多属性边界近似区域比较法(mabac)

多属性边界近似区域比较法（Multiple Attribute Border Approximation Comparison，简称MABAC）是一种多属性决策分析方法。它基于属性边界的概念，通过比较不同决策方案的属性之间的重要性，确定边界近似区域，从而实现决策问题的排序。

MABAC方法首先需要确定决策问题中的属性。针对每个属性，需要确定其正向贡献值和负向贡献值。正向贡献值指的是该属性对决策方案的价值做出的正向贡献，而负向贡献值则相反。根据这些贡献值，可以计算出每个属性的标准化得分。

在MABAC方法中，重要性比较是关键步骤。通过两两比较属性，可以得到属性重要性的排序。这里采用了模糊辨识度指数的计算方法，即确定了属性的正负贡献、标准化得分、边际贡献等相关指标，并通过计算这些指标，得到最终的属性重要性排序。

通过属性重要性排序，可以对决策方案进行排序。MABAC方法采用了边界近似区域的概念，即通过比较属性得分来确定决策方案的边界近似值。在得分最高的属性上，决策方案得分的上限为该属性得分；在得分最低的属性上，决策方案得分的下限为该属性得分。这样，通过边界值的计算，可以得到决策方案之间的排序。

总结来说，多属性边界近似区域比较法（MABAC）是一种通过比较属性重要性，并基于属性边界的概念，实现决策方案排序的方法。它具有较强的灵活性和可解释性，在多属性决策分析中具有普适性和实用性。