多目标方案优选的有效方法

（1）传统多目标优选方法

多目标决策萌芽于19世纪70年代左右，意大利著名经济学者Pareto提出的“Pareto最优原则”帮助人们形成了多目标决策有效解的概念雏形；之后的20年中，多目标决策关于向量极值、效用函数等数学理论发展快，是多目标决策的形成和初步发展阶段。化多为少法、目标规划法、层次分析法（AHP）等传统多目标优选方法具有类似的假设前提和分析思路：在各目标属性互不影响且其值具备完全可补偿性的前提下，首先确定决策矩阵的数值以及各目标权重，再以某一单个属性为评价依据对各方案进行优劣排序并进行基于偏好值的完全排序。

以层次分析法为例，其基本原理是在将问题层次化的前提下，在该层内将问题拆分为若干个影响因素，从而形成多层次的分析结构模型，最终把系统分析归结为最底层相对于最高层的相对重要性权值的确定问题（程理民、吴江、张玉林，2000）[258]。作为系统性的分析方法，层次分析法由于其易于理解、操作行强、所需定量数据信息少的特点，在实际中被广泛运用于各个领域；但同时定量数据少伴随着定性成分高的特点，使得最终多目标方案的排序可信度低。

（2）现代多目标优选方法

19世纪80年代后，随着各类计算方法的使用化和软件化，多目标决策的实践逐渐深入实际，但在这个过程中人们却发现传统的多目标决策理论存在缺陷，因此越来越多的学者提出了自己的看法（陈秉正、岑天，1995）[259]。此后，模糊综合评价法、数据包络分析法和理想点评价法等现代多目标优选方法逐渐被学者们提出。(www.xing528.com)

模糊综合评价法。一种基于模糊数学的方法，能够将定性评价转换为定量评价。在完成评价指标构建的基础上，首先进行权重向量的构建；再根据研究目标建立隶属函数，从而获得评价矩阵；最后按照合成因子数值进行合成，并对结果向量进行解释。该法采用精确的数字方法，处理具有模糊特征的资料，最终得到包含丰富信息的矢量结果，既能保证结果的准确描述，又可进行二次加工；但该法并不适用于指标较多的情况，且操作繁琐计算复杂的特点大大影响了其法的实用性。

数据包络分析法。Charnes et al.（1981）[260]最早提出了数据包络分析法，并在1981年将其运用在弱智儿童公立学校的评估中，最终得到可以反映大规模社会实验的描述。此法根据输入指标和产出指标，对具有相同性质的决策单元进行优劣评价。在决策单元中，采用DEA法进行研究时无须实现设定指标权重且不必确定各输入输出之间的显示表达式，相较其他方法具有较高的客观性。但DEA对异常值相当敏感，基于不稳定的数据包络曲线所能够得出的处理结果也是不稳定的。

TOPSIS法。Hwang and Yoon（1981）[261]首次提出了逼近理想点法，是在现有对象中根据评价对象与理想化目标的接近程度进行排序的方法，其中理想化目标包括最优目标和最劣目标。在获得决策矩阵的基础上确定各指标权重，得到加权后的规范矩阵后确定正负理想解，最后根据各方案到正负理想解的距离进行优选排序。TOPSIS法与传统方法相比，无需将多个目标函数转化为单一的目标函数，能够充分的利用原始数据信息；与现代方法相比，原理清晰、计算简便，且对数据分布、样本含量、指标选取等没有严格要求；同时本文的研究内容是基于低碳建筑的多目标方案优选，注重各方案之间的差异，且部分数据存在估算和预测的情况，故选择TOPSIS法作为本章的研究方法。