第三讲层次分析法建模
层次分析法数学建模
在某些情况下,层次分析法可能无法合理地分配权重,导致决策结果 与实际情况存在较大偏差。
无法处理动态变化
层次分析法主要用于静态决策问题,对于动态变化的决策问题处理能 力较弱。
05 结论与展望
结论
层次分析法是一种有效的决策分析方法,能够将复杂问题 分解为多个层次和因素,通过比较和判断各因素之间的相 对重要性,为决策提供依据。
实例三:风险评估问题
总结词
层次分析法在风险评估问题中,能够综合考虑风险的多种来源和影响因素,确定各因素之间的权重关 系,为风险的有效控制提供科学的依据。
详细描述
风险评估问题涉及到如何识别、评估和控制各种潜在的风险。层次分析法可以将风险的多种来源和影 响因素进行比较和判断,确定各因素之间的权重关系,为风险的有效控制提供科学的依据。同时,层 次分析法还可以用于制定风险应对策略和预案,提高组织的抗风险能力。
层次单排序与一致性检验
层次单排序
根据判断矩阵的性质和计算方法,计 算出各组成元素的权重值,并按照权 重值的大小进行排序。
一致性检验
对判断矩阵的一致性进行检验,以确 保各组成元素之间的相对重要性关系 符合逻辑和实际情况。
层次总排序与一致性检验
层次总排序
根据各层次的权重值和组成元素的权重值,计算出整个层次结构模型的权重值, 并进行总排序。
确定层次
根据问题的复杂程度和组 成元素的性质,将层次结 构划分为不同的层次,以 便于分析和计算。
判断矩阵的建立
确定判断标准
根据问题的特点和要求,确定判 断各组成元素之间相对重要性的 标准和方法。
构造判断矩阵
根据判断标准,构造出一个判断 矩阵,用于表示各组成元素之间 的相对重要性关系。
数学建模之层次分析法
层次分析法层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。
该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。
缺点:(1)层次分析法的主观性太强,模型的搭建,判断矩阵的输入都是决策者的主观判断,往往会因为决策者的考虑不周、顾此失彼而造成失误。
(2)层次分析法模型的内部结构太过理想化,完全分离、彼此独立的层次结构在实践中很难做到。
(5)层次分析法只能从给定的决策方案中去选择,而不能给出新的、更优的策略。
1.模型的应用用于解决多目标的复杂问题的定性与定量相结合的决策分析。
(1)公司选拔人员,(2)旅游地点的选取,(3)产品的购买等,(4)船舶投资决策问题(下载文档),(5)煤矿安全研究,(6)城市灾害应急能力,(7)油库安全性评价,(8)交通安全评价等。
2.步骤①建立层次结构模型首先明确决策目标,再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型,模型如下图所示。
目标层:表示解决问题的目的,即层次分析要达到的总目标。
通常只有一个总目标。
准则层:表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。
方案层:表示将选用的解决问题的各种措施、政策、方案等。
通常有几个方案可选。
注意:(1)任一元素属于且仅属于一个层次;任一元素仅受相邻的上层元素的支配,并不是任一元素与下层元素都有联系;(2)虽然对准则层中每层元素数目没有明确限制,但通常情况下每层元素数最好不要超过 9 个。
这是因为,心理学研究表明,只有一组事物在 9 个以内,普通人对其属性进行判别时才较为清楚。
当同一层次元素数多于 9 个时,决策者对两两重要性判断可能会出现逻辑错误的概率加大,此时可以通过增加层数,来减少同一层的元素数。
②构造判断(成对比较)矩阵以任意一个上一层的元素为准则,对其支配的下层各因素之间进行两两比较。
数学建模第三讲层次分析法
数学建模第三讲层次分析法在数学建模的领域中,层次分析法(Analytic Hierarchy Process,简称 AHP)是一种相当实用且重要的决策方法。
它能够帮助我们在面对复杂的多准则决策问题时,做出更为合理、科学的决策。
那么,什么是层次分析法呢?简单来说,层次分析法就是把一个复杂的问题分解成若干个层次,通过两两比较的方式,确定各层次元素之间的相对重要性,最后综合这些比较结果,得出最终的决策方案。
比如说,我们要选择一个旅游目的地。
这时候,可能会考虑多个因素,比如景点吸引力、交通便利性、住宿条件、餐饮质量、费用等等。
这些因素就构成了不同的层次。
然后,我们会对每个因素进行两两比较,比如景点吸引力比交通便利性更重要吗?重要多少?通过这样的比较,我们就能给每个因素赋予一个相对的权重。
为了更清楚地理解层次分析法,我们来看看它的具体步骤。
第一步,建立层次结构模型。
这是层次分析法的基础。
我们需要把问题分解成目标层、准则层和方案层。
目标层就是我们最终要实现的目标,比如选择最佳的旅游目的地。
准则层就是影响目标实现的各种因素,像前面提到的景点吸引力、交通便利性等等。
方案层就是我们可以选择的具体方案,比如去三亚、去桂林、去丽江等等。
第二步,构造判断矩阵。
在这一步,我们要对同一层次的元素进行两两比较,比较它们对于上一层某个元素的重要性。
比较的结果通常用 1 9 标度法来表示。
比如说,如果因素 A 比因素 B 稍微重要,就给A 对B 的比较值赋 3;如果 A 比 B 明显重要,就赋 5;如果 A 比 B 极端重要,就赋 9。
反过来,如果 B 比 A 稍微重要,就给 B 对 A 的比较值赋 1/3,以此类推。
第三步,计算权重向量并进行一致性检验。
通过数学方法,比如特征根法,计算出每个判断矩阵的最大特征值和对应的特征向量。
这个特征向量就是我们所需要的权重向量。
但是,为了确保我们的判断是合理的,还需要进行一致性检验。
如果一致性比率小于 01,就认为判断矩阵的一致性是可以接受的;否则,就需要重新调整判断矩阵。
数学建模之层次分析课件(三)
n
b.对 ij 按行求和 i ij i 1
c.将 i
n
归一化 i i / ij i 1
, 1,2,..... n T
即为近似特征向量
d.计算
1 n Ai
n i1 i
作为最大特征根的近似值
一致性的概念
C1 : C2 1: 2 C2 : C3 4 :1
C1 : C3 ?
