14、资源聚合决策模型与工作流调度策略研究

资源聚合决策模型与工作流调度策略研究

1 资源聚合决策模型

1.1 Promethee决策模型

Promethee决策模型的应用需满足一定前提，决策者可自由设定偏差的显著程度以确定偏好关系。该模型基于每个备选方案需与其他 m - 1 个方案对比的事实，计算出排序流，包括正排序流 φ +(a) 和负排序流 φ -(a)。正排序流表示一个方案优于其他方案的次数，其值越高越好；负排序流表示一个方案被其他方案优于的次数。

Promethee决策辅助工具有至少两个版本：Promethee I 提供正、负排序流；Promethee II 通过计算净排序流 φ(a) = φ +(a) - φ -(a) 得出最终排名，净流值越高，方案越优。在相关研究中，因需要对备选方案进行完整排名，所以采用了 Promethee II。

1.2 多属性效用理论（MAUT）

多属性效用理论（MAUT）是一类参数化决策辅助工具，充分利用每个候选方案在各种决策标准下的得分值。它基于偏好理论，假设在备选方案的选择集上存在二元偏好关系 ≻。

对于每个标准，可客观观察到最佳和最差得分值，且标准值之间存在普通关系，二元偏好关系可按以下方式推导：
对于备选方案 a 的每个标准 j，权衡得分值 cj(a) 与该标准最差值之间的偏差，并将其与最佳和最差评估值之间的偏差进行比较。

备选方案的估值通过对每个标准内的相对估值求和来计算，公式如下：
[U(a) = \sum_{j=1}^{n} \frac{c_j(a) - worst(c_j(\cdot))}{best(c_j(\cdot)) - worst(c_j(\cdot))