层次分析方法基本原理
层次分析法原理
层次分析法原理
层次分析法是一种定量分析方法，用于解决多目标决策问题。
该方法通过建立一个层次化的结构模型，将复杂的决策问题分解为多个层次，并对各层次之间的关系进行比较和评价，最终得出最优的决策方案。
层次分析法的基本原理是将决策问题中的各个因素以及它们之间的关系构建成一棵树状结构。
首先，确定决策问题的总目标，再将总目标分解为若干个次目标。
然后，将次目标进一步分解为若干个准则。
在每个准则下面，又可以分解为若干个子准则。
一直进行下去，直到最底层的指标或要素无法再分解。
在层次分析法中，决策者需要对每个层次进行两两比较，确定它们之间的相对重要性。
比较的方法可以是两两比较、两两排序或设置量化的比较尺度。
通过比较和评价，可以得到每个层次下各个因素的权重或重要程度。
最后，利用权重进行计算，可以将不同层次的因素加权求和，从而得到各个决策方案的综合评价值。
根据综合评价值的大小，确定最优的决策方案。
层次分析法的优点是能够有效地将决策问题分解为层次结构，避免了因素之间的混淆和模糊性。
同时，该方法还考虑了不同因素之间的相对重要性，能够更准确地评价不同方案的优劣。
总结起来，层次分析法通过构建层次结构模型，并对各个层次
进行比较和评价，以得出最优的决策方案。
它适用于复杂的决策问题，并能够提供定量化的决策依据。
层次分析法
1 层次分析法的基本原理
原理：首先把问题层次化，然后根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个层次分析模型，并最终把系统分析归结为最低层相对最高层的相对重要性权值的确定或相对优劣次序的排序问题。
2AHP局限性
1）AHP方法也有致命的缺点，它只能在给定的策略中去选择最优的，而不能给出新的策略；2）AHP方法中所用的指标体系需要有专家系统的支持，如果给出的指标不合理则得到的结果也就不准确；
3）AHP方法中进行多层比较的时候需要给出一致性比较，如果不满足一致性指标要求，则AHP方法方法就失去了作用；
4）AHP方法需要求矩阵的特征值，但是在AHP方法中一般用的是求平均值（可以算术、几何、协调平均）的方法来求特征值，这对于一些病态矩阵是有系统误差的。
层次分析法的基本原理
层次分析法的基本原理层次分析法（Analytic Hierarchy Process, AHP）是一种用于决策问题的多准则分析方法，由美国运筹学家Thomas L. Saaty于20世纪70年代初提出。
该方法结合了定性和定量的分析，基于一种成对比较的方式，将问题层次化，从而在一系列代表决策目标和准则的元素之间建立了一种权重关系。
通过计算和对比各个元素之间的成对比较矩阵，可以得出最终的权重结果，帮助决策者进行选择。
1.目标层次划分：将决策问题层次化，将最终的决策目标划分为若干个具体的子目标。
这样可以将决策问题分解为几个层次，从而更容易进行比较和分析。
2.准则层次划分：对每个子目标进行进一步的划分，将每个子目标划分为若干个具体的准则。
准则是用于评估和比较决策方案的标准。
3.形成成对比较矩阵：根据决策者对每个层次元素的相对重要性进行成对比较，构造成对比较矩阵。
这些矩阵的大小与层次元素的数量相关。
4.判断一致性：对每个成对比较矩阵进行一致性检验。
通过计算特征向量和最大特征值的一致性指标，判断决策者的比较是否一致。
一致性是指决策者能否在不同的成对比较中保持一致。
如果不一致，需要重新进行比较。
5.计算权重：根据成对比较矩阵的一致性，计算每个层次元素的权重。
通过特征向量的归一化，可以得到每个元素的权重，体现其在决策中的相对重要性。
6.一致性索引和比率：通过计算一致性指数和随机一致性指标的比率，来衡量决策者的成对比较是否在可接受范围内。
如果比率超过可接受的阈值，表示决策者的成对比较存在一定的不一致性，需要重新进行比较。
7.汇总权重：将各个层次元素的权重按照层次结构，逐级汇总得到最终的决策结果。
将子目标的权重与准则的权重结合起来，可以对不同的决策方案进行排序和比较。
层次分析法的优点是可以将决策问题分解为多个层次，并分别考虑各个层次元素的重要性，增加了决策的一致性和可信度。
此外，该方法运用了数学模型，具有较强的可操作性，并且可以通过一致性检验来纠正决策者主观判断的偏差。
层次分析法的原理及应用
层次分析法的原理及应用层次分析法（Analytic Hierarchy Process，简称AHP）是一种定量分析方法，用于解决决策问题，其原理主要基于层次结构和逐级比较的思想。
AHP通过将决策问题分解为多个层次，设立目标层、准则层和方案层，并通过对层次中各元素进行两两比较和权重计算，从而得出最优方案。
AHP的基本原理如下：1.定义层次结构：将复杂的决策问题分解为目标、准则和方案三个层次。
目标是最终要达到的结果，准则是达到目标所需要满足的条件，方案是实现准则的具体行动或选择。
2.建立判断矩阵：通过两两比较的方式，将每个准则和方案与其他准则和方案进行比较，得出相对重要性的判断矩阵。
在比较过程中，根据专家判断，使用1到9的尺度进行评分。
例如，如果A相对于B很重要，则评分为9，如果A和B相等重要，则评分为13.计算权重：根据判断矩阵，通过特征向量法或特征值法计算每个准则和方案的权重。
特征向量法是将判断矩阵的每一列的平均值作为权重，特征值法是通过计算判断矩阵的最大特征值和特征向量得到权重。
4.一致性检验：通过计算判断矩阵的一致性比率和一致性指标，判断专家意见的一致性。
一致性比率越接近0，说明意见越一致，一致性指标小于0.1时才认为专家意见具有可接受的一致性。
5.综合评价：根据权重和准则的得分，计算每个方案的综合得分，从而选择出最优方案。
1.投资决策：在投资决策中，可以将投资目标、收益预期、风险、投资周期等因素作为准则，不同投资方案作为方案，通过层次分析法计算出最优投资方案。
2.供应商选择：在供应链管理中，可以将供货能力、产品质量、价格等因素作为准则，不同供应商作为方案，通过层次分析法评估供应商的综合能力，选择最合适的供应商。
3.项目评估：在项目管理中，可以将项目目标、成本、资源需求等因素作为准则，不同项目方案作为方案，通过层次分析法评估项目的可行性和优劣。
4.策略制定：在战略管理中，可以将市场需求、竞争优势、组织能力等因素作为准则，不同战略方案作为方案，通过层次分析法制定最佳战略。
数学建模方法详解三种最常用算法
数学建模方法详解--三种最常用算法一、层次分析法层次分析法[1] (analytic hierarchy process，AHP)是美国著名的运筹学家T．L．Saaty教授于20世纪70年代初首先提出的一种定性与定量分析相结合的多准则决策方法[2，3，4]．该方法是社会、经济系统决策的有效工具，目前在工程计划、资源分配、方案排序、政策制定、冲突问题、性能评价等方面都有广泛的应用．(一) 层次分析法的基本原理层次分析法的核心问题是排序，包括递阶层次结构原理、测度原理和排序原理[5]．下面分别予以介绍．1．递阶层次结构原理一个复杂的结构问题可以分解为它的组成部分或因素，即目标、准则、方案等．每一个因素称为元素．按照属性的不同把这些元素分组形成互不相交的层次，上一层的元素对相邻的下一层的全部或部分元素起支配作用，形成按层次自上而下的逐层支配关系．具有这种性质的层次称为递阶层次．2．测度原理决策就是要从一组已知的方案中选择理想方案，而理想方案一般是在一定的准则下通过使效用函数极大化而产生的．然而对于社会、经济系统的决策模型来说，常常难以定量测度．