多目标决策的进展

多目标决策项目管理1. 介绍多目标决策项目管理是一种在项目管理中常见的方法，它涉及到在项目实施过程中需要考虑多个不同的目标和价值观点。

在这种管理方法下，项目团队需综合多个目标、优先级和利益相关者的需求，以达到整体最优的效果。

2. 目标的确定在多目标决策项目管理中，首先需要明确项目的各个目标。

这些目标可以是项目完成的时间、成本、质量、风险等方面的指标。

团队需要根据利益相关者的需求和项目背景来确定这些目标，并对其进行优先级排序。

3. 制定决策方案在确定了项目的多个目标之后，团队需要制定相关的决策方案。

这些方案可以包括资源分配、进度安排、风险管理等方面的策略。

团队应该在制定这些方案时充分考虑到各目标之间的相互影响和权衡，以确保最终的决策能够在多个目标之间取得平衡。

4. 实施和监控一旦制定了决策方案，团队就需要开始实施并监控项目的进展。

在这个过程中，团队需要不断调整和优化决策方案，以确保在实现各个目标的同时能够保持项目整体的有效性。

5. 冲突解决在多目标决策项目管理中，由于目标之间的相互制约关系，常常会出现冲突。

团队需要通过协商、权衡等方式来解决这些冲突，以保证项目最终能够取得成功。

6. 成果评估项目完成后，团队需要对项目的成果进行评估。

这个评估过程应考核项目在各个目标方面的表现，并从中总结出经验教训，为未来的项目管理提供借鉴。

结语多目标决策项目管理是一种综合考虑多个目标的管理方法，它能够帮助项目团队在复杂的环境中取得成功。

通过合理制定决策方案、实施和监控项目进展、及时解决冲突等步骤，团队可以有效地应对各种挑战，实现项目目标。

多目标优化决策模型及其应用研究随着社会和经济的发展，人们的需求逐渐增加、多样化，因此，在决策问题中，不再是单一目标问题，而是多目标问题。

为了满足人们多样化的需求，多目标优化决策模型应运而生。

一、多目标优化决策模型的定义和特点多目标优化决策模型，是指在多个决策目标之间存在相互关系，各个目标之间存在冲突或矛盾的决策问题中，对多个目标进行权衡取舍，从而达到最优决策的模型。

多目标决策模型具有以下特点：1. 多目标性：包含两个或两个以上的目标，且这些目标之间并非相互独立或互不影响，而是相互制约、互相竞争或互相关联。

2. 非线性：多目标优化问题一般都是非线性的，难以用一般的线性规划方法求解。

3. 难以衡量：不同的目标通常来自于不同的领域，其量度标准各不相同，难以在同一个度量体系中进行比较，因此对目标的量化和加权往往具有一定的主观性。

4. 解的多样性：目标多样，解的多样性自然而然就存在，这就需要有效的评价和筛选方法。

二、多目标优化决策模型的应用领域多目标优化决策模型广泛应用于各种社会经济领域，如：1. 工业制造领域：针对复杂产品生产和制造中存在的多目标问题，优化制造流程、缩短交货期、提高产品质量、降低生产成本等目标。

2. 城市规划领域：针对城市空间开发、交通布局、环境保护、经济发展等多目标问题，优化城市规划方案，提高城市居民的生活质量和幸福感。

3. 金融投资领域：针对多样化投资需求和风险管理问题，优化资产配置、风险评估、回报率和流动性等多个目标，推动投资者的财富增长。

三、多目标优化决策模型的算法和方法1. 加权线性规划（Weighted Linear Programming）：以线性规划为基础，引入目标优先级权重来实现多目标决策。

2. 整合指标法（Integrated Metric Method）：将多个目标放在同一个指标范围内进行量化，然后进行加权和排序，得到总体决策指导方案。

3. 模糊数学方法（Fuzzy Mathematics Method）：用模糊数学的概念处理数据不确定和信息不完备问题，解决多目标优化问题。

多目标决策理论及应用研究随着社会的快速发展，经济、政治和文化等不同领域的决策问题也随之变得更加复杂，需要考虑的因素也更加多样化。

这就需要我们掌握一些有效的多目标决策理论及应用研究方法，以便更加科学地解决复杂的决策问题。

一、多目标决策的基本概念多目标决策是指在决策过程中需要同时考虑多个目标，而这些目标相互之间可能存在着矛盾和冲突，需要在有限的资源和信息下进行权衡和取舍的决策过程。

