关于主观赋权法与客观赋权法进行介绍并列出参考文献
时间: 2023-09-11 07:06:48 浏览: 89
主观赋权法和客观赋权法是两种不同的决策权重计算方法。
主观赋权法是指根据决策者的主观意愿和判断来确定各个指标的权重。这种方法的主要特点是简单易行,适用范围广。但是由于缺乏客观性,可能会导致决策结果不够准确,容易受到决策者主观因素的影响。
客观赋权法是指通过数学统计方法来确定各个指标的权重。这种方法的主要特点是客观准确,结果可靠。但是需要收集大量的数据,计算复杂,操作难度较大。
下面是一些参考文献:
1. 蔡维荣. 现代决策理论与方法[M]. 北京: 机械工业出版社, 2010.
2. 王华. 决策分析[M]. 北京: 清华大学出版社, 2005.
3. 李庆生, 刘振奎. 现代决策分析方法[M]. 北京: 清华大学出版社, 2007.
4. 林建华, 陈志勇. 决策科学与工程[M]. 北京: 高等教育出版社, 2010.
5. 毛红菊, 李金华. 现代决策方法[M]. 北京: 清华大学出版社, 2009.
相关问题
主观赋权法有哪几种方法
主观赋权法是一种常用的多标准决策分析方法,其基本思想是对每个评价指标进行主观赋权,然后按照权重的大小对各个方案进行综合评价。常用的主观赋权法包括以下几种方法:
1. 专家打分法:通过专家对每个指标的重要性进行打分,然后对各个指标的得分进行加权平均得到方案的最终权重。
2. 特征比较法:通过将各个指标按照重要性进行两两比较,得到它们之间的相对重要性,然后将相对重要性转化为权重。
3. 改进的 Delphi 法:将多个专家分别进行主观赋权,然后通过 Delphi 方法对各个专家的权重进行整合得到最终权重。
4. 熵权法:通过计算各个指标的信息熵来确定它们的权重,具有较好的客观性和稳定性。
5. 层次分析法:将决策问题分解为若干层次,通过对每个层次进行逐层比较和综合,得到最终权重。
这些方法各有优缺点,应根据具体问题的特点选择合适的方法。
客观赋权法python
客观赋权法(Objective Weighting Method)是一种用于决策分析的方法,常用于多准则决策问题。在Python中,可以使用多种库来实现该方法,例如numpy和pandas。以下是一个使用numpy库实现客观赋权法的示例代码:
```python
import numpy as np
# 输入决策矩阵
decision_matrix = np.array([[3, 4, 2],
[5, 2, 1],
[1, 3, 4]])
# 计算每个准则的权重
weights = np.mean(decision_matrix, axis=0) / np.sum(np.mean(decision_matrix, axis=0))
# 输出每个准则的权重
for i, weight in enumerate(weights):
print(f"Criterion {i+1} weight: {weight}")
```
在上述代码中,我们首先输入一个决策矩阵,其中每行代表一个决策方案,每列代表一个准则。然后,通过计算每列的平均值,并将其除以所有列平均值之和,得到每个准则的权重。最后,我们输出每个准则的权重。
请注意,此示例仅演示了如何使用numpy库实现客观赋权法,并没有涉及用户输入和其他相关步骤。根据具体应用场景的不同,您可能需要进行适当的修改。