因此，层次分析法的核心是决策模型中各因素的测度化．3．排序原理层次分析法的排序问题，实质上是一组元素两两比较其重要性，计算元素相对重要性的测度问题． (二) 层次分析法的基本步骤层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一致的[1]． 1． 成对比较矩阵和权向量为了能够尽可能地减少性质不同的诸因素相互比较的困难，提高结果的准确度．T ．L ．Saaty 等人的作法，一是不把所有因素放在一起比较，而是两两相互对比，二是对比时采用相对尺度．假设要比较某一层n 个因素n C C ,,1 对上层一个因素O 的影响，每次取两个因素i C 和j C ，用ij a 表示i C 和j C 对O 的影响之比，全部比较结果可用成对比较阵1,0,ij ij ji n nijA a a a a表示，A 称为正互反矩阵． 一般地，如果一个正互反阵A 满足：,ij jk ik a a a ,,1,2,,i j k n L （1）则A 称为一致性矩阵，简称一致阵．容易证明n 阶一致阵A 有下列性质： ①A 的秩为1，A 的唯一非零特征根为n ；②A 的任一列向量都是对应于特征根n 的特征向量．如果得到的成对比较阵是一致阵，自然应取对应于特征根n 的、归一化的特征向量（即分量之和为1）表示诸因素n C C ,,1 对上层因素O 的权重，这个向量称为权向量．如果成对比较阵A 不是一致阵，但在不一致的容许范围内，用对应于A 最大特征根(记作 )的特征向量（归一化后）作为权向量w ，即w 满足：Aw w （2）直观地看，因为矩阵A 的特征根和特征向量连续地依赖于矩阵的元素ij a ，所以当ij a 离一致性的要求不远时,A 的特征根和特征向量也与一致阵的相差不大．（2）式表示的方法称为由成对比较阵求权向量的特征根法．2． 比较尺度当比较两个可能具有不同性质的因素i C 和j C 对于一个上层因素O 的影响时，采用Saaty 等人提出的91 尺度，即ij a 的取值范围是9,,2,1 及其互反数91,,21,1 ．3． 一致性检验成对比较阵通常不是一致阵，但是为了能用它的对应于特征根 的特征向量作为被比较因素的权向量，其不一致程度应在容许范围内．若已经给出n 阶一致阵的特征根是n ，则n 阶正互反阵A 的最大特征根n ，而当n 时A 是一致阵．所以 比n 大得越多，A 的不一致程度越严重，用特征向量作为权向量引起的判断误差越大．因而可以用n 数值的大小衡量A 的不一致程度．Saaty 将1nCI n(3)定义为一致性指标．0CI 时A 为一致阵；CI 越大A 的不一致程度越严重．注意到A 的n 个特征根之和恰好等于n ，所以CI 相当于除 外其余1n 个特征根的平均值．为了确定A 的不一致程度的容许范围，需要找到衡量A 的一致性指标CI 的标准，又引入所谓随机一致性指标RI ，计算RI 的过程是：对于固定的n ，随机地构造正互反阵A ，然后计算A 的一致性指标CI ．表1 随机一致性指标RI 的数值表中1,2n 时0RI ，是因为2,1阶的正互反阵总是一致阵．对于3n 的成对比较阵A ，将它的一致性指标CI 与同阶（指n 相同）的随机一致性指标RI 之比称为一致性比率CR ，当0.1CICR RI(4) 时认为A 的不一致程度在容许范围之内，可用其特征向量作为权向量．对于A 利用(3)，(4)式和表1进行检验称为一致性检验．当检验不通过时，要重新进行成对比较，或对已有的A 进行修正． 4． 组合权向量由各准则对目标的权向量和各方案对每一准则的权向量，计算各方案对目标的权向量，称为组合权向量．一般地，若共有s 层，则第k 层对第一层（设只有1个因素）的组合权向量满足：1,3,4,kkk w W w k s L （5）其中 kW 是以第k 层对第1k 层的权向量为列向量组成的矩阵．于是最下层对最上层的组合权向量为:132s s s w W W W w L （6）5． 组合一致性检验在应用层次分析法作重大决策时，除了对每个成对比较阵进行一致性检验外，还常要进行所谓组合一致性检验，以确定组合权向量是否可以作为最终的决策依据．组合一致性检验可逐层进行．如第p 层的一致性指标为p n p CI CI ,,1 (n 是第1 p 层因素的数目)，随机一致性指标为1,,p p nRI RI L ，定义11,,P p p p n CI CI CI w L 11,,p p p p n RI RI RI wL 则第p 层的组合一致性比率为:,3,4,,p p p CI CRp s RIL (7) 第p 层通过组合一致性检验的条件为 0.1pCR ．定义最下层(第s 层)对第一层的组合一致性比率为：2*sP p CR CR (8)对于重大项目，仅当*CR 适当地小时，才认为整个层次的比较判断通过一致性检验．层次分析法的基本步骤归纳如下:(1) 建立层次结构模型 在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次．同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用，而同一层的各因素之间尽量相互独立．最上层为目标层，通常只有1个因素，最下层通常为方案或对象层，中间可以有1个或几个层次，通常称为准则或指标层，当准则过多时（比如多于9个）应进一步分解出子准则层．(2) 构造成对比较阵从层次结构模型的第2层开始，对于从属于上一层每个因素的同一层诸因素，用成对比较法和91 比较尺度构造成对比较阵，直到最下层．(3)计算权向量并做一致性检验对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标，随机一致性指标和一致性比率做一致性检验．若检验通过，特征向量（归一化后）即为权向量；若不通过，重新构造成对比较阵．(4)计算组合权向量并做组合一致性检验利用公式计算最下层对目标的组合权向量，并酌情作组合一致性检验．若检验通过，则可按照组合权向量表示的结果进行决策，否则需重新考虑模型或重新构造那些一致性比率CR较大的成对比较阵．(三) 层次分析法的优点1．系统性层次分析把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，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．2．实用性层次分析把定性和定量方法结合起来，能处理许多用传统的最优化技术无法着手的实际问题，应用范围很广．同时，这种方法将决策者与决策分析者相互沟通，决策者甚至可以直接应用它，这就增加了决策的有效性．3．简洁性具有中等文化程度的人即可了解层次分析的基本原理和掌握它的基本步骤，计算也非常简便，且所得结果简单明确，容易为决策者了解和掌握．(四) 层次分析法的局限性层次分析法的局限性可以用囿旧、粗略、主观等词来概括．第一，它只能从原有的方案中选优，不能生成新方案；第二，它的比较、判断直到结果都是粗糙的，不适于精度要求很高的问题；第三，从建立层次结构模型到给出成对比较矩阵，人的主观因素的作用很大，这就使得决策结果可能难以为众人接受．当然，采取专家群体判断的方法是克服这个缺点的一种途径． (五) 层次分析法的若干问题层次分析法问世以来不仅得到广泛的应用而且在理论体系、计算方法等方面都有很大发展，下面从应用的角度讨论几个问题． 1． 正互反阵最大特征根和对应特征向量的性质成对比较阵是正互反阵．层次分析法中用对应它的最大特征根的特征向量作为权向量，用最大特征根定义一致性指标进行一致性检验．