多目标决策不同于单一目标决策，它需要考虑的因素更加复杂，涉及到多个不同的目标。

二、多目标决策方法1. 层次分析法层次分析法是一种用于解决复杂决策问题的有效方法。

该方法将决策问题分解为多个层次，并将各个层次之间的关系进行量化，以便进行权衡和取舍。

层次分析法主要分为四个步骤：问题的层次分解、对每个层次的因素进行比较、确定权重和计算各个层次的得分、检验评价结果的一致性。

2. 熵权法熵权法是一种基于信息熵原理的决策方法。

该方法通过计算每个因素的信息熵值来确定各个因素的权重，以便进行决策。

熵权法主要分为四个步骤：确定决策矩阵、计算信息熵值、计算权重、进行检验和评价。

3. TOPSIS法TOPSIS法是一种综合评价方法，也是一种基于距离的决策方法。

该方法可以通过对决策对象之间的距离进行计算，以便评价出各个对象的相对优劣程度。

TOPSIS法主要分为四个步骤：确定决策矩阵、计算正向和负向理想解、计算各个决策对象和理想解之间的距离、进行评价和决策。

三、多目标决策的应用多目标决策方法已经被广泛应用于各个领域的决策问题中，例如：1. 经济领域。

在经济领域中，多目标决策方法可以用于考虑不同的经济指标，以便确定最佳的经济政策。

例如，可以使用层次分析法来计算不同因素的权重，以便确定最佳的经济政策方案。

2. 环境保护。

在环境保护领域中，多目标决策方法可以用于平衡环境保护和经济利益的关系。

例如，可以使用熵权法来确定环保政策所涉及到的各个因素的权重，以便平衡环境保护和经济利益。

多目标决策理论及应用作1.1多目标决策方法发展及的国内外研究现状1.1」多目标决策理论发展综合评价是多目标决策理论研究的重要内容，由于其在工程系统和社会、经济、管理等各个领域的普遍存在性，因而在社会经济的各个领域得到极为广泛的应用，如投资决策、项目评估、方案选优、工厂选址、产业部门发展排序和经济效益综合评价等等。

多目标决策问题是对具有多个目标的有限方案进行排序与优选的问题。

人们常常要对有限个方案集的备选方案进行综合评价，比如在水利水电工程建设的过程中，要进行施工导流，由于导流方案直接影响着施工导流工程的规模、主体工程施工安全、施工总工期及工程投资，因此，要考虑工程所在河段的地形、地质条件、河流水文特性等自然因素和主体工程枢纽布置特点、施工导流方式选择要求、施工工期限制条件、施工技术力量、施工设备及物资、资金等等。

众多工程因素，确定一个合理的导流方案，可见，多目标决策作为一个工具在解决工程技术经济管理、军事和系统工程等众多方而的问题也越来越显示出它的强大生命力。

但是多目标决策作为一门学科，还是在近五十多年来才真正形成为一门完整独立的的科学体系。

最早是在1896年，V.Pareto提出的向量优化的概念涉及到了多目标概念，他从经济学的角度把本质上不可比较的多个目标化成单个目标进行优化求解，即现在使用的Pareto最优概念。

直到1944年，多目标决策的理论和方法才逐步发展起来，J.v.Ncumace和O.Morgcnstcm从对策论角度提出了彼此矛盾情况下的多目标决策问题，标志着近代意义上多目标决策的诞生。