C1 : C3 2 矩阵为一致性的
• 它具有思路清晰、方法简单、实用面广、系 统性强等特点,便于普及推广。
二、模型建立的基本步骤
第一步:建立层次结构模型(解决问题的关键) 第二步:构造判断矩阵 第三步:层次单排序及其一致性检验 第四步:层次总排序 第五步:层次总排序的一致性检验
层次分析的结构
目标层 决策层 方案层
吃中午饭了,假如有3个食堂供你选择, 从味道、价格、环境三个方面出发,选出你 认为的最佳的吃饭地点。
目标层与决策层的判断矩阵:
味道 味 道1
价格 2
环境 6
价 格
1/2
1
4
环 境
1/6
1/4
1
1
aij a ji
正互反矩 阵
正互反阵最大特征根和 特征向量的实用算法
• 幂法 • 和法 • 根法
1 2 6
0.6 0.615
B 1/ 2 1 4 列向量归一化 0.3 0.308 0.364
目标层对决策层的特征向量:
决策层对选择层的n个特征向量:
味道 a1 价格 a2 环境 a3
味道:P1 b11 P2 b12 P3 b13
价格:P1 b21 P2 b22 P3 b23
环境: P1 b31 P2 b32 P3 b33
数学建模-层次分析法
三、判断矩阵的一致性
定义1:设 如果满足下列二个条件:
则称 A 为互反矩阵。
定义2:设
A ( aij )m m,A 0,
1 (2) a ij , a ji
(1) a ii 1,
则称 A 为一致性矩阵。
N
TU
a ik ; i , j , k 1, 2, , m (3) a ij a jk
N
根据线性代数知识,3是矩阵A的最大特征值,G是矩阵A属于特征值3的特征向量。 因此,物体测重问题就转化为求判断矩阵的特征值和对应的特征向量,3个物体的
TU
AG 3G
-M
3 g1 g1 g1 / g1 g1 / g2 g1 / g3 g1 A G g2 / g1 g2 / g2 g2 / g3 g2 3 g2 3 g2 3G g / g g / g g / g g 3g g 3 1 3 2 3 3 3 3 3
人才培养 B2
可行性 B3
发展前景 B4
研 究 周 期 C5
财 政 支 持 C6
-M
课题1
课题N
6
1
AHP方法的基本原理
数学建模-层次分析法
二、判断矩阵及其特征向量
AHP方法采用优先权重作为区分方案优劣程度的指标。 优先权重是一种相对度量数,表示方案相对优劣的程度,其数值介于0和 方案关于目标准则体系整体的优先权重,是通过递阶层次从上到下逐层计算
数学建模-层次分析法
三、判断矩阵的一致性
定理3:设 A 是一致性矩阵,则:
① 一致性正矩阵是互反正矩阵; ② A 的转置矩阵AT也是一致性矩阵;
数学建模中的层次分析法PPT课件一等奖新名师优质课获奖比赛公开课
第16页
一致性检验 对A确定不一致允许范围 已知:n 阶一致阵唯一非零特征根为n
可证:n 阶正互反阵最大特征根 n, 且 =n时为一致阵
定义一致性指标: CI n CI 越大,不一致越严重
n 1
为衡量CI 大小,引入随机一致性指标 RI——随机模拟
得到aij , 形成A,计算CI 即得RI。 Saaty结果以下
0.733 e1 Ae0 0.788
3
e1 4.511
第8页
0.733 0.162
e1
1 4.511
0.788
3
0.172 0.665
0.467
0.155
e2 0.565 , e2 3.014, e2 0.184
1.991
0.661
0.471
0.156
深入分析实际问题,将相关原因自上而下分层(目标— 准则或指标—方案或对象),上层受下层影响,而层内 各原因基本上相对独立。
2)结构成对比较阵
用成对比较法和1~9尺度,结构各层对上一层每一原因成 对比较阵。
3)计算权向量并作一致性检验
对每一成对比较阵计算最大特征根和特征向量,作一致性 检验,若经过,则特征向量为权向量。
w1
wn
w2
wn
wn
wn
第14页
成对比较阵和权向量 成对比较完全一致情况 满足 aij a jk aik , i, j, k 1,2,, n
w1
w1
w1
w2
w2
w2
A
w1
w2
正互反阵A称一致阵,如
wn
wn
w1
w2
一致阵 • A秩为1,A唯一非零特征根为n 性质 • A任一列向量是对应于n 特征向量
数学建模教学 19.层次分析法
W i W i/ nW j i1,2, ,n j1
所求特征向量: W [W 1 ,W 2 , ,W n ]T
编辑ppt
(4)计算最大特征根:
maxn1 in1(AWW i )i
1 A 1/ 2
2 1
6 4
列向量 归一化
0.6 0.3
0.615 0.545 0.308 0.364
1/ 6 1/ 4 1
化的结果,允许存在一定的误差范围。
※常用近似算法求解判断矩阵的最大特征根及其所
对应的特征向量:和法和根法。
编辑ppt
和法计算步骤
(1)将判断矩阵每一列归一化:
n
b ijb ij/ b kj
i,j1 ,2 , ,n
k 1
(2)对按列归一化后的判断矩阵再按行求和:
n
W i bij
i1,2, ,n
j1
(3)将求和后的向量归一化:
编辑ppt
1 基本原理
假定我们已知n只西瓜的重量和为1,每只 西瓜的重量分别为W1,W2,…,Wn。把这 些西瓜两两比较,很容易得到表示n只西瓜 相对重量关系的比较矩阵:
A=
=(aij)n×n
编辑ppt
显然aii= 1,aij =1/aji,aij =aik/ajk, i、j、k= 1,2,…,n
买钢笔 质颜价外实 量色格形用
可供选择的笔
编辑ppt
目标层 准则层 方案层
若上层的每个因素都支配着下一层的所有因素, 或被下一层所有因素影响,称为完全层次结构, 否则称为不完全层次结构。还可以建立 子层 次。
目标层:
选购电冰箱
准则层: 信誉T1 型式T2 价格T3 容量T4 制冷级别T5 耗电量T6
16322-数学建模-培训课件-层次分析方法建模
A=(aij)n×n , aij > 0 ,
( 4.1)
表 示 。由( 4.1)给出 的 aij 的特点,A 称为正互反矩阵。显然比由 aii=1。如 用 C1,…,C5
依次表示景色、费用、饮食、旅游 5 个准则,设某人用成对比较距阵(正互反阵 )
为
1
1 2
4
3
3
2 1 7 5 5
A
1 4
1 7
该类模型的建立、求解及检验可以分为以下五个步骤 步骤一 明确问题,提出总目标 该问题的目标是选择旅游地。
步骤二 建立层次结构,把问题分解为若干层次。第一层为总目标;中间层可以 根据问题的性质分成目标成(准则层)、部门层、约束层等;最低层一般为方案 层或是措施层。 该问题的分层结构图如下:
目标层
