层次分析法例题(3)

合集下载

层次分析法现代汉语例题

层次分析法是一种决策分析方法，通常用于多个方案或因素之间进行比较和排序。

以下是一个使用层次分析法的现代汉语例题：
假设你是一名公司的采购主管，你需要从三个供应商（A、B、C）中选择一家供应商品质最好、价格最优、售后服务最好的供应商。

你将使用层次分析法来进行决策。

解题步骤：
制定目标层次：选择最优供应商
确定判断准则：商品质量、价格、售后服务
构建层次结构模型：将目标层次下的判断准则放在下一层，形成层次结构模型
刻画判断矩阵：采用1~9的比较尺度，对每两个判断准则进行比较，得到判断矩阵
求出权重向量：对判断矩阵进行归一化处理，计算出每个判断准则的权重
计算一致性指标：检查矩阵的一致性程度，得出一致性指标
计算最终权重：根据层次结构模型和权重向量，计算出每个供应商的最终权重
进行灵敏度分析：分析每个判断准则的变化对结果的影响程度
得出决策结果：综合考虑判断准则的权重和灵敏度分析的结果，得出选择最优供应商的决策结果
以上是一个基本的层次分析法的应用例题，具体细节需要根据实际情况进行调整和处理。

层次分析法例题详解

层次分析法例题详解
例题：假设一家公司想要改善客户满意度，以下是几项建议：
A. 增加客户服务
B. 提高产品质量
C. 提高客户服务质量
层次分析法：
1.首先，将上述三项建议放入一个表格中，比较它们之间的关系。

建议 | 增加客户服务 | 提高产品质量 | 提高客户服务质量
------|-----------------|------------------|------------------------
关系 | 相关 | 相关 | 直接相关
2.然后，根据上表的关系，将建议分类：
A. 增加客户服务和提高客户服务质量：这两项建议直接相关，可以归为一类，即增加客户服务和提高客户服务质量。

B. 提高产品质量：这一项建议与其他两项建议相关，但不属
于同一类别，可以独立归类。

3.最后，根据分类的结果，提出有效的解决方案：
A. 增加客户服务和提高客户服务质量：可以采取措施增加客
户服务人员的数量，同时提高客户服务质量，如培训客服人员，
提升服务水平。

B. 提高产品质量：可以采取措施改善产品质量，如改进生产流程，提高材料质量，以及实施质量控制等。

层次分析法 (3)

层次分析法1. 介绍层次分析法（Analytic Hierarchy Process，AHP）是一种用于多准则决策分析的方法。

该方法由美国运筹学家托马斯·L·塞蒂在1970年代初开发并广泛应用于各个领域。

层次分析法通过将复杂的决策问题分解成多个层次，并对不同层次的准则进行比较和评价，帮助决策者做出科学、合理的决策。

2. 基本原理层次分析法的基本原理是将一个复杂的决策问题层层分解为若干个层次。

这些层次由目标层、准则层、方案层等组成，形成一个层次结构。

在每个层次上，决策者需要对不同的元素进行比较和评价，以确定它们之间的重要性和优先级。

层次分析法的核心是通过建立成对比较矩阵，从而将主客观因素相结合，实现准则之间的比较和权重的确定。

在层次分析法中，决策者需要对每个准则对两两进行比较，根据重要性进行两两判断。

这些判断形成了一个判断矩阵。

然后，通过特征向量法计算各个准则的权重。

最后，将这些权重进行归一化处理，得到每个准则的相对重要性。

3. 应用步骤层次分析法的应用可以按照以下步骤进行：3.1 确定决策目标首先，需要明确决策的目标是什么。

目标是整个决策过程的核心，决策者需要明确目标才能有针对性地进行后续的决策分析。

3.2 构建层次结构根据决策问题的特点和要求，构建一个包含目标层、准则层和方案层的层次结构。

目标层表示决策的最终目标，准则层表示影响目标实现的各种准则，方案层表示可供选择的各种方案。

3.3 构建比较矩阵对于每个层次的准则，决策者需要对其进行两两比较，并判断各个准则之间的重要性。

通过构建比较矩阵，可以很直观地展示各个准则之间的相对重要性。

3.4 计算权重通过特征向量法，根据比较矩阵计算各个准则的权重。

特征向量法是一种数学方法，可以根据比较矩阵的特征向量，得到每个准则的权重。

3.5 归一化处理将准则的权重进行归一化处理，得到每个准则的相对重要性。

归一化处理可以使不同准则的权重在同一尺度上进行比较，更加公平合理。

层次分析法

（3）科学考察和实践表明，1～9的比例标度已完全能区分引起人们感觉差别的事物的各种属性。
显然，任何判断矩阵都应满足：
bij>0 ,bii = 1，bij = 1/bji，i，j = 1，2，…，n
因此，对于这样的判断矩阵来说，作n(n-1)/2 次
两两判断就可以了。
判断过程中的问题
1、合理选择咨询对象；（专长及熟悉的领域）
工作、生活中的决策问题涉及经济、社会等方面的因素作比较判断时人的主观选择起相当大的作用，各因素的重要性难以量化
二、层次分析法简介
层次分析法（Analytic Hierarchy Process，简称AHP）是美国匹兹堡大学教授A. L.Saaty于20世纪70年代提出的一种系统分析方法。他模仿人的决策思维过程，开发一种综合定性与定量相结合的分析方法，主要解决多因素复杂系统，特别是难以定量描述的社会系统的分析方法。
课题D2
课题可行性B3
难
研财
易
究政
程
周支
度
期持
c3
c4
c5
课题D3
层次分解时注意事项：
如果所选的要素不合理，其含义混淆不清，或要素间的关系不正确，都会降低AHP法的结果质量，甚至导致AHP法决策失败。为保证递阶层次结构的合理性，需注意以下问题： 1、要对问题的影响因素有充分的理解，必要的时候可以咨询相关的专家； 2、分解简化问题时把握主要因素，不漏不多 3、注意相比较元素之间的强度关系，相差太悬殊的要素不能在同一层次比较。 4、以上均为完全层次
北戴河，或者是去山水甲天下的桂林，一般会依据景色、费用、食宿条件、旅途等因素选择去哪个地方。
例3 择业面临毕业，可能有高校、科研单位、企业等单位可以

