层次分析法的参考文献
1 谈层次分析法马兴业语文学刊1989-08-29 期刊99
分享
2 股票价格及投资价值分析张蕾电子科技大学2005-02-01 硕士
3 947
分享
3 基于层次分析法的高速公路诱导信息有效性评价研究石志刚第三十一届中国控制会议论文集D卷2012-07-25 国际会议70
分享
4 基于定单流的证券投资策略研究李成刚电子科技大学2012-03-01 博士173
分享
5 基于层次分析法的股票投资价值实证研究戴立新; 冯攀会计之友2013-01-20 期刊81
分享
6 基于模糊层次分析法的投行股票估值模型选择林剑乔; 黄德春统计与决策2011-07-30 期刊290
分享
7 中国上市公司财务指数研究黎春西南财经大学2010-05-01 博士397
分享
8 我国股票市场与货币政策的相互影响研究段进湖南大学2007-01-22 博士26 2722
分享
9 基于德尔菲法与层次分析法的项目风险评估刘光富; 陈晓莉项目管理技术2008-01-10 期刊73 1457
分享
10 应用层次分析法确定政府绩效评估指标权重研究彭国甫; 李树丞; 盛明科中国软科学2004-06 -28 期刊
主成分分析法PCA的原理
主成分分析法原理简介 1.什么是主成分分析法 主成分分析也称主分量分析，是揭示大样本、多变量数据或样本之间内在关系的一种方法，旨在利用降维的思想，把多指标转化为少数几个综合指标，降低观测空间的维数，以获取最主要的信息。 在统计学中，主成分分析（principal components analysis, PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 2.主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 对同一个体进行多项观察时必定涉及多个随机变量X1，X2，…，X p，它们之间都存在着相关性，一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。
层次分析法案例
层次分析法的应用 层次分析法由美国著名运筹学家萨蒂于1982年提出，它综合了人们主观判断，是一种简明、实用的定性分析与定量分析相结合的系统分析与评价的方法。目前，该方法在国内已得到广泛的推广应用，广泛应用于能源问题分析、科技成果评比、地区经济发展方案比较，尤其是投入产出分析、资源分配、方案选择及评比等方面。它既是一种系统分析的好方法，也是一种新的、简洁的、实用的决策方法。 层次分析法的基本原理 人们在日常生活中经常要从一堆同样大小的物品中挑选出最重的物品。这时，一般是利用两两比较的方法来达到目的。假设有n 个物品，其真实重量用w 1，w 2 ，…表示。要想知道w 1 ，w 2 ，…的值， 最简单的就是用秤称出它们的重量，但如果没有秤，可以将几个物品两两比较，得到它们的重量比矩阵A。 如果用物品重量向量[w 1，w 2 ，…]T右乘矩阵A，则有：
由上式可知，n是A的特征值，W是A的特征向量。根据矩阵理论，n是矩阵A的唯一非零解，也是最大的特征值。这就提示我们，可以利用求物品重量比判断矩阵的特征向量的方法来求得物品真实的重量向量W。从而确定最重的物品。 将上述n个物品代表n个指标（要素），物品的重量向量就表示各指标（要素）的相对重要性向量，即权重向量；可以通过两两因素的比较，建立判断矩阵，再求出其特征向量就可确定哪个因素最重要。依此类推，如果n个物品代表n个方案，按照这种方法，就可以确定哪个方案最有价值。 应用层次分析法进行系统评价的主要步骤如下： （1）将复杂问题所涉及的因素分成若干层次，建立多级递阶的层次结构模型（目标层、判断层、方案层）。 （2）标度及描述。同一层次任意两因素进行重要性比较时，对它们的重要性之比做出判断，给予量化。 （3）对同属一层次的各要素以上一级的要素为准则进行两两比较，根据评价尺度确定其相对重要度，据此构建判断矩阵A。 （4）计算判断矩阵的特征向量，以此确定各层要素的相对重要度（权重）。 （5）最后通过综合重要度（权重）的计算，按照最大权重原则，确定最优方案。 具体案例： 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
