《智能决策技术》实验指导书 - 5 -
上表中相应的公式见下表3
表3 后验概率与全概率的计算公式
第三步：构造决策树。 本实验的决策树如下图1所示
《智能决策技术》实验指导书 - 6 -
图1 决策树
第四步：计算各方案的期望收益值，并进行决策。
决策树中各方案的期望收益计算是从右向左进行的，首先考虑第二级决策，当勘测结果是“结构好”时，如果采取“不开发”方案，则期望收益为0；如果采取“开发”方案，则当自然状态为“高产”（其修正后的后验概率为0.78）时，收益为400，当自然状态为“低产”，（其修正后的后验概率为0.22）时，收益为-200，所以，“开发”方案的期望收益=400*0。78+（-200）*0.22=268(万元)。该值可以单元格P19中输入=V17*T17+V21*T21获得.
比较两种方案的期望收益，选择“开发”方案。所以当勘测结果为“结构好”时，应选择“开发”方案，其期望收益为268万元（这里暂时未扣除勘测费用）。前去“不开发”这一方案分支，并在“结构好”的概率分支上标上期望收益为268万元。同理可得，当勘测结果为“结构中等”时，应采取“开发”方案，其期望收益为250万元；当勘测结果为“结构差”时，应采取“不开发”方案，其期望收益为0（这里暂时均未扣除勘测费用）。
比较三个方案的期望收益，取期望收益最大的方案作为最优方案，在单元格D16中输入=MAX（G10，G14，G30）
得到最大期望收益值为175万元，可见方案“先勘测”的期望收益最大，为最优方案。 因此，本实验的最优决策结果是：先勘测，当勘测结果为“结构好”或“结构中等”时开发，当勘测结果为“结果差”时，不开发，该决策的期望收益为175万元。 实验小结（要求手写）：
实验中遇到的问题及解决办法、心得、体会等等...
实验思考题（要求手写）：
1、 利用各种资源查询一个DSS的应用案例，说明它的应用环境、功能结构和所起的作用
（注：此处主要说明案例的适应领域，是用来解决什么问题的，怎样解决问题的，采用哪些技术或手段，它的结构是怎样的？你觉得这个DSS如何？为什么？）。
《智能决策技术》实验指导书 - 7 -
实验二 应用层次分析法进行多目标决策
实验类型：验证性 实验学时：3
实验目的：熟悉并应用层次分析方法对多方案进行优劣排序，从而使学生掌握综合定性和定量两种方法解决问题的思维方式。 实验内容：
某公司打算增添一台新设备，现有三种不同型号的设备，P1，P2，P3供选择，选择设备主要考虑的要素是功能、价格和维护，你将如何选择？
第一步，建立递阶层次结构模型。
A购置一台满意的设备 C1功能强 C2价格低 C3易维护 P1
P2 P3
图1 设备购买决策的递阶层次结构图
第二步，构造比较判断矩阵。 设比较判断矩阵A=
aij
(i.j=1,2,??，n)。比较判断矩阵中的元素aij
是以上一层某要素（比如说要素A）为准则，对本层次的n个元素( 比如说，要素C1，C2??C n)进行两两比较来确定的。其形式如下：
A C1 C2 ?? Cj ?? Cn C1 a11 a12 a1j a1n C2 a21 a22 a2j a2n ?? ?? ?? ?? ?? Ci ai1 ai2 aij ain ??
Cn an1 an2 anj ann
其中，比较判断矩阵中的元素aij表示对上一层要素A要素而言，本层要素Ci的相对重要程度。
本实验中，A为目标层，其下一层的相关要素有三个：功能C1，价格C2，维护C3。通过
《智能决策技术》实验指导书 - 8 -
咨询，由专家对要素C1，C2，C3进行两两比较，得到如下结果：“功能（C1）”比“价格C2”明显重要，比“维护（C3）”稍微重要，“价格C2”比“功能（C1）”明显不重要，比“维护（C3）”稍微不重要。由此构造出比较出判断矩阵A-C如下：
1 5 3
A-C= 1/5 1 1/3 1/3 3 1
. 1 1/4 2 C1-p= 4 1 8 1/2 1/8 1
1 4 1/3 C2-p= 1/4 1 1/8 3 8 1
1 1 1/3 C3-p= 1 1 1/5
3 5 1
第三步，层次单排序。
首先，估算比较判断矩阵各列的列和Sj。
nsj??aij(j?1,2……n)i?1其次，将比较判断矩阵A中的各个要素除以该要素所在的列的列和Sj，得到一个归一化了的新矩阵Anorm，这里归一化矩阵是指每一列和等于1的矩阵，则有，
素的层次单排序权值。
最后，由特征向量估算特征根
第四步，层次总排序
求出最低层（方案层）相对于最高层（目标层）的相对重要性排序权值，也就是层次总排序权值，最大的为最优方案。
即C层对于总目标A的层次总排序权值，是以上一层次B的层次总排序权值为权重、对C层的层次单排序权值进行加权和得出的，如下式所示：
第五步，一致性检验
*aij?aijsj(i,j?1,2,……n)再次，计算新矩阵Anormk中每一行的均值Wi,它就是特征向量W，它就是A矩阵中各要
n?awi?j?1*ijn(i?1,2……n)n?max??i?1(AW)inWicj??bicij(j?1,2……n)i?1mCI?
?max?nn?1
相关推荐：
loading