1951年，美国经济学家Koopmans从有限资源的合理分配与使用问题中提出了多目标决策问题，首次使用了有效向量的概念，这就是现代多目标决策非劣解概念。

1961年,Chames和CooPer引入了目的规划法，其准则是使目标值和实际值两者之差的绝对值达到最小。

1964年，Aumann对多目标决策问题提出了效用函数的概念。

多目标决策优化算法研究随着科技的发展，我们面临的问题越来越复杂化，需要做出越来越多的决策。

然而，不同的决策往往会牵扯到不同的目标，因此单一目标决策难以解决实际问题。

在这种情况下，多目标决策便成为了一种优秀的解决方案。

而多目标决策也因此成为了目前研究的热点之一。

本文将介绍多目标决策优化算法的研究现状和最新进展。

什么是多目标决策？首先，我们需要了解何为多目标决策。

所谓多目标决策，就是在考虑到多个目标的情况下，选择最好的决策方案。

例如，我们在选择一款手机时，需要考虑它的价格、屏幕大小、电池寿命、摄像头像素等多个因素。

不同的人会有不同的重视程度和优先级，因此我们需要将所有这些因素考虑进去，综合评估后再做出决策。

多目标决策具有以下几个特点：1. 目标之间存在矛盾。

例如，在考虑购置家庭汽车时，我们希望它既要有足够的空间容纳家人和行李，又要省油，车身要小巧，舒适性好等等。

这些目标之间可能会存在矛盾，需要在权衡之后做出最佳决策。

2. 目标是多样化的。

不同的人会有不同的目标和侧重点，因此不同的决策方案也应该具备多样性。

比如，在创业公司中，有的人更看重盈利能力，有的则更关注市场占有率等因素。

3. 决策是动态的。

随着时间和环境的变化，决策的优先级和权重也可能发生变化。

因此，多目标决策需要具有一定的灵活性和可调节性。

多目标决策的应用非常广泛，涉及到经济、环境、医疗、管理、工程等多个领域。

因此，如何高效地进行多目标决策成为了研究的热点之一。

多目标决策优化算法在进行多目标决策时，我们需要将各个目标量化为数值。

此时，便会产生一个问题：如何对不同的目标进行量化？一般来说，各个目标之间可能存在量纲不同、或者指标之间具有不同的量级等问题。

因此，需要将不同的目标统一化为无量纲的评价指标。

这就是多目标决策优化算法需要解决的问题之一。

目前，多目标决策优化算法主要有以下几种：1. 精英非支配排序遗传算法（NSGA-II）NSGA-II 是一种应用广泛的多目标优化算法之一。

决策理论与方法多属性决策多目标及序贯决策多属性决策是指在决策过程中考虑多个属性或指标，通过对这些属性进行量化和比较，找出最优选择的决策方法。

在实际决策中，我们常常需要考虑多个属性因素，而这些因素往往是相互矛盾甚至相互制约的。

多属性决策的关键是建立合理的评价指标体系，将不同属性进行量化，再通过合适的决策模型或方法进行计算和比较。

常用的多属性决策模型包括加权法、层次分析法和灰色关联法等。

多目标决策是指在决策过程中存在多个决策目标，且这些目标往往是相互冲突或无法同时达到的。

多目标决策的目标是找到一个最佳的折衷方案，使得各个决策目标能够得到尽可能满足。

多目标决策的关键是建立合理的决策模型，将各个决策目标进行量化和比较，再通过适当的优化方法或规划方法寻找最优解。

常用的多目标决策方法包括线性规划、整数规划、动态规划和遗传算法等。

序贯决策是指在决策过程中需要根据不完全的信息和不确定的环境进行连续的决策，即通过一系列的决策步骤逐渐完善和调整决策方案。

序贯决策的关键是建立适当的决策模型，将决策过程分解为多个连续的阶段，每个阶段根据已有的信息和条件做出决策，并根据反馈信息不断调整和优化决策方案。

常用的序贯决策方法包括马尔可夫决策过程、博弈论和贝叶斯决策等。

在实际应用中，多属性决策、多目标决策和序贯决策往往会相互结合使用。

例如，在制定企业的发展战略时，需要考虑多个因素，如市场需求、竞争环境和资源能力等，这涉及到多属性决策的内容。

同时，为了实现企业的长远目标，需要考虑多个决策目标，如利润最大化、成本最小化和风险最小化等，这也涉及到多目标决策的内容。

而在制定战略的实施方案时，可能需要根据不断变化的市场和竞争环境进行序贯的决策，这涉及到序贯决策的内容。

综上所述，多属性决策、多目标决策和序贯决策是决策理论与方法中常用的三个重要方法。

它们分别从不同的角度和需求出发，帮助人们在复杂和不确定的决策环境中做出最佳决策。

这些方法在实际应用中相互结合，能够提供更全面和准确的决策支持。

