版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、第七章 多屬性決策分析 決策指標(biāo)的標(biāo)準(zhǔn)化 決策指標(biāo)權(quán)重的確定 加權(quán)和法 加權(quán)積法 Topsis法 Electre 法(不講) Promethee法(不講)第一節(jié) 多屬性決策的準(zhǔn)備工作多屬性決策的準(zhǔn)備工作包括:決策問題的描述、相關(guān)信息的采集(即形成決策矩陣)、決策數(shù)據(jù)的預(yù)處理和方案的初選(或稱為篩選)。一、決策矩陣 經(jīng)過對(duì)決策問題的描述(包括設(shè)立多屬性指標(biāo)體系)、各指標(biāo)的數(shù)據(jù)采集,形成可以規(guī)范化分析的多屬性決策矩陣。(困難,列方程和解方程的關(guān)系,理論和實(shí)踐之間的關(guān)系) 設(shè)有n個(gè)決策指標(biāo)fi(1jn),m個(gè)備選方案ai 1im),m個(gè)方案n個(gè)指標(biāo)構(gòu)成的矩陣X=(xij)mn稱為決策矩陣。決策矩陣是
2、規(guī)范性分析的基礎(chǔ)。 決策指標(biāo)分兩類:效益型(正向)指標(biāo),數(shù)值越大越優(yōu);成本型指標(biāo)(逆向指標(biāo)),數(shù)值越小越優(yōu)。指標(biāo)Xj替 代 方 案Ai期望利潤(萬元)產(chǎn) 品 成品率(%)市 場 占有率(%)(萬元)投資費(fèi)用產(chǎn) 品 外觀自 行 設(shè) 計(jì)(A1)6509530110美 觀國 外 引 進(jìn)(A2)7309735180比 較 美觀改 建(A3)520922550美 觀為了直觀,也可以輔助于決策表二、決策指標(biāo)的標(biāo)準(zhǔn)化指標(biāo)體系中各指標(biāo)均有不同的量綱,有定量和定性,指標(biāo)之間無法進(jìn)行比較。將不同量綱的指標(biāo),通過適當(dāng)?shù)淖兓?,化為無量綱的標(biāo)準(zhǔn)化指標(biāo),稱為決策指標(biāo)的標(biāo)準(zhǔn)化,又叫數(shù)據(jù)預(yù)處理。有三個(gè)作用:1)變?yōu)檎蛑笜?biāo)2
3、)非量綱化,消除量綱影響,僅用數(shù)值表示優(yōu)劣3)歸一化,把數(shù)值均轉(zhuǎn)變?yōu)?,1區(qū)間上,消除指標(biāo)值標(biāo)度差別過大的影響。下面介紹幾個(gè)常用的預(yù)處理方法。在決策中可以根據(jù)情況選擇一種或幾種對(duì)指標(biāo)值進(jìn)行處理。指標(biāo)的標(biāo)準(zhǔn)化可以部分解決目標(biāo)屬性的不可公度性。1、向量歸一化)的歐式距離的場合。(如理想點(diǎn)和負(fù)理想點(diǎn)與某種虛擬方案向,常用于計(jì)算各方案本方法不改變屬性的方。,即列向量的模為并且每列的平方和等于陣。顯然稱為向量歸一標(biāo)準(zhǔn)化矩則矩陣中,令設(shè)決策矩陣11, 10)()1 ,1 (,)(12ijnmijmiijijijnmijyyYnjmixxyxX2、線性比例變化法。一定為為最優(yōu)值,但最劣值不正向指標(biāo),化為,并
4、且正、逆向指標(biāo)均經(jīng)過變換之后,均有陣。稱為線性比例標(biāo)準(zhǔn)化矩矩陣則,取對(duì)于逆向指標(biāo)則,取中,對(duì)于正向指標(biāo)設(shè)決策矩陣0110)()1 ,1 (,min)1 ,1 (, 0max)(*1*1*ijnmijijjijijmijjjijijijmijjnmijyyYnjmixxyxxfnjmixxyxxfxX3、極差變換法變換。稱標(biāo)準(zhǔn)這是一個(gè)線性變換,又為最劣值。為最優(yōu)值,正向指標(biāo),化為,并且正、逆向指標(biāo)均經(jīng)過變換之后,均有陣。稱為極差變換標(biāo)準(zhǔn)化矩矩陣則,取對(duì)于逆向指標(biāo)則,取中,對(duì)于正向指標(biāo)設(shè)決策矩陣100110)()1 ,1 (,max,min)1 ,1 (,min,max)(*11*11*ijnmi