关于层次分析法的例题与解

旅游业发展水平评价问题摘要为了研究比较两个旅游城市Q、Y的旅游业发展水平，建立层次分析法]3[数学模型，对两个旅游城市Q、Y的旅游业发展水平进行了评价.首先，通过对题目中的图1、表1进行了分析与讨论，根据层次分析法，建立了目标层A、准则层B和子准则层C、方案层D四个层次，通过同一层目标之间的重要性的两两比较，得出判断矩阵,利用]1[MATLAB编程对每个判断矩阵进行求解.其次,用MATLAB软件算出决策组合向量，再比较决策组合向量的大小，由“决策组合向量最大”为目标,得出城市Y的决策组合向量为0.4325，城市Q组合向量为0.5675.最后，通过城市Q旅游业发展水平与旅游城市Y旅游业发展水平的决策组合向量比较，得出城市Q的旅游业发展水平较高.关键词层次分析法MATLAB旅游业发展水平决策组合向量1.问题重述本文要求分析QY,两个旅游城市旅游业发展水平,并且给出了两个城市各方面因素的对比，如城市规模与密度，经济条件，交通条件，生态环境条件，宣传与监督，旅游规格，空气质量，城市规模，人口密度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP，外贸依存度，市内外交通，人均拥有绿地面积，污水集中处理率，环境噪音，国内外旅游人数，理赔金额，立案数量，A级景点数量，旅行社数量，星级饭店数量.建立数学模型进行求解.2.问题分析本文要求分析QY,两个城市的分析Y,两个旅游城市旅游业发展水平，在对Q中，发现需要考虑因素较多，第一、城市规模与密度，包括城市规模与人口密度.第二、经济条件，包括外贸依存度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP.第三、交通条件，包括市内外交通.第四，生态环境条件包括空气质量，人均绿地面积，污水处理能力，环境噪音.第五、宣传与监督，包括国内外旅游人数，游客投诉立案件数.第六、旅游规格，包括A级景点个数，旅行社个数，星级饭店个数，这就涉及到层次分析法来估算各个指标的权重，评出最优方案.具体内容如下：（1）本文选择了对QY,两个旅游城市旅游业发展水平有影响的19个指标作为评价要素,指标规定如下：城市规模：城市的人口数量.人口密度：单位面积土地上居住的人口数.是反映某一地区范围内人口疏密程度的指标.人口影响城市规模.人口密度越大城市规模也就越大.人均GDP：即人均国内生产总值.人均城建资金：即用于城市建设的资金总投入.第三产业增加值：增加值率指在一定时期内单位产值的增加值.即第三产业增加值越高越能带动城市经济的发展.税收GDP：税收是国家为实现其职能，凭借政治权力，按照法律规定，通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式.外贸依存度：即城市对于外贸交易的依赖程度.市内交通：即城市市区交通情况.市外交通：即城市郊区交通情况.市内交通与市外交通对于城市交通条件具有同等的重要性.空气质量：即城市总体空气质量情况.空气质量越好对于城市生态环境就越好.人均绿地面积：即反应城市绿化面积以及人口密度的比值关系.污水处理能力：城市污水处理水平.环境噪音：城市环境噪音情况.国内外旅客人数：国内外来旅客一年总人数.人数越多说明宣传与监督就越好.理赔金额：即立案后需要赔付的资金数.立案件数：即在旅游时发生违法事件后公安部立案的件数.A 级景点数量：即A 级景点的个数.A 级景点越多,越能带动旅行社数量以及星级饭店数量,则旅游规格越大.旅行社数量：即旅行社的个数.星级饭店数量：即星级饭店在旅游景点的个数.（2）用层次分析法建立模型，根据判断矩阵，利用MATLAB 软件，算出每个判断矩阵的特征向量W 、最大特征根c 、一次性指标CI ，再结合随机一次性指标，得出每个指标的特征向量.（3）用（2）得出的数据，运用MATLAB 软件算出两个城市的决策组合向量，做比较.3.模型假设1.假设两个城市Q 、Y 的人口流动不大.2.假设两个城市Q 、Y 的各项指标短期内不会发生太大的改变.4.符号说明A : 表示目标层；j B : 表示准则层第j 个指标的名称)6,,2,1( =j ；i C : 表示子准则层第i 个指标的名称()19,,2,1 =i ； q D : 表示方案层第q 个指标的名称()2,1=q ；1w : 表示准则层对目标层的特征向量组成的矩阵； 2w : 表示子准则层对准则层的特征向量组成的矩阵； 3w : 表示方案层对子准则层的特征向量组成的矩阵；CI : 表示一次性指标；CR : 表示随机一次性指标； Z : 表示决策组合向量.5.模型建立与求解5.1 根据层次分析法分析以及题目中的图1可以建立如下表5-1的层次分析结构，并构造两两比较判断矩阵在递阶层次结构中，设上一层元素B 为准则层，所支配的下一层元素为1C ……19C ，要确定元素1C ……n C 对于准则层B 相对的重要性即权重，可分为两种情况：（1）如果1C 2C ……n C 对B 的重要性可定量，其权重可直接确定；（2）如果问题复杂，1C 2C ……n C 对B 的重要性无法直接定量，而是一些定性的，确定权重用两两比较方法.（3）其方法是，对于准则层C ，元素i C 和j C 哪一个更重要，重要多少，按1-9比例标度对重要性程度赋值.表5-2中列出了1-9标度的含义.对于准则B ，n 个元素之间相对重要性的比较得到一个两两比较判断矩阵P =()mxn ij P ，表示其中ij P 表示i P 和j P 对B 的影响之比，显然ij P >0，ij P =ijP 1，ij P =1，由ij P 的特点，P 称为正互反矩阵.通过两两判断矩阵用方根法求出他们的最大特征根和特征向量，求法如下： 1. 判断矩阵每一行元素的乘积，其中ij n1j 1p m =∏=，i =1,2…,n .2. 计算i m 的n 次方根_i w ，_i w =n i m .3. 对向量Tn w w w ⎪⎭⎫ ⎝⎛=__1,...,归一化，即∑==n j ji w 1__i w w ，则Tn w w w ⎪⎭⎫⎝⎛=__1,.为所求的特征向量.4. 计算判断矩阵的最大特征跟max λ，()∑==n1max i iinw pw λ，式中()i pw 表示pw 的第i 个元素.5. 定义⎪⎭⎫ ⎝⎛--=1max n n CI CI λ为矩阵A 的一致性指标，为了确定A 的不一致性程度的容许范围，需要找出衡量A 的一致性指标CI 的标准.引入随机一致性指标RI .平均随机一致性指标RI 是这样得到的；对于固定的n ，随机构造正互反矩阵A ，其中ij a 是从1，2，……9,91......31,21中随机抽取的，这样的A 是最不一致的，取充分大的样子（500个样本）得到A 的最大特征跟的平均值max λ，定义⎪⎭⎫ ⎝⎛--=1max n n RI λ，对于不同的n 得出随机一致性指标RI 的数值如下表5-3表中n =1,2时RI =0，是因为1,2阶的正互反矩阵总是一致阵.令RICICR =，称CR 为一致性比率，当CR <0.1时，本文认为判断矩阵具有满意的一致性，否则就需要调整判断矩阵，使之具有满意的一致性.最后通过计算得出下表5-4（其中n B 表示准则层的特征向量中的第n 个数值，in C 表示指标层的特征向量第n 个准则对第j 个指标的数值）层次总排序一致性检验的方法j n1CI c CI j j ∑==j n 1c RI RI j j ∑==RICI CR =若1.0CR时，所以认为判断矩阵具有满意的一致性，否则就需要调整判断.矩阵，使之具有满意的一致性.5.2根据层次分析法求出各个指标的权重依据题目中的表1分析，对本题做出其中一种假设：（1）经济条件和交通条件重要性相当，生态环境条件最重要，旅游规格、宣传与监督、城市规模与密度依次次之.（2）在城市规模与密度中，城市人口比人口密度重要一点.（3）在经济条件中，第三产业增加值GDP第一重要，其次是人均GDP，税收GDP、外贸依存度、人均城建资金依次次之.（4）在交通条件中，市内交通和市外交通的重要性相当.（5）在生态环境条件中，空气质量第一重要，其次是人均绿地面积，污水处理能力、环境噪音依次次之.（6）在宣传与监督中，国内外旅游人数第一重要，理赔金额、游客投诉立案件数重要性相当.（7）在旅游规格中，A级景点个数第一重要，星级饭店个数、旅行社个数依次次之.（8）对于城市规模，城市Q比城市Y的重要性小一些；对于人口密度，城市Y比城市Q的重要性明显重要；对于人均GDP，城市Q比城市Y的重要性稍重要；对于人均城建资金，城市Q比城市Y的重要性稍微重要；对于第三产业增加值GDP，城市Q比城市Y的重要性小一些；对于税收GDP，城市Q比城市Y的重要性稍小一点；对于外贸依存度,城市Q比城市Y的重要性稍重要；对于市内交通，城市Y比城市Q的重要性稍重要一点；对于市外交通，城市Y比城市Q的重要性比稍重要小一点；归于空气质量，城市Q比城市Y的重要性相当；对于人均绿地面积，城市Y比城市Q的重要性稍重要；对于污水处理能力，城市Y比城市Q的重要性稍重要一些；对于环境噪音，城市Q比城市Y的重要性相当；对于国内外旅游人数，城市Q比城市Y的重要性稍重要；对于理赔金额，城市Q比城市Y的重要性稍重要一些；对于游客投诉立案件数，城市Q比城市Y的重要性稍重要；对于A级景点个数，城市Y比城市Q的重要性稍重要小一些；对于旅行社个数，城市Y比城市Q的重要性稍重要小一些；对于星级饭店个数，城市Q比城市Y的重要性相当.根据上述分析，按1-9比例标度对准则层对目标层、子准层对准则层、目标层对子准则层的重要程度进行赋值，构造准则层对目标层的判断矩阵、子准则层对准则层的判断矩阵、方案层对子准则层的判断矩阵.准则层()6,,2,1 =j B j 对目标层A 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=12312121321141313123412252321114232111431215141411A 利用MATLAB 软件(附录1)求得最大特征值0719.6m ax =λ特征向量⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1219.00753.03422.02057.02057.00492.01w一致性检验比率1.00116.0<=CR所以矩阵满足一致性检验.子准则层21,C C 对准则层1B 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=131311B利用MATLAB 软件(附录2)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层76543,,,,C C C C C 对准则层2B 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=121412312131321431522131511413221412B 利用MATLAB 软件(附录3)求得最大特征值0681.5m ax =λ特征向量⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=0973.01599.04185.00618.02625.0w一致性检验比率1.00152.0<=CR所以矩阵满足一致性检验.子准则层98,C C 对准则层3B 的判断矩阵⎥⎦⎤⎢⎣⎡=11113B 利用MATLAB 软件(附录4)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层13121110,,,C C C C 对准则层4B 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=1121311121312212133214B 利用MATLAB 软件(附录5)求得最大特征值0104.4m ax =λ特征向量⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=1409.01409.02628.04554.0w 一致性检验比率1.00038.0<=CR所以矩阵满足一致性检验.子准则层161514,,C C C 对准则层5B 的判断矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1221211212215B 利用MATLAB 软件(附录6)求得最大特征值0536.3m ax =λ特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=3108.01958.04934.0w 一致性检验比率1.00462.0<=CR所以矩阵满足一致性检验.子准则层191817,,C C C 对准则层6B 的判断矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1221211312316B 利用MATLAB 软件(附录7)求得最大特征值0092.3m ax =λ特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=2970.01634.05396.0w 一致性检验比率1.00079.0<=CR所以矩阵满足一致性检验.方案层对子准则层的判断矩阵方案层21,D D 对子准则层1C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=122111C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层2C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=155112C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=1667.