多準則決策

多準則決策分析(Multi-Criteria Decision-Making, MCDM)的主要決策模式中，決 策者必須考量多個面向的變數，一改傳統只思考單一準則的決策方法。Keeney and Raiffa (1976)發展了多屬性效用理論起源於 Koopmans 所提出有效向量的觀念(Zeleny, 1982)，發展至今已有許多研究及決策者將其應用於設計、選擇或評估方面的問題。

管理的決策領域中，決策者所處理的問題經常是包含多重評估準則的，而這些準則卻 往往都是互相衝突的。多準則決策是可以幫助決策者在有限的可行方案中，根據每一 方案的屬性特徵，從可行的方案之中，將各個方案做優劣排序，評估和選擇符合決策 者理想的方案(Yoon & Hwang, 1985)。選擇最佳的多準則決策方法本身就是個多準則 決策問題。

多準則決策根據決策方案是有限還是無限，分為多屬性決策(Multi-Attribute Decision Making, MADM)與多目標規劃 (Multi-Objective Programming, MOP)。常用的 多目標方法有以下：

(1)「目標規劃法(Goal programming)」(Charnes, Cooper, & Rhodes, 1957)。

(2)「多屬性效用理論(MAUT)」(Keeney & Raiffa, 1976)。

目標規劃法(Goal programming)為企業制定策略時經常碰到多目標決策的問題，

要規劃多個目標，並且選擇適合的方案並不容易。目標規劃是線性規劃的一種特殊應 用，能夠處理單個主目標與多個次目標並存，以及多個主目標與多個次目標並存的問 題，該方法由美國學者Charnes & Cooper 在 1961 年首次提出。其缺點是缺乏系統性 的方法來設定多個目標之先後順序，也無法計算各目標及準則之間的交互損益 (trade-off)。

多屬性效用理論(Multi-Attribute Utility Theory, MAUT)是由效用理論發展而來，

效用理論的基礎及其基本定量公理是由von Neumann & Morgenstern 所建立(Neumann

& Morgenstern, 1944)。當決策的事情需考量多種目標時，因此多屬性效用理論就是被 發展來解決這方面的問題。MAUT 由期望效用觀念發展而出，也就是效用函數能以 各種效用值之期望值表示。期望效用之函數成立需假設偏好關係滿足不相等機率 (unequal probability) 、 連 續 性 (continuity) 、 獨 立 性 (independence) 、 完 整 性 (complete-ordering)、複合性(compound-lottery)等公理。

至今發展出的多屬性決策方法眾多，每個方法依據的理論有所不同，而(Lahdelma, Salminen, & Hokkanen, 2000)將其所運用的決策模型分為二類：第一類是以價值或效 用函數為基礎的方法。第二類是以優勢排序為基礎的方法。常見的如下：

(1)「選擇法(ELECTRE)」(Bernard, 1968) (2)「層級分析法(AHP)」(Saaty, 1977)

(3)「理想解類似度偏好順序評估法(TOPSIS)」(Huang &Yoon，1981)。

選 擇 法(elimination et choice translating reality method, ELECTRE) 最 初 由 Benayoun et al.,(1966)等人提出構想，再經由Roy et al.,(1981)加以改良而成。ELECTRE 最主要的概念是處理方案和方案間使用準則，建立方案和方案間的優勢關係以淘汰較 差的方案。該方法會更加廣為人知，是由於Bernard Roy發表ELECTRE在法國運籌學 的一份期刊。Bernard Roy是舉世公認的ELECTRE法之父，該方法是在法國決策學派 中 最 早 被 使 用 的 方 法 之 一 。ELECTRE 方 法 是 一 種 利 用 「 超 越 關 係(Outranking Relationship)」及「最小優勢方案(Minimal Dominating Subset)」建立方案間之相關性 及淘汰較差之方案，並縮小所要選取之方案數來進行多屬性決策分析的方法(Hwang

& Yoon, 1981)。所謂超越關係Ai Aj即為方案i優於方案j之意。

層級分析法(The analytic hierarchy process，簡稱 AHP)(Saaty, 1977)，在 1970 年代 起由美國賓夕法尼亞大學的數學家托馬斯·塞蒂(Saaty, T. L.)正式提出，它是一種定性 和定量相結合的、系統化、層次化的分析方法。Saaty (1980)提到層級分析法的特色 為將任何複雜、多變化、多準則等的決策問題，透過對該問題之專業人士或有經驗的 人員予以層級化。將不同層級分解後，以1~9 的尺度對各評估準則間相對權重做成對 比較，計算各評估準則間權重，以提供決策者選擇適當方案。決策問題具有多準則的 特性，層級分析法主要優點是決策者可以在考慮各重要因素後再制定決策，提供一個 全面性思考的決策架構。AHP 方法包括四個步驟：第一，發展層級的結構；第二，

分配不同層級的相對重要性，各選擇準則不同因素的評價標準；第三，排名每個標準 的替代；第四，排名每個替代的貢獻度作為評價標準。層級分析法提供了一個高度靈 活的方法建構決策模型。

網路層級分析法(Analytic Network Process, ANP)是由層級分析法演變而來，ANP 是將AHP加上回饋(feedback)機制，Satty用回饋方法來取代1980年在Analytic Hierarchy Process一書中所提及的層級綱，兩者皆以有系統的方式達成決策制定(Saaty, 1996)。

其目的在於透過比例尺度獲取並預測所有準則、目標、方案兼精確的內部關係，甚至 用來做最佳決策。由於AHP的普遍與方便性的常見軟體，因此本研究選擇AHP法。

TOPSIS(Technique for Order Preference by Similarity to Idea Solution)理想解類似 度順序偏好法是由Hwang and Yoon (1981)所提出，其主要之概念便是利用近似解 (compromise solution)之概念，所發展出的方法。一般很難使每個目標都達到最佳化，

作出各面向都很滿意的決策。因此多目標決策實質上是在各種目標之間和衝突上產生 妥協。在評估可行方案時，事實上所考慮的並非單一目標，而是多元目標，並且盡可 能的多方衡量，以期獲得最滿意之結果。

由於多目標決策屬於多準則決策的一種，而多目標決策方法則是以無限多個可行 方案下，進行決策考量的作法，在此我們認為企業提出的候選專案並非無限多個，必 須符合企業本身策略目標，因此本研究將不採用此方法，而選擇多屬性決策方法。