分享兴趣，传播快乐，增长见闻，留下美好！亲爱的您，这里是LearningYard学苑。

还在决策结果不可靠而犯愁吗？想知道如何用MATLAB进行管理决策吗？今天小编为大家带来“VIKOR决策方法敏感性分析步骤与MATLAB代码实现”，一起来看看吧！

⚡ 多图预警！建议连接WIFI阅读！⚡

一、VIKOR决策算例

通过一系列方法融合和计算后得出如下图所示的实数得分矩阵：

根据VIKOR相关公式，方案1-方案4的Q值分别为：

0 0.6416 1.0000 0.5888

试对该结果进行敏感性分析。

二、决策机制系数扰动

（1）原理

在实际决策中，专家可能有不同的主观决策态度，进而采取不同的折衷系数v。随着v的变化，方案也会受到影响。刚才的结果是将决策机制系数v去0.5进行计算的，代表决策者对最大群体效用和最小个体遗憾的偏好值相同。而敏感性分析目的是将决策机制系数进行扰动，让它在[0,1]区间内变化数值，考虑决策者对S值和R值所有的偏好情况，更好地反映决策结果的稳定性和方案选择的可靠性。

（2）操作步骤

将折衷系数v以0.1为步长，在[0,1]内进行11次取值，通过扰动后Q的排序结果来判断之前决策的方案是否具有稳定性。

方法很简单，仅变化v值，其余值都不做变动，输入以下代码：

运行代码得到以下结果：

得到扰动后的结果后需要重新对Q值进行排序，因此输入以下代码：

运行后得到以下结果：

我们可以看出方案1的Q值始终最小，在受到决策者对最小个体遗憾和最大群体效用的偏好影响时，方案1具有充分的稳定性和可靠性。

三、属性权重扰动

（1）原理

属性权重代表评分者对某一项指标属性的偏好程度，可以将其看作是专家认为该指标的重要程度或对方案的影响程度。对属性权重进行扰动，可以测试最终方案是否容易受到权重变动的影响，以分辨该方案能否在未来突发情况下仍然适用。

（2）操作步骤

刚才扰动的是v值，该步骤扰动的是各属性的权重ω。将ω以0.05为步长，在[0,2]区间内进行取共41次取值。将权重按照以下公式进行扰动，得到ξ和k。

运行后得到以下结果：

扰动后的ω结果为164×4的矩阵：

根据扰动后的ω矩阵计算新的Q值排序，除开头结尾稍作变化，中间的代码基本按照原来的运行。

计算排序后的结果：

根据结

运行后，结果显示如下：

方案1的Q值有156次排序第一，8次第二，方案3的Q值有8次排第一，其他方案的Q值没有排第一的情况。因此可以判断方案1具有充分的稳定性。

英语学习‍‍

In actual decision-making, experts may have different subjective decision-making attitudes and thus adopt different tradeoff coefficients V. As v changes, the solution will be affected. The result above is calculated with the decision-making mechanism coefficient v to 0.5, which represents the same preference value of decision-makers for the maximum group utility and the minimum individual regret. The purpose of sensitivity analysis is to perturb the coefficient of decision-making mechanism and make it change its value in the interval [0,1], taking into account all the preferences of decision-makers for S value and R value, so as to better reflect the stability of decision-making results and the reliability of scheme selection.

本期的分享就到这里，如果您对今天的文章有独特的想法，欢迎给我们留言，让我们相约明天，祝您今天过得开心快乐！

本文由LearningYard学苑原创，仅代表作者个人观点，如有侵权请联系删除。

翻译参考来源：有道翻译。

【感谢阅读】