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层3C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=133113C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层4C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=144114C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层5C 的判断矩阵：⎥⎥⎦⎤⎢⎢⎣⎡=122115C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=3333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层6C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=133116C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层7C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=141417C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层8C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=155118C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=8333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层9C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=122119C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层10C 的判断矩阵⎥⎦⎤⎢⎣⎡=111110C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层11C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1313111C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=7500.02500.0w因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层12C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1414112C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2000.08000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层13C 的判断矩阵⎥⎦⎤⎢⎣⎡=111113C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层14C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331114C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.2115⎥⎥⎦⎤⎢⎢⎣⎡=1441115C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层16C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331116C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层17C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331117C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.2118⎥⎥⎦⎤⎢⎢⎣⎡=1221118C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子19C 的判断矩阵： ⎥⎦⎤⎢⎣⎡=111119C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 通过准则层()6,,2,1 =j B j 对目标层A 的判断矩阵、子准则层()19,,2,1 =i C i 对准则层()6,,2,1 =j B j 的判断矩阵得出特征向量，建立层次总表5-5层次总排序一致性检验如下:0073.061==∑=j j j CI B CI65274.0j 61j j ==∑=RI B RI0111.065274.00073.0===RI CI CR 由于1.00111.0<=CR ,所以认为层次总排序的结果具有满意的一致性，因此不需要重新调整判断矩阵的元素取值.5.3 利用MATLAB 进行决策组合向量的运算（附录9）⋅⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⋅⋅=Tw w w Z 2970.0001634.0000005396.00000003108.0000001958.0000004934.00000001409.0000001409.0000002628.0000004554.00000005000.0000005000.00000000973.0000001599.0000004185.0000000618.0000002625.00000002500.0000007500.0132⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡5000.05000.06667.03333.06667.03333.02500.07500.08000.02000.02500.07500.05000.05000.02000.08000.07500.02500.05000.05000.06667.03333.01667.08333.08000.02000.02500.07500.06667.03333.02000.08000.02500.07500.08333.01667.03333.06667.0⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⋅1219.00753.03422.02057.02057.00492.0 Z ⎥⎦⎤⎢⎣⎡=5675.04325.0 比较Z 值大小可知，12Z Z >,表明城市Q 的旅游发展也水平最高，城市Y 的旅游业发展水平次之，所以城市Q 的旅游发展也水平高.6模型的评价优点：(1) 本文选择了计算比较简单的层次分析法，经过计算得到了相应的综合发展旅游业的估计值，为城市旅游业的发展提供了依据.(2) 使用了MATLAB 软件，减少了计算工作量，大大降低了运算的困难.缺点：判断的结果具有一定的主观性，不能比较切实的结合当地的具体情况，做出科学的决策方案.7参考文献[1] 姜启源等，数学建模（第四版）北京:高等教育出版社.2011年[2] 马莉，数学实验与建模，北京:清华大学出版2010年[3] 王莲芬，层次分析法引论，北京:中国人民大学出版社，1990年附录：附录1x=[1 1/4 1/4 1/5 1/2 1/3;4 1 1 1/2 3 2;4 1 1 1/2 3 2;5 2 2 1 4 3;2 1/3 1/3 1/4 1 1/2;3 1/2 1/2 1/3 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-6)/5 %一致性指标CR=CI/1.24 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =6.0719W =0.04920.20570.20570.34220.07530.1219B =0.04670.21410.21410.29180.08810.1452CI =0.0144CR =0.0116C =0.2146附录2：>> x=[1 3;1/3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250附录3：x=[1 4 1/2 2 3;1/4 1 1/5 1/3 1/2;2 5 1 3 4;1/2 3 1/3 1 2;1/3 2 1/4 1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-5)/4 %一致性指标CR=CI/1.12 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =5.0681W =0.26250.06180.41850.15990.0973B =0.27340.05940.36640.18730.1135CI =0.0170CR =0.0152C =0.2698附录4：x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000附录5：x=[1 2 3 3;1/2 1 2 2;1/3 1/2 1 1;1/3 1/2 1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-4)/3 %一致性指标CR=CI/0.90 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =4.0104W =0.45540.26280.14090.1409B =0.43950.27870.14090.1409CI =0.0035CR =0.0038C =0.3131附录6：x=[1 2 2;1/2 1 1/2;1/2 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-3)/2 %一致性指标CR=CI/0.58 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =3.0536W =0.49340.19580.3108B =0.46060.18790.3515CI =0.0268CR =0.0462C =0.3733附录7：x=[1 3 2;1/3 1 1/2;1/2 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-3)/2 %一致性指标CR=CI/0.58 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =3.0092W =0.53960.16340.2970B =0.51990.16200.3181CI =0.0046CR =0.0079C =0.4015附录8：% 目标层Q,Y对子准则层C1的赋值>> x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C2的赋值x=[1 5;1/5 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.83330.1667B =0.83330.1667CI =CR =NaNC =0.7222End% 目标层Q,Y对子准则层C3的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C4的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.80000.2000B =0.80000.2000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C5的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.66670.3333B =0.66670.3333CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C6的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C7的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.20000.8000B =0.20000.8000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C8的赋值x=[1 5;1/5 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.16670.8333B =0.16670.8333CI =CR =NaNC =0.7222End% 目标层Q,Y对子准则层C9的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C10的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =NaNC =0.5000% 目标层Q,Y对子准则层C11的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.25000.7500B =0.25000.7500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C12的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =W =0.80000.2000B =0.80000.2000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C13的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000% 目标层Q,Y对子准则层C14的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C15的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.20000.8000B =0.20000.8000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C16的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C17的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C18的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C19的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000附录9：% 最终组合权向量：x=[0.75 0 0 0 0 0;0.25 0 0 0 0 0;0 0.2625 0 0 0 0;0 0.0618 0 0 0 0;0 0.4185 0 0 0 0;0 0.1599 0 0 0 0;0 0.0973 0 0 0 0;0 0 0.5 0 0 0;0 0 0.5 0 0 0;0 0 0 0.4554 0 0;0 0 0 0.2628 0 0;0 0 0 0.1409 0 0;0 0 0 0.1409 0 0;0 0 0 0 0.4934 0;0 0 0 0 0.1958 0;0 0 0 0 0.3108 0;0 0 0 0 0 0.5396;0 0 0 0 0 0.1634;0 0 0 0 0 0.2970]x =0.7500 0 0 0 0 00.2500 0 0 0 0 00 0.2625 0 0 0 00 0.0618 0 0 0 00 0.4185 0 0 0 00 0.1599 0 0 0 00 0.0973 0 0 0 00 0 0.5000 0 0 00 0 0.5000 0 0 00 0 0 0.4554 0 00 0 0 0.2628 0 00 0 0 0.1409 0 00 0 0 0.1409 0 00 0 0 0 0.4934 00 0 0 0 0.1958 00 0 0 0 0.3108 00 0 0 0 0 0.53960 0 0 0 0 0.16340 0 0 0 0 0.2970y=[0.0492;0.2057;0.2057;0.3422;0.0753;0.1219]y =0.04920.20570.20570.34220.07530.1219z=x*y运算结果：z =0.03690.01230.05400.01270.08610.03290.02000.10290.10290.15580.08990.04820.04820.03720.01470.02340.06580.01990.0362a=[0.3333 0.8333 0.75 0.2 0.3333 0.75 0.2 0.1667 0.3333 0.5 0.25 0.8 0.5 0.75 0.2 0.75 0.3333 0.3333 0.5;0.6667 0.1667 0.25 0.8 0.6667 0.250.8 0.8333 0.6667 0.5 0.75 0.2 0.5 0.25 0.8 0.25 0.6667 0.6667 0.5]a =Columns 1 through 70.3333 0.8333 0.7500 0.2000 0.3333 0.7500 0.20000.6667 0.1667 0.2500 0.8000 0.6667 0.2500 0.8000Columns 8 through 140.1667 0.3333 0.5000 0.2500 0.8000 0.5000 0.75000.8333 0.6667 0.5000 0.7500 0.2000 0.5000 0.2500Columns 15 through 190.2000 0.7500 0.3333 0.3333 0.50000.8000 0.2500 0.6667 0.6667 0.5000c=a*z运算结果：c =0.43250.5675。