准则层
方案层
图4.1 选择旅游地的层次结构
步骤三 求同一层次上的权系数(从高到低层)。
假设要比较某一层 n 个因素 C1,C2 , …,Cn 对上层一个因素 O 的影响,如旅游 决策问题中比较景色等 5 个准则在选择旅游地这个目标中的重要性。每次取两个 因素 Ci 和 Cj,用 aij 表示 Ci 和 Cj 对 O 的影响之比,全部比较结果可用对比比较 距阵
三 模型优点 其优点是思路简单明了,尤其是紧密地和决策者的主观判断和推理联系起来,对 决策者的推理过程进行量化的描述,可以避免决策者在结构复杂和方案较多时逻 辑推理上的失误。
四 模型建立 引例: 有 P1、P2、P33 个旅游胜地供你选择,你会根据诸如景色、费用和居住、饮食、 旅途条件等一些准则去反复比较那 3 个候选地点,作出决策选择哪个旅游地。
目标 i 和目标 j 同样重要 目标 i 比目标 j 略微重要
层次分析法及其应用数学建模
层次单排序
根据判断矩阵求解各因素对于上一层次因素的相 对重要性权重,得到层次单排序结果。
02
一致性检验
对判断矩阵进行一致性检验,检查各因素之间的 相对重要性是否合理。
层次总排序与一致性检验
层次总排序
根据各层次的权重和下一层因素相对于上一层因素的权重,计算出最底层因素相对于总目标的 权重。
一致性检验
判断矩阵的构造
确定比较标度
比较同一层次中各因素对于上一 层次因素的相对重要性,通常采 用1-9的标度法进行比较。
构造判断矩阵
根据比较标度,构造出判断矩阵, 矩阵中的元素表示对应因素的比 较结果。
求解判断矩阵
通过计算判断矩阵的特征向量, 得到各因素对于上一层次因素分析法可以根据问题 的实际情况调整层次结构 和判断矩阵,具有较高的 灵活性。
局限性
主观性
层次分析法在构造判断矩阵时依赖于专 家的主观判断,因此结果可能受到专家
主观因素的影响。
计算复杂度较高
对于大规模问题,层次分析法的计算 复杂度较高,需要借助计算机进行辅
助计算。
一致性检验困难
对于构造的判断矩阵,一致性检验是 一个难题,需要找到合适的检验方法。
层次分析法在数学建模中的应用
01 在数学建模中,层次分析法常用于解决多目标决 策问题,例如在资源分配、方案选择、风险评估 等方面。
02 通过构建层次结构模型,可以将复杂的决策问题 分解为多个层次,使得决策过程更加清晰和有条 理。
02 在应用层次分析法时,需要构建判断矩阵,并进 行一致性检验,以确保决策的合理性和准确性。
02
层次分析法的基本原理
层次结构模型的建立
01 明确问题
首先需要明确问题的目标,并确定相关的因素, 将因素按照属性不同分为不同的层次,形成层次 结构。
数学建模层次分析法
(Analytic Hierarchy Process) 建模
数学建模
模型背景 基本步骤 应用实例
一、模型背景
❖ 美国运筹学家匹兹堡大学教授Saaty在20世纪70 年代初提出的一种层次权重决策分析方法。
❖层次分析法(Analytic Hierarchy Process简称AHP) 是一种定性和定量分析相结合的决策分析方法。
对总目标Z的排序为
A1
A2
Am
a1, a2 ,, am
B层n个因素对上层 A中因素为 Aj
其层次单排序为
B1
B2
Bn b1 j ,b2 j ,,bnj ( j 1,2,, m)
层次 A A1
层次 B a1
B1
b11
B2
b21
.
.
.
.
.
.
Bn
bn1
A2 … Am B 层次总
a2
… am 排序权值
RI 0i RIi 0.58 i 1
CR CI / RI 0.087 / 0.58 0.015 0.1
C5
0.118 0.166 0.166 0.668
层次P的 总排序
0.3 0.246 0.456
层次分析法的优点
系统性——将对象视作系统,按照分解、比较、判断、综合 的思维方式进行决策。成为成为继机理分析、统 计分析之后发展起来的系统分析的重要工具;
w(2) (0.263, 0.475, 0.055, 0.090, 0.110)T
同样求第3层(方案)对第2层每一元素(准则)的权向量
方案层对C1(景色)的 成对比较阵
方案层对C2(费用)的 成对比较阵
…Cn
层次分析方法建模
第八章层次分析方法建模层次分析法(AHP-Analytic Hierachy Process)70 年代由美国运筹学家T·L·Satty 提出的,是一种定性与定量分析相结合的多目标决策分析方法论.该方法吸收并利用行为科学的特点,将决策者的经验判断给予量化,对目标(因素)结构复杂而且缺乏必要数据的情况,采用此方法较为实用.在系统科学中,它是常用的一种系统分析方法,并成为系统分析的数学工具之一.8.1 层次分析方法的基本框架人们在进行社会的、经济的以及科学管理领域问题的系统分析中,面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统.在这样的系统中,人们感兴趣的问题之一是:就n个不同事物所共有的某一性质而言,应该怎样对任一事物的所给性质表现出来的程度(排序权重)赋值,使得这些数值能客观地反映不同事物之间在该性质上的差异?层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法.它把复杂问题分解成组成因素,并按支配关系形成层次结构,然后用两两比较的方法确定决策方案的相对重要性.8.1.1 建立层次结构图一个合理的层次结构图至少分为三层,最上面为目标层,最下面为方案层,中间是准则层或指标层,如图8.1所示.如何建立层次结构图呢?首先,将复杂问题分解为称之为元素的各组成部分,把这些元素按属性不同分成若干组,以形成不同层次.同一层次的元素作为准则,对下一层次的某些元素起支配作用,同时它又受上一层次元素的支配.这种从上至下的支配关系形成了一个递阶层次.处于最上面的的层次通常只有一个元素,一般是分析问题的预定目标或理想结果,中间层次一般是准则、子准则,最低一层包括决策的方案.层次之间元素的支配关系不一定是完全的,即可以存在这样的元素,它并不支配下一层次的所有元素.其次,层次数与问题的复杂程度和所需要分析的详尽程度有关.每一层次中的元素一般不超过 9 个,因一层中包含数目过多的元素会给两两比较判断带来困难.第三,一个好的层次结构对于解决问题是极为重要的.层次结构建立在决策者对所面临的问题具有全面深入的认识基础上,如果在层次的划分和确定层次之间的支配关系上举棋不定,最好重新分析问题,弄清问题各部分相互之间的关系,以确保建立一个合理的层次结构.一个好的层次结构图应具有以下特点:(1) 从上到下顺序地存在支配关系,并用直线段表示.