5、jjojijojijijmiojijmijjojjojijijijmiojijmijjnmijyyYnjmixxxxyxxxxfnjmixxxxyxxxxfxX4、標(biāo)準(zhǔn)樣本變換法。,方差為矩陣每列的均值為經(jīng)過變化之后,標(biāo)準(zhǔn)化。稱為標(biāo)準(zhǔn)樣本變換矩陣矩陣樣本均方差其中,樣本均值中,令設(shè)決策矩陣10)()(11,1)1 ,1 (,)(121nmijmijijjmiijjjjijijnmijyYxxmsxmxnjmisxxyxX5、定性指標(biāo)的量化處理如一些可靠性、滿意度等指標(biāo)往往具有模糊性,可以將指標(biāo)依問題性質(zhì)劃分為若干級(jí)別,賦以適當(dāng)?shù)姆种?。一般可以分?級(jí)、7級(jí)、9級(jí)等。見例71 P208三、決策指
6、標(biāo)權(quán)的確定多屬性決策問題的特點(diǎn),也是求解的難點(diǎn)在于目標(biāo)間的矛盾性和各目標(biāo)的屬性的不可公度。不可公度性通過決策矩陣的標(biāo)準(zhǔn)化處理得到部分解決;解決目標(biāo)間的矛盾性靠的是引入權(quán)(weight)這一概念。權(quán),又叫權(quán)重,是目標(biāo)重要性的度量。權(quán)的概念包含并反映下列幾重因素:決策人對(duì)目標(biāo)的重視程度;各目標(biāo)屬性的差異程度;各目標(biāo)屬性的可靠程度確定權(quán)重是非常困難的,因?yàn)橹饔^的因素,權(quán)重很難準(zhǔn)確。確定權(quán)的方法有兩大類:主觀賦權(quán)法:根據(jù)主觀經(jīng)驗(yàn)和判斷,用某種方法測定屬性指標(biāo)的權(quán)重;客觀賦權(quán)法:根據(jù)決策矩陣提供的評(píng)價(jià)指標(biāo)的客觀信息,用某種方法測定屬性指標(biāo)的權(quán)重。兩類方法各有利弊,實(shí)際應(yīng)用時(shí)可以結(jié)合使用。下面介紹幾種常用
7、的確定權(quán)的方法1、相對(duì)比較法相對(duì)比較法是一種主觀賦權(quán)法。將所有指標(biāo)分別按行和列,構(gòu)成一個(gè)正方形的表,根據(jù)三級(jí)比例標(biāo)度,指標(biāo)兩兩比較進(jìn)行評(píng)分,并記入表中相應(yīng)位置,再將評(píng)分按行求和,最后進(jìn)行歸一化處理,得到各指標(biāo)的權(quán)重。), 2 , 1(, 1, 5 . 0,)(, 0, 5 . 0, 1,11121niaafaaaaAffffffaafffnninjijnjijiijiijiinmijjijijiijijn的權(quán)重系數(shù):指標(biāo)顯然評(píng)分值構(gòu)成矩陣不重要時(shí);比當(dāng)同樣重要時(shí);比當(dāng)重要時(shí);比當(dāng):三級(jí)比例標(biāo)度的含義是設(shè)為對(duì)比較評(píng)分,其分值按三級(jí)比例標(biāo)度兩兩相個(gè)決策指標(biāo)設(shè)有例72 P210使用本方法時(shí)要注意:1
8、、指標(biāo)之間要有可比性;2、應(yīng)滿足比較的傳遞性(一致性)。2、連環(huán)比較法(古林法)連環(huán)比較法也是一種主觀賦權(quán)法。以任意順序排列指標(biāo),按順序從前到后,相鄰兩指標(biāo)比較其相對(duì)重要性,依次賦以比率值,并賦以最后一個(gè)指標(biāo)的得分值為1;從后往前,按比率依次求出各指標(biāo)的修正評(píng)分值;最后進(jìn)行歸一化處理,得到各指標(biāo)的權(quán)重。), 2 , 1(,)4() 1, 2 , 1(, 1) 3(; 1) 1, 2 , 1(, 1)(),21 (2)(),31 ( 3) 1, 2 , 1()2(,) 1 (,111112121nikknikrkrkfrniffffffrnirfffnfffnniiiiiiiinnniiiiii