关于某层次分析报告法的例题与解

旅游业发展水平评价问题摘要为了研究比较两个旅游城市Q、Y的旅游业发展水平，建立层次分析法]3[数学模型，对两个旅游城市Q、Y的旅游业发展水平进行了评价.首先，通过对题目中的图1、表1进行了分析与讨论，根据层次分析法，建立了目标层A、准则层B和子准则层C、方案层D四个层次，通过同一层目标之间的重要性的两两比较，得出判断矩阵,利用]1[MATLAB编程对每个判断矩阵进行求解.其次,用MATLAB软件算出决策组合向量，再比较决策组合向量的大小，由“决策组合向量最大”为目标,得出城市Y的决策组合向量为0.4325，城市Q组合向量为0.5675.最后，通过城市Q旅游业发展水平与旅游城市Y旅游业发展水平的决策组合向量比较，得出城市Q的旅游业发展水平较高.关键词层次分析法MATLAB旅游业发展水平决策组合向量1.问题重述本文要求分析QY,两个旅游城市旅游业发展水平,并且给出了两个城市各方面因素的对比，如城市规模与密度，经济条件，交通条件，生态环境条件，宣传与监督，旅游规格，空气质量，城市规模，人口密度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP，外贸依存度，市外交通，人均拥有绿地面积，污水集中处理率，环境噪音，国外旅游人数，理赔金额，立案数量，A级景点数量，旅行社数量，星级饭店数量.建立数学模型进行求解.2.问题分析本文要求分析QY,两个城市的分析Y,两个旅游城市旅游业发展水平，在对Q中，发现需要考虑因素较多，第一、城市规模与密度，包括城市规模与人口密度.第二、经济条件，包括外贸依存度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP.第三、交通条件，包括市外交通.第四，生态环境条件包括空气质量，人均绿地面积，污水处理能力，环境噪音.第五、宣传与监督，包括国外旅游人数，游客投诉立案件数.第六、旅游规格，包括A级景点个数，旅行社个数，星级饭店个数，这就涉及到层次分析法来估算各个指标的权重，评出最优方案.具体容如下：（1）本文选择了对QY,两个旅游城市旅游业发展水平有影响的19个指标作为评价要素,指标规定如下：城市规模：城市的人口数量.人口密度：单位面积土地上居住的人口数.是反映某一地区围人口疏密程度的指标.人口影响城市规模.人口密度越大城市规模也就越大.人均GDP：即人均国生产总值.人均城建资金：即用于城市建设的资金总投入.第三产业增加值：增加值率指在一定时期单位产值的增加值.即第三产业增加值越高越能带动城市经济的发展.税收GDP：税收是国家为实现其职能，凭借政治权力，按照法律规定，通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式.外贸依存度：即城市对于外贸交易的依赖程度.市交通：即城市市区交通情况.市外交通：即城市郊区交通情况.市交通与市外交通对于城市交通条件具有同等的重要性.空气质量：即城市总体空气质量情况.空气质量越好对于城市生态环境就越好.人均绿地面积：即反应城市绿化面积以及人口密度的比值关系.污水处理能力：城市污水处理水平.环境噪音：城市环境噪音情况.国外旅客人数：国外来旅客一年总人数.人数越多说明宣传与监督就越好.理赔金额：即立案后需要赔付的资金数.立案件数：即在旅游时发生事件后公安部立案的件数.A 级景点数量：即A 级景点的个数.A 级景点越多,越能带动旅行社数量以及星级饭店数量,则旅游规格越大.旅行社数量：即旅行社的个数.星级饭店数量：即星级饭店在旅游景点的个数.（2）用层次分析法建立模型，根据判断矩阵，利用MATLAB 软件，算出每个判断矩阵的特征向量W 、最大特征根c 、一次性指标CI ，再结合随机一次性指标，得出每个指标的特征向量.（3）用（2）得出的数据，运用MATLAB 软件算出两个城市的决策组合向量，做比较.3.模型假设1.假设两个城市Q 、Y 的人口流动不大.2.假设两个城市Q 、Y 的各项指标短期不会发生太大的改变.4.符号说明A : 表示目标层；j B : 表示准则层第j 个指标的名称)6,,2,1( =j ；i C : 表示子准则层第i 个指标的名称()19,,2,1 =i ； q D : 表示方案层第q 个指标的名称()2,1=q ；1w : 表示准则层对目标层的特征向量组成的矩阵； 2w : 表示子准则层对准则层的特征向量组成的矩阵； 3w : 表示方案层对子准则层的特征向量组成的矩阵；CI : 表示一次性指标；CR : 表示随机一次性指标； Z : 表示决策组合向量.5.模型建立与求解5.1 根据层次分析法分析以及题目中的图1可以建立如下表5-1的层次分析结构，并构造两两比较判断矩阵在递阶层次结构中，设上一层元素B 为准则层，所支配的下一层元素为1C ……19C ，要确定元素1C ……n C 对于准则层B 相对的重要性即权重，可分为两种情况：（1）如果1C 2C ……n C 对B 的重要性可定量，其权重可直接确定；（2）如果问题复杂，1C 2C ……n C 对B 的重要性无法直接定量，而是一些定性的，确定权重用两两比较方法.（3）其方法是，对于准则层C ，元素i C 和j C 哪一个更重要，重要多少，按1-9比例标度对重要性程度赋值.表5-2中列出了1-9标度的含义.对于准则B ，n 个元素之间相对重要性的比较得到一个两两比较判断矩阵P =()mxn ij P ，表示其中ij P 表示i P 和j P 对B 的影响之比，显然ij P >0，ij P =ijP 1，ij P =1，由ij P 的特点，P 称为正互反矩阵.通过两两判断矩阵用方根法求出他们的最大特征根和特征向量，求法如下： 1. 判断矩阵每一行元素的乘积，其中ij n1j 1p m =∏=，i =1,2…,n .2. 计算i m 的n 次方根_i w ，_i w =n i m .3. 对向量Tn w w w ⎪⎭⎫ ⎝⎛=__1,...,归一化，即∑==n j ji w 1__i w w ，则Tn w w w ⎪⎭⎫⎝⎛=__1,...,为所求的特征向量.4. 计算判断矩阵的最大特征跟m ax λ，()∑==n1max i iinw pw λ，式中()i pw 表示pw 的第i 个元素.5. 定义⎪⎭⎫ ⎝⎛--=1max n n CI CI λ为矩阵A 的一致性指标，为了确定A 的不一致性程度的容许围，需要找出衡量A 的一致性指标CI 的标准.引入随机一致性指标RI .平均随机一致性指标RI 是这样得到的；对于固定的n ，随机构造正互反矩阵A ，其中ij a 是从1，2，……9,91......31,21中随机抽取的，这样的A 是最不一致的，取充分大的样子（500个样本）得到A 的最大特征跟的平均值m ax λ，定义⎪⎭⎫ ⎝⎛--=1max n n RI λ，对于不同的n 得出随机一致性指标RI 的数值如下表5-3表中n =1,2时RI =0，是因为1,2阶的正互反矩阵总是一致阵.令RICICR =，称CR 为一致性比率，当CR <0.1时，本文认为判断矩阵具有满意的一致性，否则就需要调整判断矩阵，使之具有满意的一致性.最后通过计算得出下表5-4（其中n B 表示准则层的特征向量中的第n 个数值，in C 表示指标层的特征向量第n 个准则对第j 个指标的数值）层次总排序一致性检验的方法j n1CI c CI j j ∑==j n 1c RI RI j j ∑==RICI CR =若1.0CR时，所以认为判断矩阵具有满意的一致性，否则就需要调整判断.矩阵，使之具有满意的一致性.5.2根据层次分析法求出各个指标的权重依据题目中的表1分析，对本题做出其中一种假设：（1）经济条件和交通条件重要性相当，生态环境条件最重要，旅游规格、宣传与监督、城市规模与密度依次次之.（2）在城市规模与密度中，城市人口比人口密度重要一点.（3）在经济条件中，第三产业增加值GDP第一重要，其次是人均GDP，税收GDP、外贸依存度、人均城建资金依次次之.（4）在交通条件中，市交通和市外交通的重要性相当.（5）在生态环境条件中，空气质量第一重要，其次是人均绿地面积，污水处理能力、环境噪音依次次之.（6）在宣传与监督中，国外旅游人数第一重要，理赔金额、游客投诉立案件数重要性相当.（7）在旅游规格中，A级景点个数第一重要，星级饭店个数、旅行社个数依次次之.（8）对于城市规模，城市Q比城市Y的重要性小一些；对于人口密度，城市Y比城市Q的重要性明显重要；对于人均GDP，城市Q比城市Y的重要性稍重要；对于人均城建资金，城市Q比城市Y的重要性稍微重要；对于第三产业增加值GDP，城市Q比城市Y的重要性小一些；对于税收GDP，城市Q比城市Y的重要性稍小一点；对于外贸依存度,城市Q比城市Y的重要性稍重要；对于市交通，城市Y比城市Q的重要性稍重要一点；对于市外交通，城市Y比城市Q的重要性比稍重要小一点；归于空气质量，城市Q比城市Y的重要性相当；对于人均绿地面积，城市Y比城市Q的重要性稍重要；对于污水处理能力，城市Y比城市Q的重要性稍重要一些；对于环境噪音，城市Q比城市Y的重要性相当；对于国外旅游人数，城市Q比城市Y的重要性稍重要；对于理赔金额，城市Q比城市Y 的重要性稍重要一些；对于游客投诉立案件数，城市Q比城市Y的重要性稍重要；对于A级景点个数，城市Y比城市Q的重要性稍重要小一些；对于旅行社个数，城市Y比城市Q的重要性稍重要小一些；对于星级饭店个数，城市Q比城市Y的重要性相当.根据上述分析，按1-9比例标度对准则层对目标层、子准层对准则层、目标层对子准则层的重要程度进行赋值，构造准则层对目标层的判断矩阵、子准则层对准则层的判断矩阵、方案层对子准则层的判断矩阵.准则层()6,,2,1 =j B j 对目标层A 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=12312121321141313123412252321114232111431215141411A 利用MATLAB 软件(附录1)求得最大特征值0719.6max =λ特征向量⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1219.00753.03422.02057.02057.00492.01w一致性检验比率1.00116.0<=CR所以矩阵满足一致性检验.子准则层21,C C 对准则层1B 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=131311B利用MATLAB 软件(附录2)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层76543,,,,C C C C C 对准则层2B 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=121412312131321431522131511413221412B 利用MATLAB 软件(附录3)求得最大特征值0681.5max =λ特征向量⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=0973.01599.04185.00618.02625.0w一致性检验比率1.00152.0<=CR所以矩阵满足一致性检验.子准则层98,C C 对准则层3B 的判断矩阵⎥⎦⎤⎢⎣⎡=11113B 利用MATLAB 软件(附录4)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层13121110,,,C C C C 对准则层4B 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=1121311121312212133214B 利用MATLAB 软件(附录5)求得最大特征值0104.4max =λ特征向量⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=1409.01409.02628.04554.0w 一致性检验比率1.00038.0<=CR所以矩阵满足一致性检验.子准则层161514,,C C C 对准则层5B 的判断矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1221211212215B 利用MATLAB 软件(附录6)求得最大特征值0536.3max =λ特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=3108.01958.04934.0w 一致性检验比率1.00462.0<=CR所以矩阵满足一致性检验.子准则层191817,,C C C 对准则层6B 的判断矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1221211312316B 利用MATLAB 软件(附录7)求得最大特征值0092.3max =λ特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=2970.01634.05396.0w 一致性检验比率1.00079.0<=CR所以矩阵满足一致性检验.方案层对子准则层的判断矩阵方案层21,D D 对子准则层1C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=122111C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层2C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=155112C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=1667.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层3C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=133113C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层4C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=144114C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层5C 的判断矩阵：⎥⎥⎦⎤⎢⎢⎣⎡=122115C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=3333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层6C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=133116C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层7C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=141417C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层8C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=155118C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=8333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层9C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=122119C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层10C 