层次分析法实例与步骤
层次分析法实例与步骤 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。 在关系复杂的递阶层次结构中，有时组的关系不明显，即上一层的若干元素同时对下一层的若干元素起支配作用，形成相互交叉的层次关系，但无论怎样，上下层的隶属关系应该是明显的。 最后分析为了解决决策问题（实现决策目标）、在上述准则下，有哪些最终解决方案（措施），并将它们作为措施层因素，放在递阶层次结构的最下面（最低层）。 明确各个层次的因素及其位置，并将它们之间的关系用连线连接起来，就构成了递阶层次结构。 【案例分析】市政工程项目进行决策：建立递阶层次结构 在市政工程项目决策问题中，市政管理人员希望通过选择不同的市政工程项目，使综合效益最高，即决策目标是“合理建设市政工程，使综合效益最高”。 为了实现这一目标，需要考虑的主要准则有三个，即经济效益、社会效益和环境效益。但问题绝不这么简单。通过深入思考，决策人员认为还必须考虑直接经济效益、间接经济效益、方便日常出行、方便假日出行、减少环境污染、改善城市面貌等因素（准则），从相互关系上分析，这些因素隶属于主要准则，因此放在下一层次考虑，并且分属于不同准则。 假设本问题只考虑这些准则，接下来需要明确为了实现决策目标、在上述准则下可以有哪些方案。根据题中所述，本问题有两个解决方案，即建高速路或建地铁，这两个因素作为措施层元素放在递阶层次结构的最下层。很明显，这两个方案于所有准则都相关。 将各个层次的因素按其上下关系摆放好位置，并将它们之间的关系用连线连接起来。同时，为了方便后面的定量表示，一般从上到下用A、B、C、D。。。代表不同层次，同一层次从左到右用1、2、3、4。。。代表不同因素。这样构成的递阶层次结构如下图。
层次分析法期末论文
2015-2016学年第二学期《物流配送中心规划与设计》期末作业要求1、运用层次分析法分析生活中面临的选择问题，评价指标自选，准则层不少于3个，方案层不少于3个。 2、内容格式要求见例文。
层次分析法在购买洗面奶决策中的应用 班级：姓名：学号： 摘要：随着科技的发展，数学与人们的生活联系越来越紧密，层次分析法作为其中一个分支，也被广泛应用于军事，经济等方面。本文采用层次分析法，从价格、效果和品牌影响力三个方面因素对购买洗面奶模型做出评价，并用权重定量化进行研究，可为消费者和生产厂家提供有效地依据。 关键词：层次分析法判断矩阵购买洗面奶要素 一．问题描述 随着人们对生活水平要求的不断提高，对洗面奶的选择也成为众多男士一个不可避免的问题。由于现在市面上洗面奶的品牌目不暇接，所以对洗面奶的选择也成了一个难题。通过查阅资料和网上问卷调查结果，对男士经常选择的牌子大致分三类：曼秀雷敦、巴黎欧莱雅和火山泥，购买时主要考虑的因素有价格、效果和品牌影响力三个方面。由于每款洗面奶在各影响因素上往往各有优缺点，可利用层次分析法将消费者购买的经验判断予以量化，为购买决策提供依据。 二．问题求解 1.建立层次结构模型： 目标层A 准则层 方案层 其中价格数据为厂家出厂时的规定价格，效果和品牌影响力由网络问卷调查得
到，其中效果等级分类从高到低为5,4,3,2,1；品牌吸引力等级从高到低为3,2,1；得到下表数据： 2.构造判断矩阵： 由上表数据可得A-C 判断矩阵为： 1 3 5 1/3 1 3 1/5 1/3 1 P C i -判断矩阵分别为： 1 3 5 1 1/ 2 1/5 1 2 4 1/ 3 1 3 2 1 1/3 1/2 1 3 1/5 1/3 1 5 3 1 1/ 4 1/3 1 3.一致性检验及求各层元素相对权重： 由程序（程序见附件）可以判断以上四个矩阵都满足一致性检验，且算得A-C 矩阵的最大特征值和特征向量为： 1λ=3.0385,1ω=(0.6370,0.2583,0.1047)T ； P C i -矩阵的最大特征值和特征向量分别为： T )1047.0,2583.0,6370.0(,0385.322==ωλ; T )6483.0,2297.0,1220.0(,0037.333==ωλ T )1220.0,3196.0,5584.0(,0183.344==ωλ。 4.计算方案的总权重：