这里人们碰到的问题是：正互反阵是否存在正的最大特征根和正的特征向量；一致性指标的大小是否反映它接近一致阵的程度，特别，当一致性指标为零时，它是否就为一致阵．下面两个定理可以回答这些问题． 定理1 对于正矩阵A （A 的所有元素为正数） 1）A 的最大特征根是正单根 ；2） 对应正特征向量w （ 的所有分量为正数）；3）w IA I I A k k k lim ，其中1,1,1 I ，w 是对应 的归一化特征向量．定理2 n 阶正互反阵A 的最大特征根n ；当n 时A 是一致阵．定理2和前面所述的一致阵的性质表明,n 阶正互反阵A 是一致阵的充要条件为 A 的最大特征根n ．2． 正互反阵最大特征根和特征向量的实用算法众所周知，用定义计算矩阵的特征根和特征向量是相当困难的，特别是矩阵阶数较高时．另一方面，因为成对比较阵是通过定性比较得到的比较粗糙的量化结果，对它精确计算是不必要的，下面介绍几种简单的方法． (1) 幂法 步骤如下：a ．任取n 维归一化初始向量 0wb ．计算1,0,1,2,k k wAw k %L c ．1k w%归一化,即令ni k ik k ww1111~~d ．对于预先给定的精度 ,当 1||1,2,,k k i i i n L 时,1k w 即为所求的特征向量；否则返回be. 计算最大特征根 111k n ik i in %这是求最大特征根对应特征向量的迭代法, 0w 可任选或取下面方法得到的结果．(2) 和法 步骤如下：a. 将A 的每一列向量归一化得1nij ij iji a a%b ．对ij %按行求和得1ni ij j %%c ．将i %归一化 *121,,,ni ini w%%L 即为近似特征向量．d. 计算 11n ii iAw n ，作为最大特征根的近似值．这个方法实际上是将A 的列向量归一化后取平均值，作为A 的特征向量．(3) 根法 步骤与和法基本相同，只是将步骤b 改为对ij %按行求积并开n 次方，即11nn iij j%%．根法是将和法中求列向量的算术平均值改为求几何平均值．3． 为什么用成对比较阵的特征向量作为权向量当成对比较阵A 是一致阵时,ij a 与权向量n w ,,1 的关系满iij ja,那么当A 不是一致阵时，权向量w 的选择应使得ij a 与ij相差尽量小．这样,如果从拟合的角度看确定w 可以化为如下的最小二乘问题： 21,,11min i nniij i n i j j aL (9) 由(9)式得到的最小二乘权向量一般与特征根法得到的不同．因为(9)式将导致求解关于i 的非线性方程组，计算复杂，且不能保证得到全局最优解,没有实用价值．如果改为对数最小二乘问题：21,,11min ln ln i nni ij i n i j j aL (10)则化为求解关于ln i 的线性方程组．可以验证，如此解得的i 恰是前面根法计算的结果．特征根法解决这个问题的途径可通过对定理2的证明看出． 4． 成对比较阵残缺时的处理专家或有关学者由于某种原因无法或不愿对某两个因素给出相互比较的结果，于是成对比较阵出现残缺．应如何修正,以便继续进行权向量的计算呢？一般地，由残缺阵 ij A a 构造修正阵 ijA a %%的方法是令,,0,,1,ij ij ij ij i i a a i j a a i jm m i i j%为第行的个数, (11)表示残缺．已经证明，可以接受的残缺阵A 的充分必要条件是A 为不可约矩阵．(六) 层次分析法的广泛应用层次分析法在正式提出来之后，由于它在处理复杂的决策问题上的实用性和有效性，很快就在世界范围内得到普遍的重视和广泛的应用．从处理问题的类型看，主要是决策、评价、分析、预测等方面． 这个方法在20世纪80年代初引入我国，很快为广大的应用数学工作者和有关领域的技术人员所接受，得到了成功的应用．层次分析法在求解某些优化问题中的应用[5]举例 假设某人在制定食谱时有三类食品可供选择：肉、面包、蔬菜．这三类食品所含的营养成分及单价如表所示表2 肉、面包、蔬菜三类食品所含的营养成分及单价该人体重为55kg维生素A 7500国际单位 (IU)维生素B 1.6338mg热量 R 8548.5kJ考虑应如何制定食谱可使在保证营养需求的前提下支出最小？用层次分析法求解最优化问题可以引入包括偏好等这类因素．具体的求解过程如下：①建立层次结构② 根据偏好建立如下两两比较判断矩阵表3 比较判断矩阵max 2 ，10CI ，100.1CR ，主特征向量0.75,0.25W 故第二层元素排序总权重为 10.75,0.25W表4 比较判断矩阵111max 1113,0,0,0.58CI CR RI ，主特征向量0.4,0.4,0.2W故相对权重 210.4,0.4,0.2,0P③ 第三层组合一致性检验问题因为 2111211112120;0.435CI CI CI W RI RI RI W ,212200.1CR CR CI RI故第三层所有判断矩阵通过一致性检验，从而得到第三层元素维生素A 、维生素B 、热量Q 及支出E 的总权重为：221221120.3,0.3,0.15,0.25W P W P P W求第四层元素关于总目标W 的排序权重向量时，用到第三层与第四层元素的排序关系矩阵，可以用原始的营养成分及单价的数据得到．注意到单价对人们来说希望最小，因此应取各单价的倒数，然后归一化．其他营养成分的数据直接进行归一化计算，可得表5表5 各营养成分数据的归一化则最终的第四层各元素的综合权重向量为：3320.2376,0.2293,0.5331W P W ，结果表明，按这个人的偏好，肉、面包和蔬菜的比例取0.2376:0.2293:0.5331较为合适．引入参数变量，令10.2376x k ，20.2293x k ，30.5331x k ，代入 1LP123min 0.02750.0060.007f x x x131231231230.352725.075000.00210.00060.002 1.6338..(1)11.930011.5100 1.048548.5,,,0x x x x x s t LP x x x x x x则得k f 0116.0min13.411375000.0017 1.6338..26.02828548.50k k s t LP k k容易求得1418.1k ，故得最优解 *336.9350,325.1650,755.9767x；最优值 *16.4497f ，即肉336.94g ，面325.17g ，蔬菜755.98g ，每日的食品费用为16.45元．总之，对含有主、客观因素以及要求与期望是模糊的优化问题，用层次分析法来处理比较适用．二、模糊数学法模糊数学是1965年美国控制论专家L．A．Zadeh创立的．模糊数学作为一门新兴学科，它已初步应用于模糊控制、模糊识别、模糊聚类分析、模糊决策、模糊评判等各方面．在气象、结构力学、控制、心理学方面已有具体的研究成果．(一) 模糊数学的研究内容第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系；第二，研究模糊语言和模糊逻辑，并能作出正确的识别和判断；第三，研究模糊数学的应用．(二) 模糊数学在数学建模中应用的可行性1．数学建模的意义在于将数学理论应用于实际问题[6]．而模糊数学作为一种新的理论，本身就有其巨大的应用背景，国内外每年都有大量的相关论文发表，解决了许多实际问题．目前在数学建模中较少运用模糊数学方法的原因不在于模糊数学理论本身有问题，而在于最新的研究成果没有在第一时间进入数学建模的教科书中，就其理论本身所具有的实用性的特点而言，模糊数学应该有助于我们解决建模过程中的实际问题．