的判断矩阵⎥⎦⎤⎢⎣⎡=111110C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层11C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1313111C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=7500.02500.0w因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层12C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1414112C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2000.08000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层13C 的判断矩阵⎥⎦⎤⎢⎣⎡=111113C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层14C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331114C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.2115⎥⎥⎦⎤⎢⎢⎣⎡=1441115C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层16C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331116C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层17C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331117C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.2118⎥⎥⎦⎤⎢⎢⎣⎡=1221118C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层19C 的判断矩阵：⎥⎦⎤⎢⎣⎡=111119C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 通过准则层()6,,2,1 =j B j 对目标层A 的判断矩阵、子准则层()19,,2,1 =i C i 对准则层()6,,2,1 =j B j 的判断矩阵得出特征向量，建立层次总表5-5层次总排序一致性检验如下:0073.061==∑=j j j CI B CI65274.0j 61j j ==∑=RI B RI0111.065274.00073.0===RI CI CR 由于1.00111.0<=CR ,所以认为层次总排序的结果具有满意的一致性，因此不需要重新调整判断矩阵的元素取值.5.3 利用MATLAB 进行决策组合向量的运算（附录9）⋅⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⋅⋅=Tw w w Z 2970.0001634.0000005396.00000003108.0000001958.0000004934.00000001409.0000001409.0000002628.0000004554.00000005000.0000005000.00000000973.000001599.0000004185.0000000618.0000002625.00000002500.0000007500.0132⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡5000.05000.06667.03333.06667.03333.02500.07500.08000.02000.02500.07500.05000.05000.02000.08000.07500.02500.05000.05000.06667.03333.01667.08333.08000.02000.02500.07500.06667.03333.02000.08000.02500.07500.08333.01667.03333.06667.0⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⋅1219.00753.03422.02057.02057.00492.0 Z ⎥⎦⎤⎢⎣⎡=5675.04325.0 比较Z 值大小可知，12Z Z >,表明城市Q 的旅游发展也水平最高，城市Y 的旅游业发展水平次之，所以城市Q 的旅游发展也水平高.6模型的评价优点：(1) 本文选择了计算比较简单的层次分析法，经过计算得到了相应的综合发展旅游业的估计值，为城市旅游业的发展提供了依据.(2) 使用了MATLAB 软件，减少了计算工作量，大大降低了运算的困难.缺点：判断的结果具有一定的主观性，不能比较切实的结合当地的具体情况，做出科学的决策方案.7参考文献[1] 启源等，数学建模（第四版）:高等教育.2011年[2] 马莉，数学实验与建模，:清华大学出版2010年[3] 王莲芬，层次分析法引论，:中国人民大学，1990年附录：附录1x=[1 1/4 1/4 1/5 1/2 1/3;4 1 1 1/2 3 2;4 1 1 1/2 3 2;5 2 2 1 4 3;2 1/3 1/3 1/4 1 1/2;3 1/2 1/2 1/3 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-6)/5 %一致性指标CR=CI/1.24 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =6.0719W =0.04920.20570.20570.34220.07530.1219B =0.04670.21410.21410.29180.08810.1452CI =0.0144CR =0.0116C =0.2146附录2：>> x=[1 3;1/3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250附录3：x=[1 4 1/2 2 3;1/4 1 1/5 1/3 1/2;2 5 1 3 4;1/2 3 1/3 1 2;1/3 2 1/4 1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-5)/4 %一致性指标CR=CI/1.12 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =5.0681W =0.26250.06180.41850.15990.0973B =0.27340.05940.36640.18730.1135CI =0.0170CR =0.0152C =0.2698附录4：x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000附录5：x=[1 2 3 3;1/2 1 2 2;1/3 1/2 1 1;1/3 1/2 1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-4)/3 %一致性指标CR=CI/0.90 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =4.0104W =0.45540.26280.14090.1409B =0.43950.27870.14090.1409CI =0.0035CR =0.0038C =0.3131附录6：x=[1 2 2;1/2 1 1/2;1/2 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-3)/2 %一致性指标CR=CI/0.58 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =3.0536W =0.49340.19580.3108B =0.46060.18790.3515CI =0.0268CR =0.0462C =0.3733附录7：x=[1 3 2;1/3 1 1/2;1/2 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-3)/2 %一致性指标CR=CI/0.58 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =3.0092W =0.53960.16340.2970B =0.51990.16200.3181CI =0.0046CR =0.0079C =0.4015附录8：% 目标层Q,Y对子准则层C1的赋值>> x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C2的赋值x=[1 5;1/5 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.83330.1667B =0.83330.1667CI =CR =NaNC =0.7222End% 目标层Q,Y对子准则层C3的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C4的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.80000.2000B =0.80000.2000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C5的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.66670.3333B =0.66670.3333CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C6的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C7的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.20000.8000B =0.20000.8000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C8的赋值x=[1 5;1/5 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.16670.8333B =0.16670.8333CI =CR =NaNC =0.7222End% 目标层Q,Y对子准则层C9的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C10的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =NaNC =0.5000% 目标层Q,Y对子准则层C11的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.25000.7500B =0.25000.7500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C12的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =W =0.80000.2000B =0.80000.2000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C13的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000% 目标层Q,Y对子准则层C14的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C15的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.20000.8000B =0.20000.8000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C16的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C17的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C18的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C19的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000附录9：% 最终组合权向量：x=[0.75 0 0 0 0 0;0.25 0 0 0 0 0;0 0.2625 0 0 0 0;0 0.0618 0 0 0 0;0 0.4185 0 0 0 0;0 0.1599 0 0 0 0;0 0.0973 0 0 0 0;0 0 0.5 0 0 0;0 0 0.5 0 0 0;0 0 0 0.4554 0 0;0 0 0 0.2628 0 0;0 0 0 0.1409 0 0;0 0 0 0.1409 0 0;0 0 0 0 0.4934 0;0 0 0 0 0.1958 0;0 0 0 0 0.3108 0;0 0 0 0 0 0.5396;0 0 0 0 0 0.1634;0 0 0 0 0 0.2970]x =0.7500 0 0 0 0 00.2500 0 0 0 0 00 0.2625 0 0 0 00 0.0618 0 0 0 00 0.4185 0 0 0 00 0.1599 0 0 0 00 0.0973 0 0 0 00 0 0.5000 0 0 00 0 0.5000 0 0 00 0 0 0.4554 0 00 0 0 0.2628 0 00 0 0 0.1409 0 00 0 0 0.1409 0 00 0 0 0 0.4934 00 0 0 0 0.1958 00 0 0 0 0.3108 00 0 0 0 0 0.53960 0 0 0 0 0.16340 0 0 0 0 0.2970y=[0.0492;0.2057;0.2057;0.3422;0.0753;0.1219]y =0.04920.20570.20570.34220.07530.1219z=x*y运算结果：z =0.03690.01230.05400.01270.08610.03290.02000.10290.10290.15580.08990.04820.04820.03720.01470.02340.06580.01990.0362a=[0.3333 0.8333 0.75 0.2 0.3333 0.75 0.2 0.1667 0.3333 0.5 0.25 0.8 0.5 0.75 0.2 0.75 0.3333 0.3333 0.5;0.6667 0.1667 0.25 0.8 0.6667 0.250.8 0.8333 0.6667 0.5 0.75 0.2 0.5 0.25 0.8 0.25 0.6667 0.6667 0.5]a =Columns 1 through 70.3333 0.8333 0.7500 0.2000 0.3333 0.7500 0.20000.6667 0.1667 0.2500 0.8000 0.6667 0.2500 0.8000Columns 8 through 140.1667 0.3333 0.5000 0.2500 0.8000 0.5000 0.75000.8333 0.6667 0.5000 0.7500 0.2000 0.5000 0.2500Columns 15 through 190.2000 0.7500 0.3333 0.3333 0.50000.8000 0.2500 0.6667 0.6667 0.5000c=a*z运算结果：c =0.43250.5675。