层次分析法步骤介绍
层次分析法整个计算过程包括以下五个部分。 (1)建立递阶层次结构 应用AHP解决实际问题,首先明确目标;接下来分析影响目标决策的各个因素,并将它们之间的关系条理化、层次化;最后,用线将各个层次、各个因素间的关系连接起来就构成了递阶层次结构。[25] 通常,递阶层次结构包括以下三个基本层次: 1.目标层:通过分析,明确目标就是什么,将其作为最高层的元素,必须就是唯一的, 如:选择最合适的供应商 2.准则层:即中间层,元素包含所有可能影响目标实现的准则,且会随着问题的复杂 程度增多。这时,需要详细分析各准则元素间的相互关系(就是同级关系还就是隶属关系)。如果就是隶属关系,则需要构建子准则层甚至更下一层准则。 3.措施层:即方案层。分析解决问题的方案有哪些,并将其作为最底层因素。 (2)构造判断矩阵并赋值 1.构造判断矩阵:将每一个具有向下隶属关系的元素作为判断矩阵的第一个元素(位 于左上角),隶属于它的各个元素依次排列在其后的第一行与第一列。 2.填写判断矩阵:最常用的方法就是咨询专家,将两个元素两两比较,按照重要性程 度表赋值(见下表)。 表3 重要性标度含义表 设填写后的判断矩阵为A=(a ij)n×n,判断矩阵具有如下三个性质: 1.a ii=1 2.a ji=1/a ij 3.a ij>0 (3)层次单排序与检验 1.层次单排序 利用数学方法将专家填写后的判断矩阵进行层次排序。层次单排序就是将每一个因素对于其准则的重要性进行排序,实际就就是计算权向量。计算权向量有特征根法、与法等,以下详细介绍特征根法的计算方法。 A.计算判断矩阵每一行元素的乘积
∏==n j ij i a M 1 (3、2) 式中: M i 第i 行各元素的乘积 a ij 第i 个元素与第j 个元素的关系比值
层次分析法论文
层次分析法应用于城市购房决策中的实例分析 濮长飞 南京晓庄学院04数本2班 摘要：本文针对消费者购房这一具体问题，基于高等代数矩阵内容，立足于数学建模， 通过具体实例的分析详细描述了采用层次分析法解决多目标决策问题的方法和步骤，为 消费者的购房决策提供科学合理的办法。 关键词：成对比较矩阵；特征根；特征向量；层次分析法 随着经济的发展，收入水平的增加，消费者对商品房的要求也在增加。目前多数消费者购房有的因为工作，有的是为了改善居住环境，还有的是为了投资。不管是什么原因，由于涉及金额巨大，购房需慎之又慎，以免花钱买后悔。 针对消费者的需求，房地产开发商也在不断地推出新的楼盘。这些楼盘往往各有各的特点，这使得消费者经常因选房而筋疲力尽，生怕捡了芝麻丢了西瓜。究其原因，主要是考虑的因素太多，价格、交通、环境等等。如就价格而言，甲比乙便宜；而就交通而言，乙又不如甲，这就使得购房者难以做出孰优孰劣的判断。但是，所有的购房者都想买到物美价廉的房子，这是总目标，如果我们能够对备选房源“物美价廉”的程度进行量化，就能通过简单的数值比较做出决策。运用统计学中的层次分析法就能轻松解决这一决策难题。 一、层次分析法概述 1 简介 层次分析法是美国运筹学家萨蒂在20世纪70年代提出的一种实用的定性和定量相结合的多准则决策方法。它是把复杂的决策按照目标层、准则层、子准则层、方案层的顺序表示为一个有序的递阶层次结构，通过人们的比较判断，计算各种决策方案在不同准则及总目标之下的相对重要性权重，从而把难以量化的各种方案定量化，以得到各种方案的相对优劣的排序值，并据此做出最后的决策。 2 层次分析法的基本步骤 第一步：根据问题的性质和要求，提出一个总目标。将目标逐层分解为几个层次，建立层次结构模型。
主成分分析