2．数学建模的要求是模型与实际问题尽可能相符．对实际问题有这样一种分类方式：白色问题、灰色问题和黑色问题．毫无疑问，引进新的方法对解决这些问题大有裨益．在灰色问题和黑色问题中有很多现象是用“模糊”的自然语言描述的．在这种情况下，用模糊的模型也许更符合实际．3．数学建模活动的目的之一是培养学生的创新精神．用新理论、新方法解题应该受到鼓励．近年来，用神经网络法、层次分析法等新方法建立模型的论文屡有获奖，这也说明了评审者对新方法的重视．我们相信，模糊数学方法应该很好，同样能够写出优秀的论文．(三) 模糊综合评判法中的最大隶属原则有效度在模糊统计综合评判中，如何利用综合评判结果向量12,,,m b b b b L ,其中， 01j b ，m为可能出现的评语个数，提供的信息对被评判对象作出所属等级的判断，目前通用的判别原则是最大隶属原则[7]．在实际应用中很少有人注意到最大隶属原则的有效性问题，在模糊综合评判的实例中最大隶属原则无一例外地被到处搬用，然而这个原则并不是普遍适用的．最大隶属原则有效度的测量1． 有效度指标的导出在模糊综合评判中，当11max 1,1njj j nj bb 时，最大隶属原则最有效；而在 1max 01,jj nbc c 1n j j b nc 时，最大隶属原则完全失效，且1max jj nb 越大（相对于1njj b 而言），最大隶属原则也越有效．由此可认为，最大隶属原则的有效性与1max jj nb 在1njj b 中的比重有关，于是令：11max njjj nj b b (12)显然，当11max 1,1njj j nj bb 时，则1 为 的最大值，当 1max 01jj nb c c ,1njj bnc时，有1n 为 的最小值，即得到 的取值范围为:11n ．由于在最大隶属原则完全失效时，1n 而不为0，所以不宜直接用 值来判断最大隶属原则的有效性．为此设：11111n n n n(13)则 可在某种程度上测定最大隶属原则的有效性．而最大隶属原则的有效性还与j nj b 1sec （jnj b 1sec 的含义是向量b 各分量中第二大的分量）的大小有很大关系，于是我们定义：11sec njjj nj b b(14)可见： 当 1,1,0,0,,0b L 时， 取得最大值12．当 0,1,0,0,,0b L 时， 取得最小值0．即 的取值范围为012 ，设 02120．一般地， 值越大最大隶属原则有效程度越高；而 值越大，最大隶属原则的有效程度越低．因此，可以定义测量最大隶属原则有效度的相对指标：112121n n n n(15) 使用 指标能更准确地表明实施最大隶属原则的有效性．2. 指标的使用从 指标的计算公式看出 与 成反比，与 成正比．由 与 的取值范围，可以讨论 的取值范围： 当 取最大值， 取最小值时， 将取得最小值0；当 取最小值， 取最大值时， 将取得最大值：因为 0lim ，所以可定义0 时， ．即：0 ．由以上讨论，可得如下结论：当 时，可认定施行最大隶属原则完全有效；当1 时，可认为施行最大隶属原则非常有效；当0.51 时，可认为施行最大隶属原则比较有效，其有效程度即为 值；当00.5 时可认为施行最大隶属原则是最低效的；而当0 时，可认定施行最大隶属原则完全无效．有了测量最大隶属原则有效度的指标，不仅可以判断所得可否用最大隶属原则确定所属等级，而且可以说明施行最大隶属原则判断后的相对置信程度，即有多大把握认定被评对象属于某个等级． 讨论a ． 在很多情况下，可根据 值的大小来直接判断使用最大隶属原则的有效性而不必计算 值．根据 与 之间的关系，当0.7 ，且4n 时，一定存在1 ．通常评价等级数取4和9之间，所以4n 这一条件往往可以忽略，只要0.7 就可免算 值，直接认定此时采取最大隶属原则确定被评对象的等级是很有效的．b ． 如果对 12,,,m b b b b L 进行归一化处理而得到b ，则可直接根据b 进行最大隶属原则的有效度测量． (四) 模糊数学在数学建模中的应用模糊数学有诸多分支，应用广泛．如模糊规划、模糊优化设计、综合评判、模糊聚类分析、模糊排序、模糊层次分析等等．这些方法在工业、军事、管理等诸多领域被广泛应用． 举例 带模糊约束的最小费用流问题[8]问题的提出 最小费用流问题的一般提法是：设 ,,,D V A c 是一个带出发点s v 和收点t v 的容量-费用网络，对于任意,ijv v A ，ijc表示弧 ,i j v v 上的容量，ij 表示弧 ,i j v v 上通过单位流量的费用，0v 是给定的非负数，问怎样制定运输方案使得从s v 到t v 恰好运输流值为0v 的流且总费用最小？如果希望尽可能地节省时间并提高道路的通畅程度，问运输方案应当怎样制定？模型和解法 问题可以归结为：怎样制定满足以下三个条件的最优运输方案？(1)从s v 到t v 运送的流的值恰好为0v ；(2)总运输费用最小;(3)在容量ij c 大的弧 ,i j v v 上适当多运输．如果仅考虑条件(1)和(2)，易写出其数学模型为：,0,,0,,,,min()..0,0i j s j j s t j j t i j j i ij ijv v Asj js v v A v v A tj jt v v Av v A ij ji i s t v v A v v A ij ijf f f v f f v M s t f f v V v v f c把条件(3)中的“容量大” 看作A 上的一个模糊子集A %，定义其隶属函数 ： 0,1A 为： 00,0,1,ij ij ij i j A d c c v ij c c v v e c c%其中 1,i j ij v v c A cg （平均容量）21,21,0,1lg 1i j i j ij v v A ij v v A A c c d A c cg g建立ij 是为了量化“适当多运输”这一模糊概念．对条件(2)作如下处理：对容量ij c 大的弧 ,i j v v ，人为地降低运价ij ，形成“虚拟运价”ij ，其中ij 满足：ij c 越大，相应的ij 的调整幅度也越大．选取ij 为 1kij ij ij ， ,i j v v A ．其中k 是正参数，它反映了条件(2)和条件(3)在决策者心目中的地位．决策者越看重条件(3)，k 取值越小；当k 取值足够大时，便可忽略条件(3) ．一般情况下，合适的k 值最好通过使用一定数量的实际数据进行模拟、检验和判断来决定．最后，用ij 代替原模型M 中的ij ，得到一个新的模型M ．用现有的方法求解这个新的规划问题，可期望得到满足条件(3)的解．模型的评价 此模型在原有的数学规划模型和解法的基础上，增加了模糊约束．新模型比较符合实际，它的解包含了原模型的解，因而它是一个较为理想的模型．隶属度的确定在模糊数学中有多种方法，可以根据不同的实际问题进行调整．同样的思想方法可以处理其他的模糊约束问题．三、灰色系统客观世界的很多实际问题，其内部结构、参数以及特征并未全部被人们了解，对部分信息已知而部分信息未知的系统，我们称之为灰色系统．灰色系统理论是从系统的角度出发来研究信息间的关系，即研究如何利用已知信息去揭示未知信息．灰色系统理论包括系统建模、系统预测、系统分析等方面．(一)灰色关联分析理论及方法灰色系统理论[9]中的灰色关联分析法是在不完全的信息中，对所要分析研究的各因素，通过一定的数据，在随机的因素序列间，找出它们的关联性，找到主要特性和主要影响因素．计算方法与步骤：1．