除第一层外,每个元素至少受上一层一个元素支配,除最后一层外,每个元素至少支配下一层次一个元素.上下层元素的联系比同一层次中元素的联系要强得多,故认为同一层次及不相邻元素之间不存在支配关系.(2) 整个结构中层次数不受限制.(3) 最高层只有一个元素,每个元素所支配的元素一般不超过 9 个,元素多时可进一步分组.(4) 对某些具有子层次的结构可引入虚元素,使之成为层次结构.8.1.2 构造成对比较矩阵在建立递阶层次结构以后,上下层次之间元素的隶属关系就被确定了.假定上一层次的元素k C 作为准则,对下一层次的元素n A A A ,,,21 有支配关系,我们的目的是在准则k C 之下按它们相对重要性赋予n A A A ,,,21 相应的权重.对于大多数社会经济问题,特别是对于人的判断起重要作用的问题,直接得到这些元素的权重并不容易,往往需要通过适当的方法来导出它们的权重.层次分析法所用的是两两比较的方法.第一,在两两比较的过程中,决策者要反复回答问题:针对准则k C ,两个元素i A 和j A 哪一个更重要一些,重要多少.需要对重要多少赋予一定的数值.这里使用 1—9 的比例标度,它们的意义见表 8.1.1.1-9 的标度方法是将思维判断数量化的一种好方法.首先,在区分事物的差别时,人们总是用相同、较强、强、很强、极端强的语言.再进一步细分,可以在相邻的两级中插入折衷的提法,因此对于大多数决策判断来说,1-9 级的标度是适用的.其次,心理学的实验表明,大多数人对不同事物在相同程度属性上差别的分辨能力在 5-9 级之间,采用 1-9 的标度反映多数人的判断能力.再次,当被比较的元素其属性处于不同的数量级时,一般需要将较高数量级的元素进一步分解,这可保证被比较元素在所考虑的属性上有同一个数量级或比较接近,从而适用于 1-9 的标度.表8.1.1 标度的意义第二,对于n 个元素n A A A ,,,21 来说,通过两两比较,得到两两比较判断矩阵A :⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=nn n n n n a a a a a a a a a A 212222111211 其中判断矩阵具有如下性质:(1)0>ij a ;(2)ji ij a a /1=; (3)1=ii a .我们称A 为正的互反矩阵.根据性质(2)和(3),事实上,对于n 阶判断矩阵仅需对其上(下)三角元素共2)1(-n n 个给出判断即可. 8.1.3 计算层次单排序----计算比较矩阵的特征值与特征向量这一步是要解决在准则k C 下,n 个元素n A A A ,,,21 排序权重的计算问题.通过两两比较得到判断矩阵A ,解特征值问题w Aw max λ=所得到的w 经归一化后作为元素n A A A ,,,21 在准则k C 下的排序权重,这种方法称为计算排序向量的特征值法.特征值方法的理论依据是如下的正矩阵的Perron 定理,它保证了所得到的排序向量的正值性和唯一性:定理 设n 阶方阵0>A ,max λ为A 的模最大的特征值,则有(1) max λ必为正特征值,而且它所对应的特征向量为正向量;(2) A 的任何其它特征值λ恒有<λmax λ;(3) max λ为A 的单特征值,因而它所对应的特征向量除差一个常数因子外是唯一的. 特征值方法中的最大特征值max λ和特征向量w ,可用 Matlab 软件直接计算.若不使用软件帮助而直接用定义来计算矩阵A 的特征值和特征向量,则相当困难,特别是阶数较高时.另一方面,成对比较矩阵是通过定性比较得到的比较粗糙的结果,没有必要对它进行精确的计算.基于这种想法,近似计算计算矩阵A 的特征值和特征向量更受人们的欢迎.常见的近似计算矩阵A 的特征值和特征向量的方法有:求和法、求根法和幂法.求和法的步骤如下:a)将A 的每一列向量归一化得矩阵∑==ni ijij ij a a w 1/~. b)对矩阵ijw ~按行求和得向量 T nw w w w )~,,~,~(~21 =, 其中 ∑==nj ij i w w 1~~. c)归一化向量T nw w w w )~,,~,~(~21 =得到向量 Tn w w w w ),,,(21 =, 其中 ∑==nj j i i w w w 1~/~. 该向量即为所求的特征向量的近似.d)计算Aw 得到向量T n a a a ),,,(21 .e)计算∑==n j jj w a n 11λ.这就是要计算的最大特征值的近似. 求根法的步骤和求和法的基本相同,只是将步骤b)改为:b ') 对矩阵ijw ~按行求积并开n 次方得向量 T n w w w w )~,,~,~(~21 =, 其中 n n j ij i w w /11~~⎪⎪⎭⎫ ⎝⎛=∏=.其它步骤完全相同.幂法是用迭代格式求特征值与特征向量的,它的步骤如下:a)任取一n 维归一化的初始向量)0(w;b)计算 )()1(~k k Aw w =+, ,2,1,0=kc)归一化向量)1(~+k w得到向量)1(+k w ,即 ∑=+++=n i k ik k w w w 1)1()1()1(~/~. d)对于预先给定的精度ε,当下式成立时ε<-+||)()1(k i k i w w ,n i ,,2,1 =)1(+k w 即为所要求的特征向量;否则,继续按步骤b)计算.e)计算∑=+=n j k jk j w w n 1)()1(~1λ,这就是要计算的最大特征值的近似. 上述三种近似算法中,第一种求和方法最简单,第三种幂法较为复杂.8.1.4 比较矩阵的一致性检验如果决策人对决策对象的比较具有逻辑的绝对一致性,即不会出现任何矛盾的结论,在这种理想状况下,判断矩阵A 的元素具有传递性,即满足等式ik jk ij a a a =⋅例如当i A 和j A 相比的重要性比例标度为3,而j A 和k A 相比的重要性比例标度为 2,一个传递性的判断应有i A 和k A 相比的重要性比例标度为 6.当上式对矩阵A 的所有元素均成立时,判断矩阵A 称为一致性矩阵.然而,实际情况是,我们并不要求判断具有这种传递性和一致性,这是由客观事物的复杂性与人的认识的多样性所决定的.但在构造两两判断矩阵时,要求判断大体上的一致是应该的.出现甲比乙极端重要,乙比丙极端重要,而丙又比甲极端重要的判断,一般是违反常识的.一个混乱的经不起推敲的判断矩阵有可能导致决策的失误,而且当判断矩阵过于偏离一致性时,用上述各种方法计算的排序权重作为决策依据,其可靠程度也值得怀疑.因而必须对判断矩阵的一致性进行检验.可以证明,n 阶比较矩阵A 是一致的,当且仅当A 的最大特征值.max n =λ因此,只需计算A 的最大特征值就可判断A 是否是一致的.