引言： 主成分分析也称主分量分析，是由霍特林于1933年首先提出的。主成分分析是利用降维的思想，在损失很少信息的前提下，把多个指标转化为几个综合指标的多元统计方法。通常把转化生成的综合指标称为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分之间互不相关，使得主成分比原始变量具有某些更优越的性能。这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性，同时使得问题得到简化，提高分析效率。本文用主成分分析的方法对某市14家企业的经济效益进行分析。[1] 在处理涉及多个指标问题的时候，为了提高分析的效率可以不直接对p个指标构成的p维随机向量x=(x1，x2，x3，……，x p)进行分析，而是先对向量x进行 线性变换，形成少数几个新的综合变量，使得个综合变量之间相互独立且能解释原始变量尽可能多的信息，这样在意损失很少部分信息为代价的前提下，达到简化数据结构，提高分析效率的目的。 主成分的基本思想就是在保留原始变量尽可能多的前提下达到降维的目的，从而简化问题的复杂性并抓住问题的主要矛盾。而这里对于随机变量x1，x2，x3，……，x p而言，其协方差矩阵或相关矩阵正是对各变量离散程度与变量之间 的相关程度的信息的反映，而相关矩阵不过是将原始变量标准化后的协方差矩阵我们所说的保留原始变量尽可能多的信息，也就是指生成的较少的综合变量（主成分）的方差和尽可能接近原始变量方差的总和。因此在实际求解主成分的时候，总是从原始变量的协方差矩阵或相关矩阵的结构分析入手。一般来说从原始变量的协方差矩阵出发求得的主成分与从原始变量的相关矩阵出发求得的主成分是不同的本文我们用从原始变量的相关矩阵出发求得的主成分进行分析。[5]
层次分析法的应用实例
第二节 层次分析法的应用实例 层次分析法在解决定量与定性复杂问题时，由于方法的简单性、直观性，同时在解决各种领域的实际问题时又显示其有效性和可行性，因而深受广大工程技术人员和应用数学工作者的欢迎而被广泛采用。下面我们举例说明它的实用性。 设某港务局要改善一条河道的过河运输条件，要确定是否建立桥梁或隧道以代替现在的轮渡。 此问题可得到两个层次结构：过河效益层次结构和过河代价层次结构；由图5-3(a)和(b)分别表示。 例 过河的代价与效益分析。 (a) 过河效益层次结构 (b) 过河代价层次结构 图5-3 过河的效益与代价层次结构图 过河的效益 A 过河的效益 2B 经济效益 1B 过河的效益 3B 隧 道 2D 桥 梁 1D 渡 船 3D 美化 11 C 进出方便 10 C 舒适 9 C 自豪感 8 C 交往沟通 7C 安全可靠 6 C 建筑就业 5 C 当地商业4C 岸间商业3C 收入2C 节省时间1 C 过河的代价 A 社会代价 2B 经济代价 1B 环境代价 3B 隧 道 2D 桥 梁 1D 渡 船 3D 对生态的污染 9 C 对水的污染 8 C 汽车的排放物 7 C 居民搬迁 6 C 交往拥挤 5C 安全可靠 4 C 冲击渡船业 3 C 操作维护 2 C 投入资金 1 C
在过河效益层次结构中，对影响渡河的经济因素来说桥梁或隧道具有明显的优越性。一种是节省时间带来的效益，另一种是由于交通量的增加，可使运货增加，这就增加了地方政府的财政收入。交通的发达又将引起岸间商业的繁荣，从而有助于本地商业的发展；同时建筑施工任务又创造了大量的就业机会。以上这些效益一般都可以进行数量计算，其判断矩阵可以由货币效益直接比较而得。但社会效益和环境效益则难以用货币表示，此时就用两两比较的方法进行。从整体看，桥梁和隧道比轮渡更安全，更有助于旅行和交往，也可增加市民的自豪感。从环境效益看，桥梁和隧道可以给人们更大的舒适性、方便性，但渡船更具有美感。由此得到关于效益的各个判断矩阵如表5-9—表5-23所示。 表5-9 表5-10 表5-11 表5-12 表5-13 表5-14
层次分析法步骤介绍
层次分析法步骤介绍 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
层次分析法整个计算过程包括以下五个部分。 (1)建立递阶层次结构 应用AHP解决实际问题，首先明确目标；接下来分析影响目标决策的各个因素，并将它们之间的关系条理化、层次化；最后，用线将各个层次、各个因素间的关系连接起来就构成了递阶层次结构。[25] 通常，递阶层次结构包括以下三个基本层次： 1.目标层：通过分析，明确目标是什么，将其作为最高层的元素，必须是唯一的， 如：选择最合适的供应商 2.准则层：即中间层，元素包含所有可能影响目标实现的准则，且会随着问题的复杂 程度增多。这时，需要详细分析各准则元素间的相互关系（是同级关系还是隶属关系）。如果是隶属关系，则需要构建子准则层甚至更下一层准则。 3.措施层：即方案层。分析解决问题的方案有哪些，并将其作为最底层因素。 (2)构造判断矩阵并赋值 1.构造判断矩阵：将每一个具有向下隶属关系的元素作为判断矩阵的第一个元素（位 于左上角），隶属于它的各个元素依次排列在其后的第一行和第一列。 2.填写判断矩阵：最常用的方法是咨询专家，将两个元素两两比较，按照重要性程度 表赋值（见下表）。 表3 重要性标度含义表