原始数据初值化变换处理分别用时间序列 k 的第一个数据去除后面的原始数据，得出新的倍数列，即初始化数列，量纲为一，各值均大于零，且数列有共同的起点．2． 求关联系数0000min min ||max max ||||max max ||k i k k i k ik i ki k k i k k i k ikx x x x x x x x3． 取分辨系数 01 4． 求关联度11ni ki k k r n(二) 灰色预测1．灰色预测方法的特点(1)灰色预测需要的原始数据少，最少只需四个数据即可建模；(2)灰色模型计算方法简单，适用于计算机程序运行，可作实时预测；(3) 灰色预测一般不需要多因素数据，而只需要预测对象本身的单因素数据，它可以通过数据本身的生成，寻找系统内在的规律；(4) 灰色预测既可做短期预测，也可做长期预测，实践证明，灰色预测精度较高，误差较小．2． 灰色预测GM(1，1)模型的一点改进一些学者为了提高预测精度做出了大量的研究工作，提出了相应的方法．本文将在改善原始离散序列光滑性的基础上，进一步研究GM(1，1)预测模型的理论缺陷及改进方法[10]．问题的存在及改进方法如下：传统灰色预测GM(1，1)模型的一般步骤为： （1）1-ADO ：对原始数据序列0k x 1,2,,k n L 进行一次累加生成序列 101kk i i x x1,2,,k n L（2）对0x 数列进行光滑性检验：00,k ，当0k k 时：0011101k k k k ii x x x x文献[11]进一步指出只要0101k k ii x x 为k 的递减函数即可．（3）对1x 作紧邻生成： 1111*1*,2,3,,k k k Z x x k n L一般取0.5b ax dtdx 11 （16）为灰色微分方程 01k k x aZ b 的白化方程． （4）按最小二乘法计算参数,a b（5）解（16）式并进行离散化得模拟序列1x 和0x 的计算公式： 1101exp k x x b a ak b a ，其中0,1,2,,k n L01111011exp *exp k k k x x x a x b a ak ，其中1,2,k L并假定 111101x x x文献[12,13]指出：假定 111101x x x 的理由是不充分的，文献[14]认为应当以最后一个 1n x 为已知条件来确定微分方程中常数项m c 的值，理由是最后一个数据是最新的，最能反映实际情况．同时文献[15]又进一步提出常数m c 的确定，由于数据序列中。
层次分析法经典案例
层次分析法经典案例层次分析法（Analytic Hierarchy Process, AHP）是一种常用的多准则决策方法，被广泛应用于企业管理、工程项目评估、市场调研等领域。
本文将通过一个经典案例，介绍层次分析法的基本原理和应用过程。
一、案例背景某企业计划购买新设备，以提升生产效率和质量。
然而，在众多可选设备中，如何选择最适合企业发展的设备成为了业主面临的难题。
为了解决这一问题，业主决定应用层次分析法进行设备选择。
二、层次分析法基本原理层次分析法基于一个重要思想，即将复杂的决策问题拆解为具有层次结构的多个因素，并通过层次化的比较和综合分析，最终得出决策结果。
1. 构建层次结构首先，我们需要将决策问题划分为不同的层次，并构建层次结构。
在这个案例中，可以将设备选择问题划分为三个层次：目标层、准则层和备选方案层。
目标层代表企业的最终目标，即实现高效生产；准则层包括影响设备选择的各种准则，如设备价格、性能指标、售后服务等；备选方案层包括具体的设备选项。
2. 建立判断矩阵接下来，我们需要对不同层次的因素进行两两比较，建立判断矩阵。
通过专家主观判断，给出两个因素之间的相对重要性，采用1-9的尺度，其中1代表两者具有相同重要性，9代表一个因素相对于另一个因素极端重要。
比如，在准则层中，设备性能指标对设备价格的重要性为6。
3. 计算权重向量利用判断矩阵，我们可以计算出每个层次的权重向量。
通过对判断矩阵进行归一化处理，可获得各因素的权重。
权重向量表示了各因素对当前决策的贡献程度，可作为后续分析的依据。
例如，计算准则层中各因素的权重向量。
4. 一致性检验为了保证判断矩阵的合理性，我们需要进行一致性检验。
通过计算一致性指标和一致性比率，评估判断矩阵是否存在较大的一致性问题。
若一致性比率超过一定阈值，需要检查和修正判断矩阵。
5. 优先级排序最后，结合各层次的权重，我们可以进行优先级排序，得出对不同备选方案的排序结果。
根据排序结果，我们可以选择最合适的备选方案。
层次分析法
这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结 合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难 以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关 系后，最后进行简单的数学运算。计算简便，并且所得结果简单明确，容易为决策者了解和掌握。
2.定量数据较少，定性成分多，不易令人信服
在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世 界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑 的决策方式的方法，因此必然带有较多的定性色彩。
3.指标过多时，数据统计量大，且权重难以确定
谢谢观看
计算步骤
ห้องสมุดไป่ตู้
计算步骤
1.建立层次结构模型
将决策的目标、考虑的因素（决策准则）和决策对象按它们之间的相互关系分为最高层、中间层和最低层， 绘出层次结构图。最高层是指决策的目的、要解决的问题。最低层是指决策时的备选方案。中间层是指考虑的因 素、决策的准则。对于相邻的两层，称高层为目标层，低层为因素层。
2.构造判断(成对比较)矩阵
在确定各层次各因素之间的权重时，如果只是定性的结果，则常常不容易被别人接受，因而Saaty等人提出 一致矩阵法，即不把所有因素放在一起比较，而是两两相互比较，对此时采用相对尺度，以尽可能减少性质不同 的诸因素相互比较的困难，以提高准确度。如对某一准则，对其下的各方案进行两两对比，并按其重要性程度评 定等级。为要素与要素重要性比较结果，表1列出Saaty给出的9个重要性等级及其赋值。按两两比较结果构成的 矩阵称作判断矩阵。判断矩阵具有如下性质：
层次分析法的基本原理和步骤
层次分析法的基本原理和步骤层次分析法（Analytic Hierarchy Process, AHP）是一种定量分析方法，用于多准则决策问题的分析和决策。
它的基本原理是将复杂的决策问题层次化，通过对准则和方案的比较与评价，得出优先级权重，进而得到最佳方案。
1.确定决策目标：确定决策问题的目标，明确要达到的结果。
2.构建层次结构：将决策问题分解成一个层次结构，包括目标层、准则层和方案层。
目标层表示最终要达到的目标，准则层表示影响目标实现的准则因素，方案层表示可供选择的决策方案。
3.构建判断矩阵：在准则层和方案层中，两两比较各个准则或方案之间的重要性或优劣程度。
根据专家判断或个人主观意见，使用尺度（1-9）对两两比较进行评分，构建判断矩阵。
4.计算准则权重：根据判断矩阵的评分，使用特征值法或最大特征向量法计算准则权重。
首先对判断矩阵的列向量进行归一化处理，然后计算归一化后的特征向量，最后将特征向量的元素相加，并按比例得到准则的权重。
5.一致性检验：通过计算一致性指标和一致性比率来检验判断矩阵的一致性。