(完整版)层次分析法例题

n13 1RI
一致性指标(表5所示)知RI 0.58,(一般认为CK0.1、CRvO.1时，判断矩阵的一致性可以接受，否则重新两两进行比较)。
表5平均随机一致性指标
阶数
3
4
5
6
7
「8
9
10
11
12
13
14
RI
0.58
0.89
1.12
1.26
1.36
：1.41
1.46
1.49
1.52
1.54
1.56
1.58
(2)判断矩阵B1C的特征根、特征向量与一致性检验
类似于第(1)步的计算过程，可以得到矩阵B1C的特征根、特征向量与一致性检验如下：
W [0.105, 0.258, 0.637]T，max3.039，CR 0.033 0.1
(3)判断矩阵B2C的特征根、特征向量与一致性检验
类似于第(1)步的计算过程，可以得到矩阵刀：一C的特征根、特征向量与一致性检
4、层次总排序
获得同一层次各要素之间的相对重要度后，就可以自上而下地计算各级要素对总体
的综合重要度。设二级共有m个要素C1, C2,…,m，它们对总值的重要度为W1, W2,…,wm；她的下一层次三级有p1, p2,…扁共门个要素，令要素Pi对Cj的重要度(权重)为Vjj，则三级要素Pi的综合重要度为：
aij=1/aji；aii=1;i,j=1,2,…，n
显然，比值越大，则要素i的重要度就越高。
2、构建判断矩阵A
判断矩阵是层次分析法的基本信息，也是进行权重计算的重要依据。根据结构模
型，将图中各因素两两进行判断与比较，构造判断矩阵：
•判断矩阵A B（即相对于物流系统总目标，判断层各因素相对重要性比较）如表1