9、iinn標(biāo)的權(quán)重,即歸一化處理,求出各指值:計(jì)算各指標(biāo)的修正評(píng)分根據(jù)修正值賦以計(jì)算各指標(biāo)的修正值。同樣重要。和當(dāng);或相反較重要比當(dāng);或相反重要比當(dāng)?shù)谋嚷手担嚷手掂弮芍笜?biāo)相對(duì)重要程度從前到后,依次賦以相;,不妨設(shè)為個(gè)指標(biāo)以任意順序排列將個(gè)決策指標(biāo)設(shè)有例73 P211本方法容易滿足傳遞性,但也容易產(chǎn)生誤差的傳遞。3、特征向量法應(yīng)用前兩種方法時(shí),如果目標(biāo)屬性比較多,一旦主觀賦值一致性不好時(shí)也無法進(jìn)行評(píng)估。為了能夠?qū)σ恢滦钥梢赃M(jìn)行評(píng)價(jià),Saaty引入了一種使用正數(shù)的成對(duì)比較矩陣的特征向量原理測量權(quán)的方法,叫做特征向量法。這種方法在層次分析法(AHP)采用,也可以用在其他多屬性決策。下面我們講解一下原
10、理。nnnnnnnaaaaaaaaaAAnfffn21222211121121)( :,是判斷矩陣注意,不是決策矩陣,得矩陣兩比較,個(gè)指標(biāo)的重要性進(jìn)行兩決策者對(duì)個(gè)決策指標(biāo)設(shè)有3.1 權(quán)重的求解思路假設(shè)各屬性真實(shí)的權(quán)重是nnnnnnnnnnnnaaaaaaaaaAA212221212111212222111211:有下面的關(guān)系是完全準(zhǔn)確的話,一定如果矩陣1),(121niiTnWjkikijjiijaaaaankji,1, 2 , 1,都有性質(zhì):并且對(duì)于任意是正的,反矩陣,即所有元素都這就是所謂一致性正互的特征向量。對(duì)應(yīng)正是最大特征值的最大特征值,而是矩陣這里有下面的關(guān)系是完全準(zhǔn)確的話,一定如果
11、矩陣得乘以nWAnnWnAWAWAnnnnnnnnTn212121222121211121:),(因此權(quán)重向量 的求解方法:W用冪法原理求矩陣A的最大特征值及其對(duì)應(yīng)的特征向量。算術(shù)平均法。對(duì)于一個(gè)一致的判斷矩陣,它每一列歸一化后,就是相應(yīng)的權(quán)重向量;當(dāng)判斷矩陣不太一致時(shí),每一列歸一化后就是近似的權(quán)重向量,可以按行相加后再歸一化(相當(dāng)算術(shù)平均值)。1)將判斷矩陣按列歸一化(即使列和為1):2)按行求和得一向量:3)再向量歸一化:所得 即為A的特征向量的近似值,也就是權(quán)重。ijijijaabjijibWniWiiii,2 , 10),2 , 1(0niWiniiiiinjjijinjjijiTnj
12、jnjnjjjnjjjAWnAAWiAWaAWniaaaaAWWAW1maxmaxmax11max11211max)(1)(,)(), 2 , 1(,),(,可以取算術(shù)平均值,即可能值并不完全相同,得到的不一定是完全一致的,由于,個(gè)分量,于是的第表示向量記故有而4)求A的最大特征值max幾何平均法。對(duì)于一個(gè)一致的判斷矩陣,按行求幾何平均值得到的向量是和權(quán)重向量成固定比例的,歸一化后就是近似的權(quán)重向量。1)將矩陣A按行求幾何平均值:2)對(duì)向量 歸一化,令所得 即為A的特征向量的近似值,也就是權(quán)重。3)按 求最大特征值。nnjijia1Tn),(211),(21nWniiiii,2 , 1 nii
13、iAWn1max)(1為正矩陣。,則稱如果:設(shè)矩陣定義AnjiaaAijnnij), 2 , 1,( , 0,)(13.2 一致性檢驗(yàn)為互反正矩陣。則稱如果:對(duì)于正矩陣定義AnjiaanjiaaAjiijiinnij)., 2 , 1,( ,1)2();, 2 , 1,( , 1) 1 (,)(2為一致性矩陣。則稱如果:對(duì)于正矩陣定義AnkjiaaaaAjkikijnnij)., 2 , 1,( ,)(3的一致性。判斷矩陣因此可以用最大特征值;并且其他特征值為征值而一致性矩陣的最大特,值互反正矩陣的最大特征Annn)(0,maxmaxmax則修改判斷矩陣。時(shí),接受判斷矩陣,否當(dāng)?shù)谋戎担涀髋c同