一致性指标表示判断矩阵与一致性判断矩阵之间的差异程度，一致性比率表示判断矩阵的一致性程度。
如果一致性指标小于一定阈值，且一致性比率接近1，则认为判断矩阵具有满足一致性的权重。
6.计算方案权重：将计算得到的准则权重与判断矩阵相乘，计算每个方案的权重。
权重值越大，表示方案的优先级越高。
7.一致性检验：对方案权重进行一致性检验，与准则权重的一致性检验类似。
8.敏感性分析：通过增加或减少一些因素的权重，分析结果的稳定性和可靠性。
敏感性分析可以帮助决策者了解权重对决策结果的影响程度。
9.最终决策：根据方案的权重和准则的权重，对各个方案的优先级进行排序，选择权重最高的方案作为最终决策。
层次分析法的基本原理是将决策问题逐层分解，通过两两比较和权重计算，理性地确定各个因素的优先级和权重。
通过分析和评价不同方案，辅助决策者做出最佳选择。
层次分析法
层次分析法层次分析法是一种应用广泛的决策分析方法，它通过构建层次结构和比较矩阵，来对不同因素进行排序和权重分配，帮助决策者做出合理的决策。
本文将介绍层次分析法的基本原理、应用领域以及一些实际案例。
一、层次分析法的基本原理层次分析法由美国运筹学家托马斯·L·塞蒂提出，它是一种定性和定量相结合的分析方法，能够综合考虑多个因素的重要性和相互关系。
它的基本原理如下：1. 层次结构：将决策问题分解成多个层次，从上至下逐级细化。
顶层是目标层，中间层是准则层，最底层是方案层。
2. 比较矩阵：在每个层次内，通过构建比较矩阵来判断各因素之间的重要性。
比较矩阵是一个n×n的正互反矩阵，其中n是该层次因素的个数。
通过对各因素进行两两比较，得出相对重要性的判断。
3. 加权优先向量：通过对比较矩阵进行特征向量的计算，可以得到各个因素的权重。
特征向量是对比较矩阵的主特征值对应的特征向量，也称为特征向量法。
4. 一致性检验：通过一致性指标和一致性比率的计算，判断构建的比较矩阵是否合理。
一致性指标表示了矩阵的内部一致性程度，一致性比率则是对一致性指标进行归一化，判断是否满足一致性。
5. 综合评价：通过计算得出的权重，进行乘积运算和累加运算，得到方案的综合评价值。
综合评价值越高，方案越优。
二、层次分析法的应用领域层次分析法在许多领域都有广泛的应用，包括经济学、管理学、环境科学、社会科学等。
下面是一些常见的应用领域：1. 投资决策：在投资决策中，可以将不同的投资方案作为方案层，通过比较各个方案的风险性、收益性等因素，来确定投资方向。
2. 供应链管理：在供应链管理中，可以将供应商的价格、质量、交货周期等因素作为准则层，通过比较不同供应商的重要性，来选择合适的供应商。
3. 项目评估：在项目评估中，可以将项目的成本、时限、风险等因素作为准则层，通过比较各个因素的重要性，来评估项目的可行性和优先级。
4. 人才选拔：在人才选拔中，可以将候选人的学历、工作经验、专业技能等因素作为准则层，通过比较各个因素的重要性，来确定最佳人选。
层次分析法基本原理、实施步骤、应用实例
判断矩阵是表示本层所有因素针对上一层某一个因素的 相对重要性的比较。判断矩阵的元素aij用Santy的1—9标 度方法给出。
心理学家认为成对比较的因素不宜超过9个，即每层 不要超过9个因素。
判断矩阵元素aij的标度方法
标度 1 3 5 7 9
2，4，6，8 倒数
含义 表示两个因素相比，具有同样重要性 表示两个因素相比，一个因素比另一个因素稍微重要 表示两个因素相比，一个因素比另一个因素明显重要 表示两个因素相比，一个因素比另一个因素强烈重要 表示两个因素相比，一个因素比另一个因素极端重要
• 这一过程是从最高层次到最低层次依次进行的。
Z
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
为衡量CI 的大小，引入随机一致性指标 RI。方法为
随机构造500个成对比较矩阵 A1, A2 , , A500
则可得一致性指标 CI1,CI2 , ,CI500
RI
CI1
定理：n 阶一致阵的唯一非零特征根为n
定理：n 阶正互反阵A的最大特征根 n, 当且仅当 =n
时A为一致阵
由于λ 连续的依赖于aij ，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。
但允许范围是 多大？如何界 定？
Aw w
3. 层次单排序及其一致性检验
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。
层次分析法基本原理、实施步骤、应用实例(1)
层次分析法基本原理、实施步骤、应用实例(1)层次分析法基本原理、实施步骤、应用实例层次分析法（Analytic Hierarchy Process，AHP）是一种常用的多目标决策方法，其基本原理是通过给出决策问题中不同因素间的关系以及它们对决策目标的重要程度，确定最优解决方案。
本文将从基本原理、实施步骤和应用实例三个方面，介绍层次分析法。
一、基本原理层次分析法认为，决策问题的因素是层次结构的，将不同因素按照其在层次结构中的不同层次排序，形成一张决策层次结构图。
该图中，最上层为决策目标，中间层为决策因素，最下层为叶子节点，表示待选方案。
AHP方法对决策问题进行逐层分解，将复杂的问题分成一些相对较简单的问题，或者将整体问题中的某个方面作为指标来考虑，逐步确定各个因素的权重，从而得到最终的决策。
二、实施步骤层次分析法的实施步骤包括：1. 确定决策目标和因素。
确定决策问题的目标和所有的决策因素。
2. 构造层次结构。
将决策目标和因素排成树状结构。
3. 设定判断矩阵。
对于每一个层次结构中的因素，设定其与其他因素相比较的判断矩阵。
4. 计算权重值。
利用各个因素的判断矩阵，计算出各个因素对于目标的权重值。
5. 一致性检验。
检验所得权重值是否满足一致性。
若不满足，则需要重新修改判断矩阵。
6. 评估备选方案。
通过计算各个因素的权重，评估备选方案。
三、应用实例以选购一款汽车为例，利用层次分析法进行决策。
1. 确定决策目标和因素。
决策目标为选购一款最适合自己的汽车。
决策因素包括车身外观、内饰、动力性能、品牌口碑、价格等。
2. 构造层次结构。
将决策目标和因素按照层次关系排成树状结构。
3. 设定判断矩阵。
如对比“车身外观”和“内饰”，可以设定判断矩阵，用1~9的数字表示汽车外观对自己来说更重要，或是内饰对自己更重要等等。
4. 计算权重值。
根据判断矩阵的数值，计算出各个决策因素的权重值。
5. 一致性检验。
利用特定的一致性检验方法，检验所得判断矩阵是否满足一定的一致性条件。
层次分析法(AHP法课件
一致性检验
一致性检验是检验判断矩阵是否满足一致性的过程，即判断 矩阵中的元素是否满足传递性。
一致性检验的方法包括计算一致性指标CI和随机一致性指标 RI，通过比较CI和RI的值可以判断判断矩阵的一致性。如果 一致性不满足要求，需要对判断矩阵进行调整。
03
层次分析法的实施步骤
建立递阶层次结构
明确问题
详细描述
科研项目评估需要考虑多个指标，如项目的 创新性、可行性、预期成果等。层次分析法 可以将这些指标分为不同的层次，并确定各 指标之间的相对重要性，从而帮助科研管理 者更加科学地选择和资助科研项目。
05
层次分析法的优缺点与改进
方向
优点
01 02
系统性强
层次分析法能够将复杂的问题分解成不同的组成因素，并根据因素间的 相互关联影响以及隶属关系将因素按不同的层次聚集组合，形成一个多 层次的分析结构模型。