如果A 不具有一致性,可以证明.)(max n A >λ 而且n A -)(max λ越大,不一致程度越严重.令 1)(max --=n nA CI λ将CI 作为衡量比较矩阵A 的不一致程度的标准,称CI 为一致性指标.当判断矩阵A 的最大特征值)(max A λ稍大于n 时,称A 具有满意的一致性.用这种方法定义的一致性是不严格的,还必须给出度量指标.Saaty 提出结合平均随机一致性指标RI 来检验比较矩阵A 是否具有满意的一致性.平均随机一致性指标是多次(500次以上)重复进行随机判断矩阵特征根计算之后取算术平均得到的.具体的,对于固定的n ,随机地从1,2,…,9,1/2,1/3,…,1/9这17个数中选取2)1(-n n 个构造比较矩阵'A .这样的'A 是不一致的,取充分大的子样得到'A 的最大特征值的平均值'max λ,则1'max --=n nRI λ.1986年,龚木森、许树柏通过重复计算1000次判断矩阵后得出的1—15阶的平均随机一致性指标如下:表8.1.2 平均随机一致性指标的值令RICI CR =, 则称CR 为随机一致性比率.当CR <0.1时,认为比较矩阵具有满意的一致性;否则,必须重新调整比较矩阵A ,直到它达到满意的一致性为止.总之,比较矩阵A 的一致性检验分为以下几步:1)计算一致性指标CI ;2)查找平均随机一致性指标(见表8.1.2);3)计算随机一致性比率CR ;当CR < 0.1 时,一般认为判断矩阵的一致性是可以接受的.否则应对判断矩阵作适当的修正.8.1.5 层次总排序及其一致性检验计算同一层次所有因素对于总目标(最高层)相对重要性的排序权值,称为层次总排序.这一过程由最高层到最低层逐层进行.设上一层次A 包含的m 个因素为m A A A ,,,21 ,它的层次排序权值分别为m a a a ,,,21 .下一层次B 包含p 个因素记为p B B B ,,,21 ,它们对j A 的层次排序权值分别记为kj b (当k B 与j A 无联系时,kj b =0).此时B 层排序值如表8.1.3所示.层次排序也要进行一致性检验.检验是从高层到底层进行的.设B 层中的某些因素对ij A 排序的一致性指标为j CI ,平均随机一致性指标j RI ,则B 层排序随机一致性比率为∑∑===mj j j m j j j RI a CI a CR 11.当CR < 0.1 时,一般认为排序的一致性是可以接受的.否则,需要进行调整.一般情形,由于各个单层的一致性都是可以接受的,组合一致性比率比0.1大的很少.但确实也有组合一致性比率比0.1大的情形,这时将面临着调整两两比较判断矩阵,这将是非常麻烦的事.8.2 选择工作单位问题:某大学生将毕业就业,有三个单位可供选择.假设该生选择职业时主要考虑如下因素: (1)进一步深造条件;(2)单位今后发展前景;(3)本人的兴趣爱好;(4)单位所在的地域;(5)单位的声誉;(6)单位的经济效益、工资与福利待遇.首先建立如下层次结构图.其中目标层为:工作的满意程度.准则层包含六个因素:1B -深造条件,2B -发展前景,3B -兴趣爱好,4B -单位地域,5B -单位声誉,6B -工资福利.方案层包含三个备选方案:1C -工作1,2C -工作2,3C -工作3.如图8.2所示.其次,构造比较矩阵并进行一致性检验.该问题中要构造7个比较矩阵,即目标-准则层各因素的比较矩阵(B A -比较矩阵),准则1-各方案的比较矩阵(C B -1比较矩阵),准则2-各方案的比较矩阵(C B -2比较矩阵),准则3-各方案的比较矩阵(C B -3比较矩阵),准则4-各方案的比较矩阵(C B -4比较矩阵),准则5-各方案的比较矩阵(C B -5比较矩阵),准则6-各方案的比较矩阵(C B -6比较矩阵).(1) 准则层各因素对目标而言的比较矩阵为:表8.2.1 B A -比较矩阵经计算,上述矩阵的最大特征值为6.4203,它对应的特征向量为(0.3630 0.4337 0.4537 0.1107 0.3443 0.5861),归一化后为:(0.1584 0.1892 0.1980 0.0483 0.1502 0.2558).一致性检验为:CI =(6.4203-6)/5=0.08406,=CR 0.08406/1.26=0.0667<0.1.这说明上述比较矩阵的不一致是可以接受的.(2) 准则层1(深造条件)下的各方案的比较矩阵为:表8.2.2 比较矩阵经计算,上述矩阵的最大特征值为3.0183,它对应的特征向量为(0.1999 0.9154 0.3493),归一化后为:(0.1365 0.6250 0.2385).一致性检验为:CI =(3.0183-3)/2=0.0091,=CR 0.0091/0.52=0.0176<0.1.这说明上述比较矩阵的不一致是可以接受的.(3) 准则层2(发展前景)下的各方案的比较矩阵为:经计算,上述矩阵的最大特征值为3.0246,它对应的特征向量为(0.1460 0.4994 0.8540),归一化后为:(0.0974 0.3331 0.5695).一致性检验为:CI =(3.0246-3)/2=0.0123,=CR 0.0123/0.52=0.0236<0.1.这说明上述比较矩阵的不一致是可以接受的.(4) 准则层3(兴趣爱好)下的各方案的比较矩阵为:经计算,上述矩阵的最大特征值为3.0070,它对应的特征向量为(0.3382 0.9331 0.1226),归一化后为:(0.2426 0.6694 0.0879).一致性检验为:CR0.0035/0.52=0.0068<0.1.CI=(3.0070-3)/2=0.0035,=这说明上述比较矩阵的不一致是可以接受的.(5)准则层4(单位地域)下的各方案的比较矩阵为:比较矩阵表8.2.5经计算,上述矩阵的最大特征值为3.0649,它对应的特征向量为(0.3928 0.9140 0.1013),归一化后为:(0.2790 0.6491 0.0719).一致性检验为:CR0.0324/0.52=0.0624<0.1.CI=(3.0649-3)/2=0.0324,=这说明上述比较矩阵的不一致是可以接受的.(6)准则层5(单位声誉)下的各方案的比较矩阵为:8.2.6 比较矩阵表经计算,上述矩阵的最大特征值为3.0000,它对应的特征向量为(0.7035 0.7035 0.1005),归一化后为:(0.4667 0.4667 0.0667).一致性检验为:CR0.0000/0.52=0.0000<0.1.CI=(3.0000-3)/2=0.0000,=这说明上述比较矩阵的不一致是可以接受的.