14、階的是一致性指標(biāo)一致性比率的平均一致性。因此,表示隨機(jī)矩陣一致性指標(biāo)為了可比性,引入隨機(jī)越大一致性越差。令一致性指標(biāo)1 . 0.)(),(.1.)(maxRCIRICRCIRICratioyconsistencindexrandomIRICnnICindexyconsistenc3.3 判斷矩陣的構(gòu)造 19標(biāo)度法則標(biāo)度方法。教授建議用的發(fā)明者個(gè)屬性的重要程度。個(gè)屬性相對(duì)第代表第一個(gè)判斷矩陣:個(gè)屬性,兩兩比較形成設(shè)決策問題有91)(SaatyAHPjiaaAnijnnij得到判斷矩陣后的第一步是要進(jìn)行一致性檢驗(yàn),只有通過檢驗(yàn),計(jì)算的權(quán)向量才有價(jià)值。詳細(xì)內(nèi)容參考教材p166p180案例4、最小加權(quán)
15、法 又稱最小二乘法,是Chu等人提出的,它涉及線性代數(shù)方程組解集,而且從概念上比Saaty的特征向量法更容易理解。是拉格朗日乘數(shù)。其中,維的無約束極值。求極值,變成這樣就可以對(duì),拉格朗日函數(shù)為:為了求多元極值下列優(yōu)化問題得到:解的特征,權(quán)重可以通過中元素具有的矩陣考慮到1) 1(2)(, 0, 1. .)(minSaaty11121112nLaLzNitsazaAninjniiijijiniininjijijjiij的值。和方程組可以求出給定參數(shù)元非齊次線性方程組:得令的一階偏導(dǎo)數(shù)為零,和對(duì)分別令,一階偏導(dǎo)數(shù)為的極值,令求iijniinjljljilniililllninjniiijijaNl
16、aaanLNlLLaL,01, 0)()(1, 0)(0) 1(2)(1111112注意:本方法同樣要求判斷矩陣的一致性。5、信息熵法 信息熵法是一個(gè)客觀的賦權(quán)法,根據(jù)決策矩陣所具有的信息量來賦權(quán)。 如果某一個(gè)屬性(準(zhǔn)則)的值對(duì)所有的方案都差不多,那么這個(gè)屬性對(duì)于決策來講作用就不大,即便是這個(gè)屬性很重要。如何測定這種效應(yīng)呢? 在信息學(xué)中,熵是不確定性的一個(gè)指標(biāo),用概率分布來表示,它認(rèn)為一個(gè)廣泛的分布比具有明顯峰值的分布表示更不確定。Shannon給出的表達(dá)方法如下:njjnjjjnPPPkPPPE11211log),(其中其中k是正的常數(shù)。當(dāng)所有的Pi都相等時(shí),即Pi=1/n,熵值最大。指標(biāo)值
17、的差異越小,對(duì)方案的評(píng)價(jià)作用越低,權(quán)重應(yīng)該減小。nmijijxXnjmixnm)(), 2 , 1;, 2 , 1(決策矩陣個(gè)屬性,屬性值為個(gè)方案,設(shè)決策問題有按列可以計(jì)算熵。所以對(duì)于每個(gè)屬性,每列由于理,得并按列進(jìn)行歸一化處化矩陣標(biāo)準(zhǔn)化處理,得到標(biāo)準(zhǔn)作或極差變換法用線性比例變換法對(duì)決策矩陣, 1, 10), 2 , 1;, 2 , 1(,)()()() 1 (11miijijmiijijijnmijnmijppnjmiyypyYxX), 2 , 1(,log)2(1njppkejmiijmijj個(gè)屬性的熵按列計(jì)算第,權(quán)重相對(duì)就要大。較大,對(duì)決策作用就大差別越大說明指標(biāo)值之間的差異系數(shù)和熵相反
18、,值個(gè)屬性的差異系數(shù)計(jì)算第), 2 , 1(,1)3(njeggjjjj。實(shí)際權(quán)重進(jìn)行決策分析為觀的權(quán),本權(quán)重可以作如果決策者事先沒有主個(gè)屬性的權(quán)重為確定權(quán)重。第), 2 , 1(,)4(1njggjnjjjj。得到的新權(quán)應(yīng)該更有效進(jìn)行修正:可以根據(jù)得到的客觀權(quán)觀的權(quán)如果決策者已經(jīng)有了主), 2 , 1(,)5(10njnjjjjjjj6543214321550 . 5200018002 . 2775 . 4210020008 . 1535 . 6180027005 . 2955 . 5200015000 . 2)(XXXXXXAAAAD如下:假設(shè)都是正向指標(biāo)例:設(shè)某決策矩陣654321432