特点
简单易懂、系统性、实用性、灵活性。
应用领域
资源分配
根据资源有限性，合理 分配资源，实现资源利
用最大化。
方案选择
在多个备选方案中选出 最优方案，满足特定目
标或标准。
风险评估
对风险进行定性和定量 分析，确定风险优先级
和应对策略。
决策分析
在多准则或多目标决策 问题中，为决策者提供
决策依据。
层次分析法的发展历程
确定研究的问题，明确目标层和准则 层，将决策问题分解成不同的组成因 素。
构建层次结构
将决策问题分解成不同的组成因素， 并根据因素间的相互关联影响以及隶 属关系将因素按不同的层次聚集组合 ，形成一个多层次的分析结构模型。
构造判断矩阵
确定判断标度
根据因素间的相对重要性，确定 因素间的判断尺度。常用的判断 尺度有1-9标度法。
层次分析法的方法与原理
层次分析法的方法与原理层次分析法的方法和原理一、层次分析法简介层次分析法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。
尤其适合于对决策结果难于直接准确计量的场合在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。
在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。
比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。
这些因素是相互制约、相互影响的。
我们将这样的复杂系统称为一个决策系统。
这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。
层次分析法是解决这类问题的行之有效的方法。
层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。
所谓层次分析法，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法，称为层次分析法。
二、层次分析法的定义所谓层次分析法，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法，称为层次分析法。
层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。
基于层次分析法的群决策方法及应用研究共3篇
基于层次分析法的群决策方法及应用研究共3篇基于层次分析法的群决策方法及应用研究1基于层次分析法的群决策方法及应用研究群体决策涉及多个人的思维和判断，因此往往需要一些科学的方法来辅助进行决策。
层次分析法（AHP）是一种经典的决策分析方法，它可以应用于单人决策，也可以推广到群体决策中。
本文将探讨基于层次分析法的群决策方法及其在不同领域的应用研究。
一、层次分析法的基本原理层次分析方法是一种将多种因素（或因子）进行逐级分解和比较的方法。
它由美国数学家托马斯·萨蒙（Thomas L. Saaty）于1970年提出，是一种运用模糊数学和决策科学的方法。
AHP 方法的基本思想是将一个复杂的问题分解为若干个互相联系的层次，构造成一个层次结构模型。
根据人的主观感受，对每个层次中的因素进行比较、排序，最终得出整个问题的权重或排名。
AHP方法的基本原理包括：层次结构分解、成对比较、构造判断矩阵、计算权重向量、一致性检验等。
其中，层次结构分解是根据问题性质和目标的不同，从总体层次逐级分解为若干子层次和因素，在层次结构中，上下层之间存在支配和被支配的关系。
成对比较是在每个层次中进行，利用判断矩阵比较两个层次中各个因素的重要性，得出其相对权重。
构造判断矩阵是根据每个因素的比较结果，构造与之对应的正互反矩阵。
计算权重向量是将判断矩阵对行进行归一化，得到每个因素的权重。
一致性检验是检测比较矩阵的一致性，以保证结果的可靠性。
二、基于AHP的群体决策方法在群体决策中，经常出现不同群体成员对问题权重的看法不一致的情况。
为了解决这个问题，可以引入一些改进的AHP方法，如层次分析法的组合（AHP/Comb）、模糊AHP等。
这些方法不仅可以减少数据不确定性，并且可以确定不同成员的优先级，更好地涵盖不同群体成员的思想和观点。
在AHP/Comb方法中，通过一组初始的判断矩阵来反映群体的思想，将各个矩阵组合起来形成一个新的判断矩阵，再计算权重向量和一致性指标。
《层次分析法》课件
企业在制定战略决策时，需要考虑多种因素，如市场环境、 竞争态势、自身资源等。层次分析法可以将这些因素按照重 要性进行排序，帮助企业明确重点，制定出更符合实际情况 的战略计划。
资源分配问题
总结词
层次分析法可以用于解决资源分配问题，通过对不同方案进行权重分析和比较 ，确定最优的资源分配方案。
详细描述
它通过构建层次结构模型，将决策问题分解为不同的组成因素，并根据 因素间的相互关联影响以及隶属关系将因素按不同的层次聚集组合，形
成一个多层次的分析结构模型。
在这个模型中，上一层次的元素作为准则，对下一层次元素起支配作用 ，通过两两比较的方式确定层次中诸因素的相对重要性。
层次分析法的起源与发展
1980年代初，美国运筹学家 T.L.Saaty首次提出层次分析法。
经过多年的发展，层次分析法已经广 泛应用于各个领域，如经济计划、财 政预算、资源分配、人才选拔等。
该方法最初应用于解决复杂的决策问 题上，特别是那些难以完全用定量方 法来处理的决策问题。
层次分析法的发展也经历了多个阶段 ，包括理论方法的完善、应用领域的 拓展以及计算机软件的普及等。
层次分析法的应用领域
在资源有限的情况下，如何将资源合理分配到各个部门或项目中，是企业管理 者面临的重要问题。层次分析法可以对各种资源分配方案进行评估和比较，为 企业提供科学的决策依据。
风险评估问题
总结词
层次分析法可以用于风险评估，通过对风险因素进行分析和权重排序，帮助企业 识别和评估潜在的风险。
详细描述
企业在经营过程中面临多种风险，如市场风险、财务风险、技术风险等。层次分 析法可以对各种风险因素进行权重分析和排序，帮助企业识别出主要的风险来源 ，从而采取相应的措施进行防范和控制。
层次分析法
层次分析法1. 层次分析法原理层次分析法是由著名运筹学家T.L.Saaty提出的定性和定量相结合的决策工具，原名为analytical hierarchy process，简称为AHP。
层次分析法的提出不论在理论上还是在实际运用中都得到了极为广泛的应用与发展。
AHP时处理一些难于用其他定量方法进行分析的复杂问题的有效方法，是整理和综合决策者主观判断的客观方法。
①层次分析法的基本原理用层次分析法进行评价，首先要把问题层次化。
根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系，将因素按不同层次聚集组合，形成一个多层次的分析结构模型。
例如，某物流企业需要对购买设备进行方案评价与决策，可以将问题简化为图1所示的层次分析结构模型。
目标层判断层方案层图1 设备采购层次结构图图1中最高层是目标层，表示解决问题的目标，即层次分析所需要达到的总目标。
中间层包括准侧层和指标层，表示采取某一方案来实现预定总目标所涉及的中间环节，在图1中即判断层，在解决更为复杂的评价问题时某一个准则因素下可以细分为几个具体的指标。
最底层是方案层，表示要选用的解决问题的各种方案、策略与措施。
在排序计算中，每一层次的因素相对上一层次某一因素的单排序问题，又可简化为一系列成对因素的比较判断。