多目标问题决策的意义篇一：多目标问题决策是指在一个决策过程中需要同时考虑多个目标，以便做出最优决策的问题。

这种问题在实际应用中非常常见，例如资源分配、质量管理、交通规划等领域。

多目标问题决策的意义非常重要，以下是一些正文和拓展:1. 多目标问题决策可以帮助决策者平衡多个目标之间的关系，从而实现综合最优。

在许多情况下，不同的目标之间可能存在冲突或者竞争关系，例如资源有限的情况下，追求质量可能会导致生产效率下降，而追求生产效率则可能导致质量下降。

通过多目标问题决策，决策者可以平衡这些目标之间的关系，选择一个最优的解决方案。

2. 多目标问题决策可以提高决策的可持续性。

在现代社会，可持续性成为了越来越重要的议题。

多目标问题决策可以帮助决策者在选择目标时考虑到未来的长期影响，从而做出更加可持续的决策。

例如，在城市规划领域，决策者需要考虑环境保护、经济发展、社会公正等多个目标，通过多目标问题决策，可以选出一个既满足当前需求又对未来可持续发展有益的方案。

3. 多目标问题决策可以帮助决策者做出更加明智的决策。

在面临复杂的决策问题时，决策者往往需要收集大量的信息，并进行深入的分析。

多目标问题决策可以帮助决策者将多个目标之间的关系转化为数学模型，从而更加直观地进行分析和决策。

例如，在质量管理领域，决策者可以通过多目标问题决策来选择最佳的质量水平，同时满足成本、效率等多个目标。

4. 多目标问题决策可以帮助企业实现长期可持续发展。

在现代市场经济中，企业的竞争已不再是简单的产品竞争，而是企业综合实力的竞争。

企业需要不断优化自身内部结构、提高产品质量、降低成本等多方面的因素。

篇二：多目标问题决策是指在一个决策过程中需要同时考虑多个目标，以便做出最优决策的问题。

这种问题在实际应用中非常常见，例如资源分配、环境保护、社会公正等领域。

多目标问题决策的意义在于，可以帮助决策者考虑到多个目标之间的相互关系，从而做出更加明智的决策。

例如，在资源分配中，如果只考虑一个目标，如经济效率，则可能会忽略其他目标，如环境保护和社会公正。

基于模糊优化的多目标决策分析研究一、引言多目标决策分析是一种广泛应用的问题求解方法，已经成为现代工业与管理中一种重要的手段。

在这个过程中，人们会面临到一系列不确定的问题，这些问题的存在使得很难找到唯一的最优解，因此，如何有效地解决这些问题，是当前的研究重点。

基于模糊优化的多目标决策分析同样是一个快速发展的领域。

本文将重点探讨基于模糊优化的多目标决策分析的研究进展和挑战。

二、基本概念1. 多目标决策分析在现实生活中，许多任务都会涉及到多个目标，而不仅仅是一个目标。

这时，评估不同方案的时候，我们需要考虑多个目标之间的相互关系，以便综合考虑绩效指标的关系，实现效益最大化的目的。

2. 模糊优化模糊优化是指，当问题相关的数据是不准确的、不精确的或部分未知的时，使用的一种方法。

在这种情况下，人们就无法确定一个具有精确性的目标，只能把目标表达成一组数值集合的形式，也就是模糊。

三、基于模糊优化的多目标决策分析基于模糊优化的多目标决策分析方法主要涉及到以下几个方面：1. 模糊最大化或模糊最小化模糊最大化和模糊最小化是在不同背景下使用的方法。

模糊最大化通常用于评估大量的决策方案，并选择最好的方案。

而模糊最小化通常用于确定具有多个不平等的目标设定时的最小限制值。

2. 模糊决策矩阵模糊决策矩阵也是一个关键概念。

它是基于对目标的模糊数据收集而构建的，与传统的数值决策矩阵是类似的，但是数值被替换成模糊数字。

它们通常是评估方案的集合，并与其它策略使用以便从分析的角度来说明不同方案之间的优劣关系。

3. 模糊加权平均法模糊加权平均法是一个基于对目标权重的量化，在对决策矩阵评估出的每种方案进行加权时定量方法。

4. 模糊层次分析法基于模糊层次分析法，可以将多目标决策分析分解成为一组层次结构模型。

模糊层次分析法不仅考虑目标之间的相互关系，还进一步考虑目标和决策变量之间的相互关系。

这减轻了经典层次分析方法中的基于准确数据的限制性。

四、研究进展和挑战基于模糊优化的多目标决策分析研究已经在过去几十年内有了很大的发展。

层次分析法建模层次分析法〔AHP －Analytic Hierachy process 〕---- 多目标决策方法70 年代由美国运筹学家T ·L ·Satty 提出的，是一种定性与定量分析相结合的多目标决策分析方法论。