19、1411923. 025. 02326. 02530. 02250. 02588. 02692. 035. 02093. 02658. 02500. 02118. 01923. 015. 03023. 02278. 03375. 02941. 03462. 025. 02558. 02530. 01875. 02353. 0,XXXXXXAAAAPxxpiijijij進(jìn)行變換得:使用X1X2X3X4X5X6EjDjj0.94460.00540.06490.98290.01710.20550.99890.00110.01330.99310.00690.08290.97030.02970.3570
20、0.97700.02300.2764分別計(jì)算每個(gè)屬性的熵、差異系數(shù)和標(biāo)準(zhǔn)化權(quán)重:可見,X5的權(quán)重最大,X3的權(quán)重最小。觀察其變化。修正以后得:通過的主觀權(quán)重如果決策者已經(jīng)有預(yù)先)4199. 0 ,3616. 0 ,0420. 0 ,0067. 0 ,1041. 0 ,0657. 0()3 . 0 , 2 . 0 , 1 . 0 , 1 . 0 , 1 . 0 , 2 . 0(010njjjjjj第二節(jié) 多屬性決策方法1、標(biāo)準(zhǔn)水平法由于多屬性決策時(shí),屬性間具有不可替代性,決策人對(duì)部分或全部屬性可能設(shè)定標(biāo)準(zhǔn)水平要求。有兩種方式:1)聯(lián)合法決策者設(shè)立了必須接受的最小屬性值(標(biāo)準(zhǔn)等級(jí)),任何不滿足最小
21、屬性值的方案都被否定,這種方法叫聯(lián)合法。關(guān)鍵點(diǎn)在于標(biāo)準(zhǔn)等級(jí)(也叫閾值)的設(shè)定,要適當(dāng)。如:考研單科設(shè)限、招收新員工、評(píng)定職稱2)分離法分離法評(píng)價(jià)方案是建立在最大的一個(gè)屬性值上,達(dá)到標(biāo)準(zhǔn)的方案就接受。如:高考特招生、選拔足球運(yùn)動(dòng)員(在防守、速度特長)特點(diǎn):屬性間不可補(bǔ)償在實(shí)踐中被大量應(yīng)用可以保證任何在某方面特別差的個(gè)體或方案不被選入只需分出接受或不接受特點(diǎn):在實(shí)踐中被大量應(yīng)用可以保證所有個(gè)體或方案在某方面有特長2、字典法本方法類似查字典。對(duì)于一些決策情形下,單個(gè)的屬性在決策中的作用很顯著,甚至在最重要的屬性上就可以進(jìn)行決策。在最重要屬性上,如果某個(gè)方案對(duì)于其他方案有較高的屬性值,該方案就被選擇,
22、決策結(jié)束;如果在最重要的屬性上不能區(qū)分優(yōu)劣,就以第二重要的屬性來進(jìn)行比較;這個(gè)過程可以進(jìn)行進(jìn)行,直到一個(gè)方案被選中或所有的屬性都被考慮過。如:高校招生,按高考成績排序,同樣成績者,優(yōu)秀三好生優(yōu)先。特點(diǎn):本方法需要對(duì)屬性的重要性排序有可能漏掉更好的方案,如對(duì)高考的批評(píng)??赡艿母倪M(jìn)是不會(huì)因?yàn)閷傩灾德愿咭稽c(diǎn)就被認(rèn)為更好。3、簡單線性加權(quán)法P212是一種最常用的多屬性決策方法。方法是先確定各決策指標(biāo)的權(quán)重,再對(duì)決策矩陣進(jìn)行標(biāo)準(zhǔn)化處理,求出各方案的線性加權(quán)均值,以次作為各方案排序的判據(jù)。注意:標(biāo)準(zhǔn)化時(shí),要把所有指標(biāo)屬性正向化。步驟:1)用適當(dāng)?shù)姆椒ù_定各屬性的權(quán)重,設(shè)權(quán)重向量為1,),(121njjTn
