期我们无法知道要实例化的对象的类型。因此在实例化的过程中,就需要加以判断。例如,在我的例......
  • 【车辆仿真】从0开始建立dSPACE RT Simulink工程:集成ASM模型(Matlab方法)
    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、搭建工程1.新建ConfigurationDesk工程2.新建MDLSimulink文件3.编译Demo模型以生成sdf4.初始化ControlDesk工程5.初始化ModelDesk工程6.初始化MotionDesk工程7.M&SVerificati......
  • 【高斯噪声图像去噪】基于贝叶斯多尺度方法对三维图像进行去噪研究(Matlab代码实现)
    ......
  • 音频分离教程:人声分离的5个方法,很实用!
    音频分离APP有哪些?哪个好用?在音频剪辑工作中,音频分离是一项非常重要且常见的功能,包括伴奏提取、人声提取。那么手机端都有哪些音频分离app好用呢?本文整理了以下5款音频分离APP,可以批量解决消除人声、消除背景音的问题,轻松提取需要的音频片段,一起来看看都有哪些吧!第一款、金......
  • 脑部磁共振成像肿瘤分割方法(MATLAB 2018)
    近年脑肿瘤发病率呈上升趋势,约占全身肿瘤的5%,占儿童肿瘤的70%。CT、MRI等多种影像检查方法可用于检测脑肿瘤,其中MRI应用于脑肿瘤成像效果最佳。精准的脑肿瘤分割是病情诊断、手术规划及后期治疗的必备条件,既往研究者对脑部肿瘤分割算法进行了深入研究,并取得了很多成果。然而脑......
  • 基于多尺度相关小波分解的单幅图像去雾和去噪方法(MATLAB)
    小波变换具有优美的数学背景和强大的多分辨率分析能力。它集成和发展了短时傅里叶变换的思想并克服了其时间窗口不可变的缺点。小波变换通过使用具有局部感受野和多尺度的基函数。形成了同时具有局部和全局性质的信号表征。与DCT等全局变换相比,小波变换可以防止局部高频信息扩......
  • 方法的重写和重载
    一.定义注意:1.重载第三点中满足其中任何一个都可以2.重写方法的注意事项(大于等于父类的访问权限)私有方法无法被子类重写。要想在子类中重写父类的方法,父类中的方法必须至少被声明为受保护的(protected)、公共的(public)或者默认访问修饰符(没有明确的访问修饰符)二.实例1.重......
  • (最新方法)最简单小鹅通视频下载分析及小白工具下载实现
    本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰,更不会影响计算机信息系统的正常运行,不得将代码用于非法用途,如侵立删!此方法包含步骤图示:小鹅通视频下载分析及工具实现操作环境win10,win11方案工具识别工具+链接置换工具+下载器......