第七章层次切分法三例 (1)

用层次分析法分析下列复杂词组的结构层次。

1、连忙跑回家告诉他父亲这个好消息偏正连动动宾动宾谓补动宾偏正偏正偏正偏正连忙跑回家告诉他父亲这个好消息谓补偏正偏正偏正动宾动宾偏正动宾连动偏正词类划分练习1写出下列词的词类。

1、人们/手/捧/旅游图，肩/挎/照相机，专/找/图/上/标明/的/去处，在/某/某/峰、某/某/亭/“咔嚓”/几/下，/留/下/到/此/一/游/的/证据，/便/心满意足/地/离/去。

2、缺乏/狭义/的/形态/变化，语法/意义主要/用/词汇/手段/表示。

3、平庸/也罢/，高尚/也罢/，我/其实/和/以前/一样。

形语气形语气代副介名形4、都/什么/时候/了/？你/的/观念/怎么/还/没/变/呢？副代名语气代助名代副副动语气5、这/一/事实/充分/显示/了/在/他/面前/没有/克服/不/了/的/困难/。

代数名形动助介代名副动副动助名6、大家/就/当前/的/形势/和/治/河/中/存在/的/一些/问题/进行/了/深入/的/讨论。

代介名助名连动名名动助数量名动助形助名7、她/在/工作/中/非常/认真/，不论/对/什么/人/都/十分/热情。

代介名名副形连介代名副副形2、控制着一个叫做毛里塔尼亚省的大片地区动宾偏正偏正偏正动宾偏正控制着一个叫做毛里塔尼亚省的大片地区偏正动宾偏正偏正偏正偏正动宾词语误用改错练习1指出错误原因并改正。

1、王经理就坐在李经理的对面，他显得有些紧张。

（代词指代不明）2、这位明星每年演出400场左右，拥有一批戏迷群。

(量词与名词搭配失调）3、他们一次集资就近十万多元。

（概数表述不当）4、原来每月能挣一千多块，现在只领三百多块，整整减少了三分之一。

（“了”的使用）5、他的胆识是超人的，他的明智也是超人的。

（形容词误用为名词）6、南极的企鹅为了适宜当地的自然环境，生着一双奇怪的眼睛。

（形容词误用为动词）7、吸烟能导致癌症是无可疑问的。

（名词误用为动词）8、中国考古工作者，先后在这里出土了大批重要文物。

层次分析法例题

二、AHP 求解层次分析法（Analytic Hierarchy Process ）是一种定量与定性相结合的多目标决策分析法，将决策者的经验给予量化，这在对目标（因素）结构复杂且缺乏必要数据的情况下较为实用。

（一）、建立递阶层次结构目标层：最优生鲜农产品流通模式。

准则层：方案的影响因素有：1c 自然属性、2c 经济价值、3c 基础设施、5c 政府政策。

方案层：设三个方案分别为：1A 农产品产地一产地批发市场一销地批发市场一消费者、2A 农产品产地一产地批发市场一销地批发市场一农贸市场一消费者、3A 农业合作社一第三方物流企业一超市一消费者(本文假设农产品的生产地和销地不在同一个地区)。

。

图3—1 递阶层次结构（二）、构造判断(成对比较)矩阵所谓判断矩阵昰以矩阵的形式来表述每一层次中各要素相对其上层要素的相对重要程度。

为了使各因素之间进行两两比较得到量化的判断矩阵，引入1～9的标度，见表3—1.目标层：准则层：方案层：表3—1 标度值为了构造判断矩阵，作者对6个专家进行了咨询，根据专家和作者的经验，四个准则下的两两比较矩阵分别为：（三）、层次单排序及其一致性检验层次单排序就是把本层所有要素针对上一层某一要素，排出评比的次序，这种次序以相对的数值大小来表示。

对应于判断矩阵最大特征根λmax的特征向量，经归一化(使向量中各元素之和等于1)后记为W。

W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值，这一过程称为层次单排序。

能否确认层次单排序，需要进行一致性检验，所谓一致性检验是指对A确定不一致的允许范围。

a，则λ比n 大的越多，A 的不一致性越严重。

用最大特征值对由于λ连续的依赖于ij应的特征向量作为被比较因素对上层某因素影响程度的权向量，其不一致程度越大，引起的判断误差越大。

因而可以用λ―n数值的大小来衡量 A 的不一致程度。

用一致性指标进行检验：max 1nCI n λ-=-。

其中max λ是比较矩阵的最大特征值，n 是比较矩阵的阶数。

层次分析法

使用范围：主要处理需要考虑多种因决策问题，比如：影片的评价、教师贡献的评价、校园火灾危险性分析、教学综合评价、衣服好坏评价等目的：为了在没有任何数据的情况下，可以通过这种方法对一些方案进行评价分析，并得出方案的好坏的排序。
>> CI=(max(max(lambda))-4)/(4-1)%（求 CI） CI = 0.0014 >> RI=0.90%（在表中查得 RI 的值） RI = 0.9000 >> if(CI/RI<0.1)%（判断一致性然后求出符合一致性的归一后的特征向量） for i=1:4 w(i)=v(i,1)/sum(v(:,1)); end else disp(' w%（输出符合一致性的归一后的特征向量） w= 0.2839 0.5183 0.0989 0.0989 >>
-0.8535 -0.1629 -0.1629 lambda = 4.0042 0 0 0
0.8720 -0.0560 - 0.0774i -0.0560 - 0.0774i 0 -0.0021 + 0.1290i 0 0
0.8720 -0.0000 -0.0560 + 0.0774i -0.7071 -0.0560 + 0.0774i 0.7071 0 0 -0.0021 - 0.1290i 0 0 0 0 0
��
��
��
��
（4）组合一致性检验： 1》由上表可以得出方案层对目标层的组合权向量为： 0.429 0.082 0.595 0.633 �� (3) = 0.429 0.236 0.277 0.193 (0.2839 0.5183 .0.989 0.0989)�� 0.142 0.682 0.129 0.175 解得�� (3) = (0.2857 0.2906 0.4239)�� ，结果表明， p3 评选中占得比重最大，其次是 p2，最后是 p1。 2》组合一致性检验第三层对第二层的组合一致性比率为： 0 + 0.001 + 0.0025 + 0.0045 = 0.0023 0.58 × 4 则第三层对第一层的组合一致性比率为： CR∗ = 0.014 + 0.0023 = 0.0163 < 0.10 组合一致性检验通过，前面得到的组合权向量�� (3) 可以作为决策依据 ��(3) = 代码： >> A=[1 1/2 3 3;2 1 5 5;1/3 1/5 1 1;1/3 1/5 1 1]%（输入比较阵） A= 1.0000 0.5000 3.0000 3.0000 2.0000 1.0000 5.0000 5.0000 0.3333 0.2000 1.0000 1.0000 0.3333 0.2000 1.0000 1.0000 >> [v,lambda]=eig(A)%（计算比较阵的特征向量 V 和特征值 lambda） v= -0.4674 -0.1570 + 0.4434i -0.1570 - 0.4434i -0.0000

层次分析法例题

二、求解层次分析法（）是一种定量与定性相结合的多目标决策分析法，将决策者的经验给予量化，这在对目标（因素）结构复杂且缺乏必要数据的情况下较为实用。

（一）、建立递阶层次结构目标层：最优生鲜农产品流通模式。

准则层：方案的影响因素有：c自然属性、2c经济价值、3c基础1设施、c政府政策。

5方案层：设三个方案分别为：A农产品产地一产地批发市场一销1地批发市场一消费者、A农产品产地一产地批发市场一销地批发2市场一农贸市场一消费者、A农业合作社一第三方物流企业一超3市一消费者(本文假设农产品的生产地和销地不在同一个地区)。