吸收利用行为科学的特点，是将决策者的经验判断给予量化，对目标〔因素〕结构复杂而且缺乏必要的数据情况下，採用此方法较为实用，是一种系统科学中，常用的一种系统分析方法，因而成为系统分析的数学工具之一。

传统的常用的研究自然科学和社会科学的方法有：机理分析方法：利用经典的数学工具分析观察的因果关系；统计分析方法：利用大量观测数据寻求统计规律，用随机数学方法描述〔自然现象、社会现象〕现象的规律。

根本内容：〔1〕多目标决策问题举例AHP 建模方法〔2〕AHP 建模方法根本步骤〔3〕AHP 建模方法根本算法〔3〕AHP 建模方法理论算法应用的假如干问题。

参考书： 1、姜启源，数学模型〔第二版，第9章；第三版，第8章〕，高等教育2、程理民等， 运筹学模型与方法教程，〔第10章〕，清华大学3、?运筹学?编写组，运筹学〔修订版〕，第11章，第7节，清华大学一、问题举例：A ．大学毕业生就业选择问题获得大学毕业学位的毕业生，“双向选择〞时，用人单位与毕业生都有各自的选择标准和要求。

就毕业生来说选择单位的标准和要求是多方面的，例如：① 能发挥自己的才干为国家作出较好奉献〔即工作岗位适合发挥专长〕； ② 工作收入较好〔待遇好〕；③ 生活环境好〔大城市、气候等工作条件等〕；④ 单位名声好〔声誉-Reputation 〕；⑤ 工作环境好〔人际关系和谐等〕⑥ 开展晋升〔promote, promotion 〕时机多〔如新单位或单位开展有后劲〕等。

问题：现在有多个用人单位可供他选择，因此，他面临多种选择和决策，问题是他将如何作出决策和选择？——或者说他将用什么方法将可供选择的工作单位排序？Ｂ.假期旅游地点选择 暑假有3个旅游胜地可供选择。

多目标决策的方法多目标决策是指在决策过程中存在多个目标，在各个目标之间存在相互制约和冲突的情况下，寻求最优的决策方案。

在实际生活和工作中，我们常常需要面对多个目标同时考虑的情况，如企业在经营过程中需要同时考虑利润、市场份额和员工满意度等多个目标。

在多目标决策中，有许多方法可以帮助我们找到最优的决策方案。

下面将就一些常用的多目标决策方法进行介绍。

1. 加权综合评价法（Weighted Sum Method）加权综合评价法是一种常用且直观的多目标决策方法。

在这种方法中，首先需要确定各个目标的权重，然后将每个目标的影响程度与权重相乘得到加权值，再将各个目标的加权值相加得到综合评价值，最终依据综合评价值大小进行决策。

这种方法适用于目标间存在明确的优先级关系的情况。

2. 顺序偏好法（Lexicographic Method）顺序偏好法是一种逐步筛选的多目标决策方法。

在这种方法中，首先确定目标的优先级次序，然后按照优先级次序进行筛选，直到最终找到满足所有条件的最优决策方案。

这种方法适用于目标之间存在确定的优先级关系，且决策者能够明确地对优先级关系排序的情况。

3. 线性规划法（Linear Programming）线性规划法是一种常用的数学优化方法，也可以用于多目标决策。

在这种方法中，将多目标决策转化为一系列线性规划问题，然后通过求解这些线性规划问题得到最优决策方案。

线性规划法适用于目标之间存在明确的线性关系的情况，且决策者可以准确地量化目标之间的关系。

4. 敏感度分析法（Sensitivity Analysis）敏感度分析法是一种通过分析目标变量对决策变量的敏感程度来进行多目标决策的方法。

在这种方法中，通过改变决策变量的取值，观察目标变量的变化情况，从而评估目标变量对决策变量的敏感程度，进而对多目标决策进行优化。

这种方法适用于目标之间存在不确定关系的情况，可以帮助我们确定不同决策变量对目标变量的重要程度。

5. 具有偏好信息的多目标优化方法（Multi-objective Optimization with Preference Information）具有偏好信息的多目标优化方法是一种结合决策者偏好信息的多目标决策方法。