设填写后的判断矩阵为A=(a ij )n×n ，判断矩阵具有如下三个性质： 1. a ii =1 2. a ji =1/a ij 3. a ij >0 (3) 层次单排序与检验 1. 层次单排序 利用数学方法将专家填写后的判断矩阵进行层次排序。层次单排序是将每一个因素对于其准则的重要性进行排序，实际就是计算权向量。计算权向量有特征根法、和法等，以下详细介绍特征根法的计算方法。 A. 计算判断矩阵每一行元素的乘积 ∏==n j ij i a M 1 式中： M i 第i 行各元素的乘积 a ij 第i 个元素与第j 个元素的关系比值
选专业数学建模论文 层次分析法
摘要 本文针对一名高考升学考生报考学校专业问题进行建立层次分析模型。 首先通实地了解“一考生”有关意向数据，并对其进行处理，总结四大影响因素：专业就业情况、学校有关情况、自身影响因素和家庭影响因素及各因素对比比较矩阵A，和报考的学校专业：南昌大学计算机专业、九江学院船舶制造专业、景德镇陶瓷学院陶瓷专业、上饶师范学校教育专业和各专业对比较矩阵。 ( B )4,3,2,1 i i 其次，建立目标、准则和方案的‘层次直观模型图’。进而以准则层对方案层权重比值及一致性指标进行检验，此过程利用MATLAB软件进行对数据进行求解，得出矩阵的最大特征值及特征向量，从而利用相关Saaty .定理验证得 T S. 出准则层对方案层一致性指标验证通过。 同理，再次验证方案层对准则层权重比值及一致性指标进行检验，得出各准则中每个方案相互比较矩阵的特征向量。 最后，由‘方案’对‘目标’层次总排序可以得出结论，该生选择南昌大学计算机专业更为适合。 关键词：层次分析法最大特征值特征向量
一、问题的提出 一位高中毕业生想要选择一个适合自己的某学校专业，他考虑的因素有专业的就业前景，学校的有关情况（所在地，知名度，交通的便捷度等），自身的因素（高考分数，自己的兴趣、爱好等）家庭的经济状况等。比较中意的学校和专业有南昌大学的计算机专业，九江学院的船舶制造专业，景德镇职业学院的陶瓷制造专业，上饶的师范专业。但不知道选择哪所学校，为此，请通过数学建模给出一个建议。 二、模型的假设及符号说明 模型的假设： (1)假设这四所学校的分数线都不会提高。 (2)这四所学校都不会减少录取名额。 (3)这位同学不会改变所选的四所学校。 (4)不会出现所有非人为的意外情况。 符号的说明：
数学建模期末作业谈层次分析法在就业中的应用讲课稿
数学建模期末作业谈层次分析法在就业中 的应用
谈层次分析法在就业中的应用 摘要 近年高校毕业生数量急剧膨胀就业的难题似乎变得更加严峻和突出——全国就业工作座谈会传来消息，2010年应届毕业生规模是本世纪初的6倍，2011年高校毕业生人数为660万人，“十二五”时期应届毕业生年平均规模将达到近700万人。许多大学生处于就业十字路口，茫然不知所措。这种心态下的种种决策难免造成失误，所以需要一种可靠的定量的容易操作的，并且具体的有说服力的方法来帮助做出决策。本文提出了定性和定量相结合的层次分析法步骤，构成了工作满意度的评价指标体系，通过各因素重要程度比较与计算，最终确定出了6个具体指标在该体系下的权重并排序，这样在分析某种工作的满意程度时就可以按此权重进行衡量。为此我们建立了层次结构模型，做成对比较矩阵： 正互反矩阵为?????????? ????? ? ??? ?=wn wn w wn w wn wn w w w w w w w wn w w w w w w w A /...... 2/1//2........3/22/21/2/1........3/12/11/1M M M M 通过Matlab 等数学工具，得到特征向量 T w )083.0,201.0,139.0,154.0,076.0,347.0(1=，且∑==508.6)(max i i nw Aw λ，通过一致 性指标得出1016.0) 1() (max =--= n n CI λ，1.0082.024 .11016 .0<=== RI CI CR ， 如果有CI 偏差，那偏差是否在满意的一致性范围，引进平均随机一致性指标RI 。 平均随机一致性指标RI 数值