(7)准则层6(工资福利)下的各方案的比较矩阵为:8.2.7 比较矩阵表经计算,上述矩阵的最大特征值为3.0092,它对应的特征向量为(0.9596 0.2641 0.0969),归一化后为:(0.7267 0.2000 0.0734).一致性检验为:CI=(3.0092-3)/2=0.0046,=CR0.0046/0.52=0.0088<0.1.这说明上述比较矩阵的不一致是可以接受的.注意:上述比较矩阵中如果出现不可接受的不一致即1.0 CR ,那么需要调整该矩阵的元素大小并重新进行一致性检验,直到该矩阵的不一致可以接受为止.第三,计算层次总排序及一致性检验.我们将上述结果列于下表之中:层次总排序的计算方法为:将方案层子权值与对应的准则层权值乘起来后相加,例如对于方案1C ,上表中第二行与第三行对应元素相乘后相加,即:0.1584×0.1365+0.1892×0.0974+0.1980×0.2426+0.0483×0.2790+0.1502×0.4667+0.2558×0.7267=0.3575.其它方案类似.我们将计算的结果列于表8.2.9中.表8.2.9中的组合一致性指标以及组合随机一致性比率的计算与上面的类似.表8.2.9层次总排序及组合一致性检验表8.2.9中的组合随机一致性比率为0.0139,它小于0.1,因此不一致性是可以接受的.最后,由于在层次总排序中,方案2C >方案1C >方案3C ,因此应选择工作2.8.3 城市土地持续利用评价问题:对城市土地的利用情况进行综合评价,是一项非常有价值的工作.尤其是分析城市土地是否可持续利用,将对城市规划等产生重大影响.某些分析得出,城市土地持续利用水平可从四个方面来评价:(1)城市用地规模结构合理性,它通过人均居住用地面积、人均工业用地面积、人均道路广场用地面积、人均建设用地面积、人均公共绿地面积、居住用地占建设比例、工业用地占建设用地比例、道路广场用地占建设用地比例、公共绿地占建设用地比例等数量指标来反映;(2)经济可行性评价,它通过GDP 增长率、人均GDP 、建成区单位面积二三产业、第一产业比重、第二产业比重、第三产业比重、城镇居民人均年收入、人均社会消费品零售总额等数量指标来反映;(3)社会可接受度,它通过人口密度、人口自然增长率、人均生活用水量、人均生活用电量、万人拥有医生数、万人拥有在校大学生数、万人拥有公共汽车数量、恩格尔系数等数量指标来反映;(4)对区域环境影响评价,它通过工业废水处理率、工业万元产值用水、环境功能区达标率、建成区绿地覆盖率、工业固废综合利用率、污水处理率、污染治理总投资占GDP比重等数量指标来反映.对于上面列出的二级数量指标,可以通过调查研究资料得到它们的相应数据.表8.3.1列出了某地区各指标的现状值和目标值(目标值是指该指标的理想值).表8.3.1 某地区各指标的现状值和目标值根据给出的数据分析该城市的城市土地可持续利用水平,并对该城市的城市土地可持续利用状况进行评价.本问题采用层次分析法建立模型,进行计算和分析,最后给出评价结果.第一步,根据问题中列出的指标体系,构造层次结构如下(见表8.3.2):第二步,根据问题中指标的现状值和目标值,对问题的数据进行无量纲化处理.处理后的数据叫做量化值.处理方法为:首先将指标分为两种类型:一是对可持续性起正作用的指标,例如,人均公共绿地面积等;二是对可持续性起负作用的指标,如人口密度等.对于正表8.3.2 层次结构(指标体系)jj j A x a =,其中j x 为该指标的现状值,j A 为该指标的目标值;对于负向指标,量化值的计算公式为:jj j x A a =,其中j x 为该指标的现状值,j A 为该指标的目标值.利用上面的方法,我们计算得到的各个指标的量化值列于表8.3.3中.这里只是选择了比较简单易于理解的办法. 第三步,构造比较矩阵并进行一致性检验.表8.4.3 max λ=4.1596;CI=0.0532;RI=0.89;CR=0.059<0.1.因此,该比较矩阵具有满意的一致性.类似地构造准则层-指标层之间的比较矩阵,见表8.3.5-8.3.8:表8.3.5 1C -J X 1判断矩阵及其层次排序结果max λ=9.2778;CI=0.0347;RI=1.45;CR=0.0239<0.1.表8.3.6 2C -J X 2判断矩阵及其层次排序结果max λ=8.3380;CI=0.0483;RI=1.41;CR=0.0343<0.1.表8.3.7 3C -J X 3判断矩阵及其层次排序结果max λ=8.2832;CI=0.034;RI=1.41;CR=0.0241<0.1.表8.3.8 4C -J X 4判断矩阵及其层次排序结果max λ=7.2224;CI=0.0371;RI=1.32;CR=0.0281<0.1.上面构造的五个比较矩阵都通过了一致性检验,因此可以用来作进一步的计算.第四步:计算各指标的权重与准则的权重.即计算上述五个比较矩阵的最大特征值对应的特征向量,并将该向量标准化.其结果已经列在表8.3.4-8.3.8中.第五步:计算总目标值,即产生土地可持续利用水平.采用加权平均的计算方法,即∑==nj jj i ar P 1, ∑==41i i i P w P .其中j a 是与各指标对应的量化值,j r 是相应于各指标的权重,i w 是相应于各准则的权重.计算结果见表8.3.9中.表8.3.10 该城市土地资源可持续利用水平等级标准第六步:结论与分析.根据上述计算结果,并对照城市土地资源可持续利用水平等级标准(见表8.3.10),可得出该地区的土地资源可持续利用水平尚处于非可持续利用阶段.。
数学建模的层次分析法
1、层次分析法的基本概念
1、层次分析法的基本概念
层次分析法(Analytic Hierarchy Process,AHP)是一种广泛应用于数学 建模中的方法。它通过将复杂问题分解为多个层次,帮助我们更好地理解和解决 实际问题。层次分析法的基本原理是将一个复杂问题分解为多个相关因素,并根 据这些因素之间的相对重要性进行排序。
3、层次分析法的实际应用
(4)权重计算:通过计算判断矩阵的特征向量,得到每个因素的权重值。 (5)一致性检验:对判断矩阵进行一致性检验,以确保得到的权重值是合理的。
3、层次分析法的实际应用
(6)结果分析:根据权重值的大小,对每个因素进行分析,从而得到问题的解 决方案。层次分析法在多目标决策、资源分配、风险评估等领域有着广泛的应用。 例如,在多目标决策中,层次分析法可以帮助我们确定各目标的权重,从而得到 最优解。
三、大学生毕业设计质量评价的 数学模型建立
三、大学生毕业设计质量评价的数学模型建立
