📜  加权乘积法——多标准决策

📅  最后修改于: 2022-05-13 01:58:09.153000             🧑  作者: Mango

加权乘积法——多标准决策

加权乘积法是一种多标准决策方法,其中会有多个备选方案,我们必须根据多个标准确定最佳备选方案。还有其他可用的方法,包括加权总和法 (WSM)、与理想解相似的偏好排序技术 (TOPSIS)、VIKOR、MOORA、GTMA 等。让我们通过一个例子来了解加权乘积法的工作原理。

考虑这样一种情况,我们必须在 5 名参加面试的候选人中选择最佳候选人。表 1 包含 5 名学生的详细信息,包括他们的 CGPA、他们期望的每月工资、他们在技术考试中的分数以及他们在能力测试中取得的成绩。

表 1:样本数据集

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Student 191200072B1
Student 27.6850068B1
Student 38.2950063B2
Student 48.51000070A2
Student 59.31400072A2

考虑面试小组假设的权重如下:

表 2:每个属性的权重

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Weight0.30.20.250.25
Student 191200072B1
Student 27.6850068B1
Student 38.2950063B2
Student 48.51000070A2
Student 59.31400072A2

两种类型的属性:

  • 有益的属性是一个人希望获得最大价值的属性。在这里,CGPA、技术考试分数和能力测试分数是有益的属性,因为公司希望学生拥有更多这些属性。
  • 无益属性是需要最小值的属性。在这种情况下,预期的津贴是一个无益的属性。该公司为愿意以低薪工作更多的人加薪。

现在让我们看看公司将使用加权乘积法选择哪个学生。
为此,我们必须标准化表 2 中的值。

  • 对于有益的属性,  X=x/xmax
  • 对于无益的属性,  X=xmin/x

表 3:确定有益属性的最大值和非有益属性的最小值

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Weight0.30.20.250.25
Student 191200072(max)B1
Student 27.68500(min)68B1
Student 38.2950063B2
Student 48.51000070A2(max)
Student 59.3(max)1400072A2

表 4:更新能力倾向测试成绩

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Weight0.30.20.250.25
Student 191200072(max)3
Student 27.68500(min)683
Student 38.29500632
Student 48.510000704(max)
Student 59.3(max)14000724

根据有益和无益的属性对相应属性的值进行标准化。
表 5:归一化

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Weight0.30.20.250.25
Student 19/9.38500/1200072/723/4
Student 27.6/9.38500/850068/723/4
Student 38.2/9.38500/950063/722/4
Student 48.5/9.38500/1000070/724/4
Student 59.3/9.38500/1400072/724/4

表 6:权重归一化决策矩阵

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Weight0.30.20.250.25
Student 10.96770.708310.75
Student 20.817210.94440.75
Student 30.88170.89470.8750.5
Student 40.91340.850.97221
Student 510.607111

为了计算加权乘积,我们取每个分量具有各自权重的幂,如下所示

表 7:计算属性的幂

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test Grade
Weight0.30.20.250.25
Student 10.96770.30.70830.210.250.750.25
Student 20.81720.310.20.94440.250.750.25
Student 30.88170.30.89470.20.8750.250.50.25
Student 40.91340.30.850.20.97220.2510.25
Student 510.30.60710.210.2510.25

为了计算加权乘积,我们将逐行乘以每一列中每个属性的值。具有最高加权产品的值被赋予更高的等级。
表 8:计算加权乘积并求排名

AttributeCGPAExpected StipendTechnical Exam ScoreAptitude Test GradePerformance ScoreRank
Weight0.30.20.250.25
Student 10.96770.30.70830.210.250.750.250.8600644
Student 20.81720.310.20.94440.250.750.250.8634813
Student 30.88170.30.89470.20.8750.250.50.250.7659075
Student 40.91340.30.850.20.97220.2510.250.9354511
Student 510.30.60710.210.2510.250.9050072

您可以参考下面的链接来了解此处的加权总和方法。