图3—1 递阶层次结构（二）、构造判断(成对比较)矩阵所谓判断矩阵昰以矩阵的形式来表述每一层次中各要素相对其上层要素的相对重要程度。

为了使各因素之间进行两两比较得到量化的判断矩阵，引入1～9的标度，见表3—1.表3—1 标度值目标准则方案为了构造判断矩阵，作者对6个专家进行了咨询，根据专家和作者的经验，四个准则下的两两比较矩阵分别为：（三）、层次单排序及其一致性检验层次单排序就是把本层所有要素针对上一层某一要素，排出评比的次序，这种次序以相对的数值大小来表示。

对应于判断矩阵最大特征根λ的特征向量，经归一化(使向量中各元素之和等于1)后记为W 。

W 的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值，这一过程称为层次单排序。

能否确认层次单排序，需要进行一致性检验，所谓一致性检验是指对A 确定不一致的允许范围。

由于λ 连续的依赖于ij a ，则λ 比n 大的越多，A 的不一致性越严重。

用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量，其不一致程度越大，引起的判断误差越大。

因而可以用 λ―n 数值的大小来衡量 A 的不一致程度。

用一致性指标进行检验：max 1nCI n λ-=-。

其中max λ是比较矩阵的最大特征值，n 是比较矩阵的阶数。

CI 的值越小，判断矩阵越接近于完全一致。

同济大学_运筹学_层次分析法例题

层次分析法(Analytical Hierarchy Process，AHP)是美国运筹学家沙旦(T.L.Saaty)于20世纪70年代提出的，是一种定性与定量分析相结合的多目标决策方法。

AHP 通过对多准则决策问题构造层次结构模型，在每一层次上将决策者的主观判断进行数量化，然后进行逐层加权处理，最后得到各备选方案相对于总目标的权重，从而实现多准则(目标)下对备选方案的排序。

优点：AHP 具有思路清晰、方法简单、适用面广、便于推广应用等特点，是目前解决多准则决策问题有效的方法之一.层次分析法的基本步骤和要点结合一个具体例子，说明层次分析法的基本步骤和要点。

【案例分析】市政工程项目建设决策：层次分析法问题提出市政部门管理人员需要对修建一项市政工程项目进行决策，可选择的方案是修建通往旅游区的高速路（简称建高速路）或修建城区地铁（简称建地铁）。

除了考虑经济效益外，还要考虑社会效益、环境效益等因素，即是多准则决策问题，考虑运用层次分析法解决。

1. 建立递阶层次结构应用AHP解决实际问题，首先明确要分析决策的问题，并把它条理化、层次化，理出递阶层次结构。

AHP要求的递阶层次结构一般由以下三个层次组成：●目标层（最高层）：指问题的预定目标；●准则层（中间层）：指影响目标实现的准则；●措施层（最低层）：指促使目标实现的措施；通过对复杂问题的分析，首先明确决策的目标，将该目标作为目标层（最高层）的元素，这个目标要求是唯一的，即目标层只有一个元素。

然后找出影响目标实现的准则，作为目标层下的准则层因素，在复杂问题中，影响目标实现的准则可能有很多，这时要详细分析各准则因素间的相互关系，即有些是主要的准则，有些是隶属于主要准则的次准则，然后根据这些关系将准则元素分成不同的层次和组，不同层次元素间一般存在隶属关系，即上一层元素由下一层元素构成并对下一层元素起支配作用，同一层元素形成若干组，同组元素性质相近，一般隶属于同一个上一层元素（受上一层元素支配），不同组元素性质不同，一般隶属于不同的上一层元素。

层次分析法例题

某物流企业需要采购一台设备，在采购设备时需要从功能、价格与可维护性三个角度进行评价，考虑应用层次分析法对3个不同品牌的设备进行综合分析评价和排序，从中选出能实现物流规划总目标的最优设备，其层次结构如下图所示。

以A 表示系统的总目标，判断层中1B 表示功能，2B 表示价格，3B 表示可维护性。

1C ，2C ，3C 表示备选的3种品牌的设备。

解题步骤：1、标度及描述人们定性区分事物的能力习惯用5个属性来表示，即同样重要、稍微重要、较强重要、强烈重要、绝对重要，当需要较高精度时，可以取两个相邻属性之间的值，这样就得到9个数值，即9个标度。

为了便于将比较判断定量化，引入1～9比率标度方法，规定用1、3、5、7、9分别表示根据经验判断，要素i 与要素j 相比：同样重要、稍微重要、较强重要、强烈重要、绝对重要，而2、4、6、8表示上述两判断级之间的折衷值。

注：a ij 表示要素i 与要素j 相对重要度之比，且有下述关系：a ij =1/a ji ；a ii =1； i ，j=1，2，…，n显然，比值越大，则要素i 的重要度就越高。

目标层判断层方案层图设备采购层次结构图2、构建判断矩阵A判断矩阵是层次分析法的基本信息，也是进行权重计算的重要依据。

根据结构模型，将图中各因素两两进行判断与比较，构造判断矩阵：●判断矩阵B A -(即相对于物流系统总目标，判断层各因素相对重要性比较)如表1所示；●判断矩阵C B -1(相对功能，各方案的相对重要性比较)如表2所示； ●判断矩阵C B -2(相对价格，各方案的相对重要性比较)如表3所示； ●判断矩阵C B -3(相对可维护性，各方案的相对重要性比较)如表4所示。

1B A -C B -14C B -33、计算各判断矩阵的特征值、特征向量及一致性检验指标一般来讲，在AHP 法中计算判断矩阵的最大特征值与特征向量，必不需要较高的精度，用求和法或求根法可以计算特征值的近似值。

层次分析法练习(教学专题)

1．对下列短语作层次分析，如果有歧义，要作不同的分析。

(1)要求我们班明天去主楼开会(2)访问台湾归来的科学家(3)咬死了猎人的狗(4)他的哥哥和妹妹的朋友(5)三个报社的记者和编辑(6)看打乒乓球的中小学生(7)校办工厂幼儿园(8)看望陈老师的学生(9)打死老虎(10)爸爸和妈妈的同事(11)我们三个一组2．用层次分析法分析下列词组(1)恢复和发扬母校的优良传统(2)母亲那布满皱纹的慈祥的脸(3)牺牲在这块土地上的烈士(4)处理好工作、学习二者的关系(5)用中国乐器演奏的西洋乐曲(6)积极地培育和正确地使用人才(7)一位优秀的小学低年级语文教师(8)那些充满幻想的诗句(9)交给连长一份秘密文件(10)发明能打出乐谱的打字机的人(11)周密的调查能解决问题(12)在人才集中的研究机关工作(13)把这个问题讲得又深又透(14)教室里有两个人在交谈(15)为国家和人类作出重大贡献的科学工作者(16)派他到镇上看一下市场情况(17)矿山建设者的豪迈誓言(18)不能磨灭的深刻印象(19)写出更多更好的作品(20)分析研究以下材料(21)严格控制基本建设的规模(22)选他当人民代表(23)请他到北京参加科学讨论会(24)谁是最可爱的人(25)夏天和冬天温差都很大(26)世界珍惜动物熊猫的故乡中国(27)浓浓的长长的眉毛和一双不大不小的眼睛(28)在我们读书的教室里(29)那个特别红的让他拿走了(30)沿走廊走过去往右拐就到了(31)去图书馆借讲法律的书(32)命令部队迅速占领制高点阻击敌人(33)老师叫你去办公室交语法作业(35)扮成一个看山林的人(36)请你陪小李上街买东西(37)刚刚打扫完教室的王芳(38)气氛紧张的会议室里(39)对国内外旅游者有着极大的吸引力(40)选你当组长最合适。