多目标决策模型及其在最优方案选择中的应用在现实生活和商业决策中，面对多个目标和多个约束条件的情况时，如何选择出最优方案是一个重要问题。

多目标决策模型被广泛应用于这类问题中，它可以帮助决策者在有限的资源和不完善的信息条件下作出最佳决策。

一、多目标决策模型的基本概念多目标决策模型是一种数学模型，其目标是找到一个可行解，使得在多个目标函数下达到最佳综合效果。

常见的多目标决策模型有线性规划、非线性规划和多目标规划等。

例如，在企业中，选择生产线的投资方案时，需要考虑投资成本、生产效率、环境影响等多个目标。

多目标决策模型可以帮助企业决策者权衡这些目标，找到最适合的方案。

二、多目标决策模型的基本原理多目标决策模型的核心思想是将多个目标函数转化成一个综合目标函数，通过优化综合目标函数来得出最优解。

常用的多目标优化方法有加权法、熵权法和TOPSIS法等。

1. 加权法加权法是最简单且常用的多目标优化方法之一。

它根据决策者对不同目标的重要性给目标设定权重，然后计算加权目标函数的值，选取使加权目标函数最小（或最大）的方案作为最优解。

2. 熵权法熵权法基于信息论中的熵概念，通过计算各目标函数的信息熵来确定权重。

熵越大表示信息不确定性越大，权重越小；熵越小表示信息不确定性越小，权重越大。

熵权法可以客观地确定各个目标的权重，适用于信息不完全或者决策者主观判断困难的情况。

3. TOPSIS法TOPSIS法通过计算方案与最理想解和最劣解的距离来评估方案的优劣，并选择距离最小的方案作为最优解。

通过正向和负向的距离计算，TOPSIS法可以考虑到最优解和最劣解之间的差距。

三、多目标决策模型在最优方案选择中的应用多目标决策模型广泛应用于各个领域的最优方案选择中，包括生产管理、供应链优化、项目管理和金融投资等。

1. 生产管理在生产管理中，多目标决策模型可以帮助企业决策者在考虑成本、质量、交货时间等多个目标的情况下，选择最优的生产方案。

通过权衡各目标的权重，确定合理的生产策略，提高生产效率和盈利能力。

多目标决策问题在现实生活和商业中，我们常常需要在多个目标之间做出决策。

这些目标可能彼此冲突或者存在牵连关系。

如何在这些复杂目标中做出最优决策成为了现代商业发展中的一个重要问题。

本文将探讨多目标决策问题的定义、特点、决策方法以及应用。

一、定义多目标决策问题是指在多个决策目标之间进行权衡和平衡，以达到所有目标最优化的一个决策问题。

不同目标之间可能相互矛盾，因此需要找到一个平衡点，使得各个目标得到最佳平衡。

多目标决策问题的特点有以下几个方面：1. 目标之间相互影响，可能存在相反或者协同的关系。

2. 目标之间的权重不同，决策结果不同。

3. 决策结果不确定，因为各个目标在不同情况下可能达到不同的状态。

4. 决策结果需要评价。

二、解决方法为了解决多目标决策问题，我们需要寻求有效的决策方法。

下面介绍几种常用的解决方法。

1. 计划层次分析法（AHP）AHP 方法是一种较为成熟的分析方法，是由美国计划协会的层次分析方法研究小组推出的。

该方法通过构建层次结构模型，将决策问题分解成多个层次，然后通过特定的计算方法，将各个层次的要素相互比较，最终得出具体的决策方案。

2. 直觉模糊综合评价法直觉模糊综合评价法是一种基于模糊数学和统计学理论的决策方法，其核心是模糊综合评价模型。

该模型将决策问题分解成多个指标，然后通过专家评分等手段，将指标值量化为模糊隶属度，并最终得到决策方案。

3. 遗传算法遗传算法是一种数学优化算法，常用于求解多目标决策问题。

该算法通过构建初始种群并通过选择，变异和交叉等操作，逐步优化问题求解过程，找到最优解。

三、应用多目标决策问题的应用非常广泛，几乎涉及到各个领域。

例如：1. 市场营销中的多目标定价问题，需要考虑市场需求、销量、利润等多个目标。

2. 金融投资中的多目标投资问题，需要考虑风险、收益、流动性等多个目标。

3. 生产制造中的多目标优化问题，需要考虑生产成本、产品质量、生产效率等多个目标。

总的来说，多目标决策问题是当今商业发展中不可避免的一个问题，解决好这个问题对于企业的发展和成功至关重要。

《多目标决策理论及方法》读书报告\第一部分：多目标决策理论及方法课程总结1 多目标决策理论方法概述1.1 多目标决策理论发展过程本课程全面系统的介绍了多目标决策理论与方法及其在水利水电规划与管理的应用，通过老师与同学的讲解和自学,掌握了解决多目标问题的基本理论，相信对以后解决研究过程中的基本问题会有很大的帮助。