1、确定评价指标:根据模糊层次分析法的原理,我们首先需要确定评价指标 体系。选取与毕业设计质量相关的指标,建立多级递阶结构,其中一级指标为选 题质量、设计过程、成果质量等,二级指标为选题难度、选题新颖性、设计规范 性等。
2、数学建模在各领域的应用
在科学研究领域,数学建模被广泛应用于物理学、化学、生物学等学科。例 如,牛顿第二定律、万有引力定律等都是通过数学建模得到的。在工程技术领域, 数学建模也发挥着重要的作用。例如,桥梁设计、建筑设计等领域都需要用到数 学建模来分析结构稳定性和安全性。此外,数学建模在金融、经济、社会等领域 也有着广泛的应用。
参考内容
一、引言
一、引言
随着高等教育的普及化,大学生毕业设计的质量评价已成为一个重要的研究 领域。毕业设计是大学生综合素质和教育水平的直接体现,因此,对其质量进行 科学、客观的评价至关重要。本次演示将介绍一种基于模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)的大学生毕业设计质量评价数学建模方 法,旨在为提高毕业设计质量和评价效率提供有效手段。
数学建模(层次分析法(AHP法))PPT课件
28
定义一致性比率 : CR CI
RI
一般,当一致性比率 CR CI 0.1 时,认为A
RI
的不一致程度在容许范围之内,有满意的一致性,通 过一致性检验。否则要重新构造成对比较矩阵A,对 aij 加以调整。
一致性检验:利用一致性指标和一致性比率<0.1 及随机一致性指标的数值表,对A进行检验的过程。
例如 一块石头重量记为1,打碎分成n小块,各块的重
量分别记为:w1,w2,…wn
则可得成对比较矩阵
1
w1 w2
w1
w
n
由右面矩阵可以看出,
w2
A
w1
1
w2
w
n
wi wi wk
wj
wk w j
w
n
wn
1
w 2021
1
w2
25
即 aikakjaij i,j1,2, ,n
A
但在例2的成对比较矩阵中, a23 7,a21 2,a13 4 a23 a21a13
2021
27
由于λ(A的特征根) 连续的依赖于aij ,则λ比n 大的越 多,A 的不一致性越严重。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。
定义一致性指标: CI n
n 1
CI=0,有完全的一致性 CI接近于0,有满意的一致性
CI 越大,不一致越严重
2021
计算单一准则下元素的相对权重
这一步是要解决在准则 Ck 下,n 个元素A1, …, An 排 序权重的计算问题。
对于 n 个元素 A1, …, An,通过两两比较得到判 断矩阵 A,解特征根问题
Aw = maxw
层次分析法建模39页PPT
11、获得的成功越大,就越令人高兴 。野心 是使人 勤奋的 原因, 节制使 人枯萎 。 12、不问收获,只问耕耘。如同种树 ,先有 根茎, 再有枝 叶,尔 后花实 ,好好 劳动, 不要想 太多, 那样只 会使人 胆孝懒 惰,因 为不实 践,甚 至不接 触社会 ,难道 你是野 人。(名 言网) 13、不怕,不悔(虽然只有四个字,但 常看常 新。 14、我在心里默默地为每一个人祝福 。我爱 自己, 我用清 洁与节 制来珍 惜我的 身体, 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米,如 果他不 曾希望 它长成 种籽; 单身汉 不会娶 妻,如 果他不 曾希望 有小孩 ;商人 或手艺 人不会 工作, 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
பைடு நூலகம்
16、业余生活要有意义,不要越轨。——华盛顿 17、一个人即使已登上顶峰,也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人,而用人最大的突破在于信任人。——马云 19、自己活着,就是为了使别人过得更美好。——雷锋 20、要掌握书,莫被书掌握;要为生而读,莫为读而生。——布尔沃
END
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
将各个钢笔的质量、颜色、价格、外形、实用进行排序
经综合分析决定买哪支钢笔 与人们对某一复杂决策问题的思维、判断过程大体一致。
二、层次分析法建模的基本步骤
运用层次分析建模,大体上可按下面四个步骤进行: 1.建立层次结构模型 分析系统中各因素间的关系,建立系统的递阶层 次结构; 2.构造判断矩阵 对同一层次的各元素关于上一层次中某一准则的重要 性进行两两比较,构造两两比较的判断矩阵; 3.层次单排序与一致性检验 由判断矩阵计算被比较元素对于该准则的 相对权重,并进行判断矩阵的一致性检验;
则层)、最底层(方案层),各层可以根据问题的需要细分为若干子层。最 高层只有一个元素 ,用于分析预定目标或结果,中间层可由若干准则、子准 则层组成。最底层则由为实现目标而提供选择的各种措施与决策方案组成, 也称方案层。 2.每一层次中各元素所支配的元素一般不超过9个。
Байду номын сангаас
续—层次结构图
特点 1.元素按从上到下的顺序进行支配,同一层次元素之间不存在支 配关系; 2.目标层只有一个元素,每个元素所支配的元素不超过9个,否 则需要进一步分组。(图例说明)
CI
max
n
n 1
3.1190 3 0.0595 3 1
2 5 1 A 1 2 1 7 1 5 1 7 1
CI 0.0595 CR 0.1026 RI 0.58
可见此判断矩阵具有较好的一致性。
(四)层次总排序与一致性检验
层次总排序的概念 层次单排序后,还需要进行层次总排序,即计算同一层次所有元素对于最高层(总目标)相对 重要性的排序权值,称为层次总排序。这一过程是由最高层到最底层逐层进行的。
CR
当CR<0.1时,认为层次总排序具有满意的一致性。
a a
j 1 j 1 m
m
j
(CI ) j ( RI ) j
j
(五)决策过程
构造AHP模型,主要是产生各项指标(准则)的总排序权值。有了总排 序后,再输入方案(措施)层的有关信息,便可以进行决策了。
AHP决策有两种方法: 第一种决策方法是对方案层构造判断矩阵,最终产生方案层的总排序,
选择权值最大的为最佳方案。(详见示例)
第二种决策方法:请有关人员进行多人或全体人员的公投方式,产生方 案Sk与指标(措施)Ci的评判数值(仍然用1~9打分制),再进行加权 求平均值。 (详见示例)
四、残缺判断处理