23、W其中3)求出各方案線性加權(quán)指標(biāo)值), 2 , 1(,1miyunjijji4)選擇線性加權(quán)指標(biāo)值最大者為最滿意方案njijjmiimiyuau111*maxmax)(例74 P212且指標(biāo)都是正向指標(biāo)。陣為作標(biāo)準(zhǔn)化處理,標(biāo)準(zhǔn)矩對(duì)決策矩陣,)()()2nmijnmijyYxX注意:1)簡單線性加權(quán)法潛在的假設(shè)是各屬性在偏好上獨(dú)立,即單個(gè)屬性值對(duì)于整體評(píng)價(jià)的影響與其他屬性值相互獨(dú)立。如籃球運(yùn)動(dòng)員身高和體重不是相互獨(dú)立的。2)權(quán)重設(shè)定的不可靠。如一個(gè)權(quán)重是0.1,另一個(gè)是0.4,多達(dá)4倍的關(guān)系,是否真正合理?3)假設(shè)多個(gè)屬性的效用可以分解成單個(gè)屬性的效用。如籃球運(yùn)動(dòng)員身高和體重需要相匹配。4)但是
24、理論推導(dǎo)、仿真計(jì)算和經(jīng)驗(yàn)判斷都表明,簡單加權(quán)法與復(fù)雜的非線性形式產(chǎn)生的結(jié)果很相似,而前者有簡單多的理解和使用特點(diǎn),因此得到普遍的應(yīng)用。4、理想解法(TOPSIS法)P213由Yoon和Hwang開發(fā),又稱逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution)這種方法通過構(gòu)造多屬性問題的理想解和負(fù)理想解,以方案靠近理想解和遠(yuǎn)離負(fù)理想解兩個(gè)基準(zhǔn)作為方案排序的準(zhǔn)則,來選擇最滿意方案。理想解:就是設(shè)想各指標(biāo)屬性都達(dá)到最滿意值的解;負(fù)理想解:就是設(shè)想各指標(biāo)屬性都達(dá)到最不滿意值的解。理想解和負(fù)理想解一般都是虛擬的方案可以將m各方案n個(gè)屬性的多屬性決策問題視作在n維空間中的m個(gè)點(diǎn)構(gòu)成的幾何系統(tǒng)中進(jìn)行處理,此時(shí)所有的方案都看成該系統(tǒng)的解。為了直觀起見,用兩個(gè)屬性的決策空間:圖中A*為理想解,A為負(fù)理想解各方案接近理想解和遠(yuǎn)離負(fù)理想解的測度:貼近度。貼近度涉及到理
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024版商業(yè)空間改造裝修合同違約賠償標(biāo)準(zhǔn)及條款3篇
- 2024版廢棄家具回收處理合同范本3篇
- 2024年度煤矸石供應(yīng)與價(jià)格調(diào)整合同2篇
- 2024年度養(yǎng)老院食堂建設(shè)與維護(hù)管理合同3篇
- 2024版?zhèn)€人債務(wù)轉(zhuǎn)讓合同范本:債權(quán)債務(wù)轉(zhuǎn)移的合同履行與風(fēng)險(xiǎn)控制3篇
- 2024版?zhèn)€人股權(quán)自愿轉(zhuǎn)讓與股權(quán)投資咨詢合同3篇
- 2024年度二手房買賣合同解除及后續(xù)事宜處理協(xié)議3篇
- 2024版佛山國有企業(yè)員工勞動(dòng)合同(含股權(quán)激勵(lì))3篇
- 2024年度城市公園隔音設(shè)施安裝服務(wù)合同3篇
- 2024年版食品安全檢測服務(wù)合同
- 2023廣東省成人高考《英語》(高升專)考試卷及答案(單選題型)
- 《德米安 埃米爾 辛克萊年少時(shí)的故事》讀書筆記思維導(dǎo)圖PPT模板下載
- 年產(chǎn)萬噸天然飲用水生產(chǎn)項(xiàng)目可行性研究報(bào)告
- 臨床藥理學(xué)第十四章 腎功能不全臨床用藥
- YS/T 682-2008釕粉
- GB/T 5976-2006鋼絲繩夾
- 麗聲妙想英文繪本第一級(jí) My Dad課件
- 部編版五年級(jí)語文上-句子專項(xiàng)課件
- 初中語文人教九年級(jí)下冊(cè)《統(tǒng)一》PPT
- 國家開放大學(xué)《開放英語4》期末考試復(fù)習(xí)題及參考答案
- 靜脈治療課件
評(píng)論
0/150
提交評(píng)論