为了将比较判断定量化，层次分析法引入1-9标度的方法，并写成矩阵形式，即构成了所谓的判断矩阵。
形成判断矩阵后，即可通过计算判断矩阵的最大特征根及其对应的特征向量，计算出某一层次元素相对于上一层次各个因素的单排序权值；然后，用上一层次因素本身的权值加权综合，即可计算出某因素相对于上一层次的相对重要性权值，即层次总排序权值。
这样，依次由上而下即可计算出最底层因素相对于最高层的相对重要性权值或相对优劣次序的排序值。
决策者根据对系统的这种数量分析，就可以进行决策，或进行政府评价、制定和修改计划、分配资源、预测结局、寻找解决问题的方法等。
层次分析法基本原理、实施步骤、应用实例-V1
层次分析法基本原理、实施步骤、应用实例-
V1
层次分析法（AHP）是一种被广泛应用于决策问题中的方法。
基本原理是将决策问题分解为多个层次，每个层次多个因素间进行比较以确定其权重，最终确定决策方案。
以下是AHP的基本原理、实施步骤和应用实例。
基本原理：
1.层次结构：决策问题由多个层次构成，每个层次包含多个因素。
2.判断矩阵：建立每个层次之间的判断矩阵，比较因素之间的重要程度确定其权重。
3.权重计算：计算每个因素的权重值。
4.一致性检验：检验各层次之间的一致性。
实施步骤：
1.建立层次结构：将决策问题分解为多个层次并建立层次结构。
2.建立判断矩阵：对每个层次的因素两两之间进行比较，构建判断矩阵。
3.计算权重：利用特征向量的最大特征值和随机一致性指标（CI）计算每个因素的权重。
4.一致性检验：检验各层次之间的一致性，包括一致性比率（CR）和
一致性指标（RI）的比较。
5.综合判断：将各层次的权重乘积，得出综合权重，以综合权重为依
据进行决策。
应用实例：
AHP可以用于各种领域的决策问题，例如公司战略规划、项目优先级确定、产品选择等。
例如，在公司战略规划中，可以将公司目标作为最终目标层次，并将
其与其他相关因素（例如市场开发、资本投资等）相比较，计算得出
每个因素的重要性权重。
以此为依据进行战略决策。
综上所述，AHP是一种基于层次结构的决策方法，通过比较和计算权重，将复杂的决策问题分解为多个层次，使之更易于理解和处理。
在实际
应用中，可以根据具体需求进行调整和修改，以达到更好的决策效果。
- 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)。
层次分析方法基本原理
层次分析法简单的说就是运用多因素分级处理来确定因素权重的方法。
它是一种定性分析和定量分析相结合的评价决策方法，它将评价者对复杂系统的评价思维过程数学化。
层次分析法基本思路是评价者通过将复杂问题分解为若干层次和若干要素，并在同一层次的各要素之间简单地进行比较、判断和计算。
就可以得出不同替代案的重要度，从而为选择最优方案提供决策依据。
层次分析法特点是：能将人们的思维过程数学化、系统化，便于人们接受；所需定量数据信息较少。
⑵层次分析法图解：
评估每一层针对上一层的因素的重要程度，通过传递性，最后确定因素层的指标相对于目标层的重要程度，从而确定全部指标的权重系数
⑶应用层次分析法进行综合评价其主要步骤有：
第一步：对构成评价问题的目标（准则）及因素等要素建立多级递阶结构模型。
第二步：在多级递阶结构模型中，对属同一级的要素，用上一级的要素为准则进行两两比较后，根据判断尺度确定其相对重要度，并据此建立判断矩阵。
对于递阶层次结构中各层上的元素可以依次相对于与之有关的上一层元素，进行两两比较，从而建立一系列的判断矩阵。
判断矩阵 A ＝ (aij)n×n 具有下述性质：
其中， aij(i,j ＝ 1,2,…,n) 代表元素 Ui 与 Uj 相对于其上一层元素重要性的比例标度。
判断矩阵的值反映了人们对各因素相对重要性的认识，一般采用
1-9 比例标度对重要性程度赋值。
标度及其含义如下表所示。
第三步：通过一定计算后，确定各要素的相对重要度：四个步骤如下
①计算单一层次下元素的相对权重并进行一致性检验
1矩阵 A 的最大特征根为λmax ，其相应的特征量为 W ，解判断矩阵 A 的特征根问题
最大特征根及其对应的特征向量通常应用方根法来求解，具体计算步骤如下：
所得 W 经归一化后，即（1）计算判断矩阵每一行元素的乘积M
I
为同一层次相应元素对于上一层次某一因素相对重要性的权重向量。
2用估计得到的排序向量左乘判断矩阵得到一个新的向量，依次用你排序向量的每个分量去除这个新向量的每个对应分量，得到了另一个向量，对这个向量的分量求和然后除以分量的个数，得到了关于特征根λmax的近似值
由于客观事物的复杂性以及人们对事物认识的模糊性和多样性，所给出的判断矩阵不可能完全保持一致，有必要进行一致性检验，计算一致性指标 CI
其中， n 为判断矩阵阶数。
若随机一致性比率 CR ＝ CI ／ RI ＜ 0.10 ，则判断矩阵具有满意的一致性，否则需要调整判断矩阵的元素取值。
随机一致性指标 RI 取值见表 -2 。
②计算组合权重及一致性检验
计算组合权重是指计算同一层次所有因素对于最高层因素相对重要性的权重。
若上一层次 A 含有 m 个因素 A1 ， A2 ，…， Am ，其组合权值为 a1 ，
a2 ，…， am ，下一层次 B 包含 n 个因素 B1 ， B2 ，…， Bn ，它们对于因素 Aj 的相对权值分别为 b1j ， b2j ，…， bnj （当 Bi 与 Aj 无关时， bij ＝ 0 ），此时 B 层因素的组合权重由表 -3 给出。
此外，还需要进行递阶层次组合判断的一致性检验，该步也是从上到下逐层进行的。
若B 层某些因素相对于A j 的层次单排序一致性指标为CI j ，相应的平均随机一致性指标为RI j ，则B 层随机一致性比率为
当 CR ＜ 0.10 时，认为 B 层组合判断具有满意的一致性，否则，即该问卷无效。
4 ）指标权重计算结果参见（附件四：指标排序演示）。
层次分析法
层次分析法（AHP）是将决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
该方法是美国运筹学家匹茨堡大学教授萨蒂于本世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。
这种方法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。
尤其适合于对决策结果难于直接准确计量的场合。
层次分析法的步骤如下：
（1）通过对系统的深刻认识，确定该系统的总目标，弄清规划决策所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等，广泛地收集信息。
（2）建立一个多层次的递阶结构，按目标的不同、实现功能的差异，将系统分为几个等级层次。
例如：图16-7就是以递阶层次表示的国家富强的一般结构。
（3）确定以上递阶结构中相邻层次元素间相关程度。
通过构造两比较判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的重要性排序--相对权值。
（4）计算各层元素对系统目标的合成权重，进行总排序，以确定递阶结构图中最底层各个元素的总目标中的重要程度。
（5）根据分析计算结果，考虑相应的决策。
层次分析法的整个过程体现了人的决策思维的基本特征，即分解、判断与综合，易学易用，而且定性与定量相结合，便于决策者之间彼此沟通，是一种十分有效的系统分析方法，广泛地应用在经济管理规划、能源开发利用与资源分析、城市产业规划、人才预测、交通运输、水资源分析利用等方面。