什么是残缺判断? 应用AHP进行决策时,人们对于每个准则都要填写一个判断矩阵,每个 判断矩阵需进行n(n-1)/2次两两比较。当层次很多,因素复杂时,总的 判断量很大,很可能出现某个参与决策的专家对某些判断缺少把握、不 感兴趣或不想发表意见的情形,这种情形应当允许,否则勉为其难反而 可能掩盖事物本质,这时得到的是带有空缺的判断矩阵,称为残缺判断 残缺判断的处理 ★显然,判断矩阵残缺程度越高,对排序的正确性影响越大,因此有必要 研究什么样的残缺矩阵是“可接受的”。 ★ 残缺判断可接受的条件 定义1 一个残缺判断矩阵称为是可接受的,如果它的任一残缺元素都可 通过已给出的元素间接获得,否则就是不可接受的。 (注:残缺元素的间接获得,如元素aij可以通过aikakj获得,也可以通过 aikakmamg…axj获得。如果这种间接渠道较多,那么就有可能对残缺元素 作出比较正确的估计。)
实例 1.择校问题 2.合理使用企业利润问题
(二)判断矩阵
判断矩阵的概念
判断矩阵是指层次结构图上某一层面各个元素之间关于上一层次中
某一准则的相互重要性给以量化判断所构成的方阵。构造判断矩阵
是进行层次分析的关键。
判断矩阵的框架结构(我们用图1所示的层次结构图分析说明)
包括面向紧上层面的目标(准则),与之相关联元素组成的方阵,
排序权值,这一过程即求层次单排序。(相关理解见注解)
max
,再利用它对
最大特征值和特征向量的计算 由于判断矩阵中的元素
a
ij 的给出是比较粗糙的,当n很大时,计算
max
和W很麻烦,因此,在计算判断矩阵的最大特征值和特征向量时可以采取
近似计算。常用的方法有:方根法、和法、特征根法。由于MATLAB软
只准用标度为1 ~9打分制
续—层次单排序与一致性检验
当CR=0时,判断矩阵有完全随机一致性;当CR<0.10时,认为判断矩阵的一 致性是可以接受的(满意),否则应对判断矩阵作适当调整。 应用举例 应用MATLAB计算判断矩阵排序权重向量、最大特征值,并进行一致性检验。 此例前面我们已算得最大特征值 ,于是有: max 3.1190
层次总排序的计算 设准则层C包含m个元素C1、C2、…、Cm,它的层次总排序权值为a1、a2、…、am;方案层P包含 n个元素P1、P2、…、Pn,它们对于Cj的层次单排序权值分别记为b1j、b2j、…、bnj(j=1,2, …,m), 则P层次总排序权值如表十二所示。 层次总排序的一致性检验 检验是从最高层到最底层逐层进行的。设P层中的元素对Cj的单排序的一致性指标为(CI)j, 随机一致性指标是(RI)j,则P层总排序随机一致性指标为:
一、层次分析法概述
问题的提出:日常生活中有许多决策问题。决策是指在面临多种方案时,需 要依据一定的标准选择某一种方案。 例1 购物 买钢笔,一般要依据质量、颜色、实用性、价格、外形等方面的因 素选择某一支钢笔。 买饭,则要依据色、香、味、价格等方面的因素选择某种饭菜。 例2 旅游 假期旅游,是去风光秀丽的苏州,还是去迷人的北戴河,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、企业等单位可以去选择,一 般依据工作环境、工资待遇、发展前途、住房条件等因素择业。 面临各种各样的方案,要进行比较、判断、评价、最后作出决策。 这个过程主观因素占有相当的比重,给用数学方法解决问题带来不便。
wi wi wk wj wk w j
即
a ik a kj a ij i, j 1,2,, n
在正互反矩阵A中,若 a ik a kj a ij , 则称A为一致阵。
(三)层次单排序与一致性检验
层次单排序 ☆ 在构造判断矩阵之后,解出判断矩阵的最大特征值
应的特征方程 AW W ,解出对应的特征向量W, W经过标准 max 化后,即为同一层次中相应元素对于上一层次中的某个因素相对重要性的
即A=(bij)n×n。如图1,第二层面有三个元素,即B1、B2、B3,针对 上一层面A目标的Bj之间重要性判断矩阵的框架结构如表一。
第三层面有六个元素,针对第二层面Bj目标,可以写出Cj之间的重
要性判断矩阵有三个,见表2~4。
依此类推,可以写出第四面Sj之间的重要性判断矩阵六个。
续—判断矩阵
有可能导致决策失误,而且上述各种计算排序权重的方法当判断矩阵过
于偏离一致性时,其可靠性也就值得怀疑。因此,需要对判断矩阵的一 致性进行检验。
检验一致性的指标
检验判断矩阵是否有一致性,用两种指标进行检验:CI与CR(Saaty首 先提出),步骤为:
续—层次单排序与一致性检验
(1)CI称为判断矩阵偏离一致性指标:
A2
0 A4
形式,则A称为可约
2 1 0 0 0 1
判断矩阵元素量化标度
根据心理学家的研究认为,人们区分信息等级的极限能 力为7±2的大致幅度。因此Saaty提出判断矩阵标度应取 1~9之间的数值,详见表五。
显然判断矩阵A=(bij)n×n是正互反阵,因为bii=1,
bij=1/ bji
另外,n×n阶判断矩阵只需给出n(n-1)/2个判断数。
续—判断矩阵
产生判断矩阵的判断数(bij)的方法
判断矩阵的判断数不应该由个别人主观估计,而应该请有责任感且
是内行的多位专家参与估计。一般来讲,方案(措施)层的判断矩
阵估计关系到决策质量,因此人员结构与专家数目应特别慎重。
专家估计判断矩阵元素的方法
有静态法和动态法两种。所谓动态法,就是给定一个n×n阶方阵, 按表五要求,估计出n(n-1)/2个判断数。此法简单扼要,应用较广。 但要让专家直接在判断矩阵上标出1~9数值一般不太容易,所以常 用一种称为静态法的方法,即不去比较同一层面各元素之间谁轻谁 重,孰优孰劣,而是进行单个元素与上个层面的目标(准则)对比。 示例见表六。显然专家填列此表不会感到困难。
一、层次分析法概述
T.L.saaty等人20世纪在七十年代提出了一种能有效处理上述这类问题 的实用方法——层次分析法(Analytic Hierarchy Process,简称AHP) 层次分析法是一种定性和定量相结合的、系统化的、层次化的分析方法。 过去研究自然和社会现象主要有机理分析法和统计分析法两种方法,前者 用经典的数学工具分析现象的因果关系,后者以随机数学为工具,通过大
层次单排序:确定下层各因素对上层某因素影响程度的过程。 用权值表示影响程度,先从一个简单的例子看如何确定权值。 例如 一块石头重量记为1,打碎分成 n个小块,各块的重量 分别记为: w1 , w 2 , , w n 则可得成对比较矩阵 可以看出
1 w 2 A w1 wn w 1 w1 w2 1 wn w2 w1 wn w2 wn 1
续—判断矩阵
静态判断值转化为动态判断值的方法
如何将专家静态法产生的判断数,转化为n×n阶判断矩
阵元素bij,是静态法是否有使用价值的关键——
1.静态法与动态法数值转化对应表(见表七)