多目标决策(Multiple Objective Decision Making)是现实生活、工程或管理中普遍存在的决策问题。

由于目标的增多,就产生了目标间的不可公度性,甚至矛盾性等特点,也导致了多目标决策问题求解的困难。

[1]系统方案的选择取决于多个目标的满足程度，这类决策问题称为多目标决策，或称为多目标最优化。

多目标决策方法是从20世纪70年代中期发展起来的一种决策分析方法。

决策分析是在系统规划、设计和制造等阶段为解决当前或未来可能发生的问题，在若干可选的方案中选择和决定最佳方案的一种分析过程。

在社会经济系统的研究控制过程中我们所面临的系统决策问题常常是多目标的，例如我们在研究生产过程的组织决策时，既要考虑生产系统的产量最大，又要使产品质量高，生产成本低等。

这些目标之间相互作用和矛盾，使决策过程相当复杂使决策者常常很难轻易作出决策。

这类具有多个目标的决策总是就是多目标决策。

多目标决策方法现已广泛地应用于工艺过程、工艺设计、配方配比、水资源利用、能源、环境、人口、教育、经济管理等领域。

多目标最优化问题最早是由意大利经济学家L.帕雷托在1896年提出来的，他把许多本质上是不可比较的目标化成一个单一的最优化目标。

1944年J.von诺伊曼和O.莫根施特恩又从对策论角度提出具有多个决策者并相互矛盾的多目标决策问题。

1951年T.C.考普曼从生产和分配活动分析中提出多目标最优化问题，并引入了帕雷托优化的概念。

1961年A.查纳斯和W.库珀提出目标规划。

1963年L.A.瑞特从控制论角度提出多指标问题的一些基本概念。

10、多目标决策▪在决策时，所考虑的目标通常不止一个；▪目标越多，决策的复杂程度也越高；▪在设定目标时应遵循以下原则：（1）尽量减少目标数剔除从属目标，将类似目标归类合并；通过构造综合函数形成综合目标（2）按重要性排列目标实现次序目标评价准则是能用数量大小来表示或衡量结果是否达到预定目标，或多大程度上达到预定目标的某种准绳或法则。

有时，对现有目标无法找到合适的评价准则，必须对其细分为多级子目标，对最下级的子目标建立评价准则。

▪单层目标体系所有目标均属同一层次，不须分解，可分别用单个准则加以衡量。

▪序列多层目标体系各目标按序列分解为下一级子目标，不同类子目标之间无相互影响▪非序列多层目标体系不同类子目标之间存在相互影响通过多轮专家咨询来构建目标准则体系；专家人数20-50书面反应（背靠背）。

Delphi法通过对多个专家意见进行统计处理，归纳和综合，然后进行多次信息反馈，使成员意见逐步集中，从而得出最终结果。

Delphi法的实施步骤（1）提出问题（2）选择并确定专家组成（3）制定第一个咨询表并发给专家（4）收集第一个咨询表并加以初步分析（5）制定第二个咨询表并发给专家（6）收集第二个咨询表并加以统计处理（7）制定第三个咨询表并发给专家（8）收集第三个咨询表并对新数据加以统计处理（9）准备最后的报告⏹层次分析法（Analytic Hierarchy Process通过确定优先权数对方案进行排序。

⏹当准则间的结构比较复杂且具有多个层次时，是准则归并最有效的方法之一⏹AHP的两大优势作用✓有效确定子目标或准则权重✓通过定性评估（总目标第一级目标第n级目标准则方案AHP的基本思路是根据准则对目标、以及方案对准则两两比较其优先权数（“根据优先权数得出各方案的综合评估。

子目标对上一级目标的重要性准则对目标的重要性方案对准则的优劣基本思想—m个物体相对重量矩阵重量向量⎢⎢⎢⎢⎣⎡=m m g g g g g g g g g g g g B //////1212111相对重量矩阵（已知）不难看出，有矩阵B 的特性biibijbij条件3实际上表示一种传递性，即若比C好n倍，则⎢⎢⎢⎢⎣⎡=m m g g g g g g g g g g g g B //////1212111 当矩阵零特征根λmax 的特征向量！相对重量矩阵（已知）故可通过求最大特征值对应的特征向量的方法由相对重量求出重量。