|
|
@@ -49,23 +49,46 @@ QString SchemePlanManager::descriptionOfAlgorithm(SchemePlanManager::Algorithm a
|
|
|
case NoAlg:
|
|
|
return "";
|
|
|
case PrincipalComponents:
|
|
|
- return "主成分分析法";
|
|
|
+ return "第一步，原始数据标准化。\n第二步，求指标数据间的相关系数矩阵R。\n第三步，求R阵的特征根、"
|
|
|
+ "特征向量和贡献率。\n第四步，确定主分量的个数K。\n第五步，用K个主分量排序。";
|
|
|
case Entropy:
|
|
|
- return "熵值法";
|
|
|
+ return "第一步，空值处理：指标值如果含有空值，则剔除整条数据。\n第二步，异常值处理：对于占比大于1的剔除（对特殊"
|
|
|
+ "指标占比除外），再分别计算每个指标下数据的均值和标准差，如果数据大于均值+3*标准差或小于均值-3*"
|
|
|
+ "标准差，则剔除整条数据。\n第三步，数据标准化。由于正向指标和负向指标数值代表的含义不同（正向指标数值越"
|
|
|
+ "高越好，负向指标数值越低越好），因此，对于高低指标用不同的算法进行数据标准化处理。\n第四步，计算指标值"
|
|
|
+ "相对强度的熵，根据信息量与熵成反比的关系求出信息量权重。";
|
|
|
case AHP:
|
|
|
return "第一步，产生评价值\n决策人构造评价矩阵A。A矩阵中，若因素i与因素j的比较判断值为a(ij)"
|
|
|
"，则因素i与因素j的比较判断值为a(ji)=1/"
|
|
|
- "a(ij)。\n第二步，本征向量法求解\n第三步，一致性检验\n第四步，方案排序";
|
|
|
+ "a(ij)"
|
|
|
+ "。\n第二步，本征向量法求解\n对于评价矩阵A和单位阵I以及权向量w，如果目标重要性判断矩阵A中的值估计正确，"
|
|
|
+ "则式(A-nI)"
|
|
|
+ "w严格等于零，即为n维零向量；如果A的值不够准确，则A中元素的微小摄动意味着本征值的摄动，再结合权重和等于1"
|
|
|
+ "可得到本征向量即权向量w。\n第三步，一致性"
|
|
|
+ "检验\n一致性指标CI(consistence "
|
|
|
+ "index)与与同阶矩阵的随机指标RI(random index)之比称为一致性比率CR(consistence "
|
|
|
+ "rate)，比率CR可用于判定能否接受矩阵A：若CR>0.1，说明A中各元素a(ij)的一致性太差，应重新估计；若CR<0."
|
|
|
+ "1，说明A中各元素a(ij)"
|
|
|
+ "的估计基本一致，这时求出的权值可用。\n第四步，方案排序\n若备选方案在各属性下的值已知，可以根据属性值和"
|
|
|
+ "权重排出方案的优先序。若备选方案在各目标下属性值难以量化时，通过在各目标下不同方案优劣的两两比较，求得"
|
|
|
+ "每个目标下各方案的优劣性，再计算方案的总体优劣性，根据总体优劣性的大小排出方案的优劣。";
|
|
|
case HWM:
|
|
|
- return "层次加权法";
|
|
|
+ return "在属性集满足独立性条件时，设定各个属性的权值，对每个方案求其各属性的加权和，以此进行综合，按综合值大小"
|
|
|
+ "进行优劣方案排序。\n在此基础上，利用递推概念，将有限方案的多属性决策问题分解为若干层次，构造第k+"
|
|
|
+ "1级的某个元素对第k级的某个元素z的优先函数。依此类推，就可推出相对于最上层的单个元素的最底层的元素的优先"
|
|
|
+ "序。";
|
|
|
case SPA:
|
|
|
- return "集对分析法";
|
|
|
+ return "第一步，将有关联的两个集合构造成一组集对，分析集对中集合的同一性、差异性和对立性。\n第二步，通过计算联"
|
|
|
+ "系度的大小来确定两集合的相似性。\n第三步，引入同异反向量模型，通过联系度排序得到最优方案。";
|
|
|
case MEA:
|
|
|
- return "物元分析法";
|
|
|
+ return "第一步，物元矩阵、经典域以及节域的确定和划分。\n第二步，计算指标对于各等级的关联函数。\n第三步，确定指"
|
|
|
+ "标权重、计算关联度。\n第四步，确定评定等级。";
|
|
|
case GCE:
|
|
|
- return "灰色聚类评估法";
|
|
|
+ return "第一步，根据定性分析，确定指标体系和各指标在指标体系中的权重。\n第二步，按照评估要求刻画灰类，选取阈值"
|
|
|
+ "。\n第三步，建立三角白化权函数。\n第四步，整理修改前后各指标的实现值，分别计算其属于各灰类的隶属度。\n"
|
|
|
+ "第五步，计算综合聚类系数，分析结果，作出合理判断。";
|
|
|
case WeightedSum:
|
|
|
- return "加权求和法";
|
|
|
+ return "第一步，求得各属性的权重与其对应的评价值的乘积。\n第二步，将结果相加得到综合评价值。";
|
|
|
}
|
|
|
}
|
|
|
|
Ulricy