层次分析法与模糊综合评价的区别
层次分析法与模糊综合判别的区别与联系 1、层次分析法 [ 参考文献：吋义成, 柯丽华, 黄德育. 系统综合评价技术及其应用[M]. 北京: 冶金工业出版社,2006] 人们在日常生活中经常要从一堆同样大小的物品中挑选出最重要的物品，如重量最大的物品，即至少要确定各物品的相对重量。这时，经验和常识告诉我们，可以利用两两比较的方法来达到目的。 若在没有称量仪器的条件下对一组物体的重量进行估计，则可以通过爱对比较这组物体相对重量的方法，得出每对物体相对重量比的判断，从而形成比较判断矩阵，再通过求解判断矩阵的最大特征根和它所对应的特征向量问题，就能计算出这组物体的相对重量。 将此方法应用到复杂的社会、经济和科学管理等领域中，就能确定各种方案、措施、政策等 相对于总目标的重要性排序情况，以供领导者决策。 一般的层次分析法模型由图5-1 所示，分为目标层、准则层、指标层、方案层组成。需要注意几点： （1）层次分析法的评价结构并非是上述部分一成不变的，其中的当指标层因素较少时准则层可以省去（图5-2 ），当某一准则对应的指标层元素过多时可以将其指标层细分为“子准则层和指标层”（图5-4 ）。由于层次分析法是利用两两比较完成的，为了便于人的比较与判别，每层的元素个数在3~7 之间为佳，超过7 以后增加了比较判断的难度，因此当元素过多时，可以将其分类后分成两层或多层来判别。 （2）准则层与指标层之间的关系可以对比一下图5-1 和图5-4 ，即每个准则可能有独 用的指标体系，也可能是各准则之间共用某几个指标。 （3）层次分析法的特点是基于某个目标，对多个待评价方案进行评价，从而得到方案的重要性排序。具体到某个问题，其并无相应的数据。而模糊综合判别有相应的基础数据。两者可以结合一起用，比如常用的是模糊综合评判过程中，权重可以由层次分析法计算。 层次分析法的骤如下： 1）在作者建立评价模型后，根据经验对每层里的各个元素建立重要性判别矩阵，从判 别矩阵中可以得到某一层中各个指标的归一化权重（表5-1中的W B,W C1,W C2,W C3,W C4）。（表5-1和5-2 的数据为图5-1 模型的） 2）由层与层之间权重的传递可以得到最低层（具体指标层）的综合权重。如图5-1 所示的图中有得到各个C ij的综合权重W ij（表5-2第2列）。 3）最后，在指标层与方案层之间建立判别矩阵，针对每一个指标C ij 都需要建立一个各 方案A i的比较矩阵，判别A针对C j的重要性w A i （表5-2的每一行）。最后将指标C ij的综合权重W ij与W Ai进行乘法求和，从而得到方案A的最终综合权重刀（W ij心Ai），即为续表5-2的最后一行。
主成分分析法概念及例题
主成分分析法 主成分分析（principal components analysis，PCA）又称：主分量分析，主成分回归分析法 [编辑] 什么是主成分分析法 主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 在统计学中，主成分分析（principal components analysis,PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 [编辑] 主成分分析的基本思想
在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 [编辑] 主成分分析法的基本原理 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 [编辑] 主成分分析的主要作用
层次分析法在决策中的应用
数学在决策中的应用 ———层次分析法 学习应用数学后，我结合海运学院的相关专业，寻找数学应用的相关领域时，被利用数 学进行决策的层次分析法吸引住了，现在将所学习到的和所想到的做了总结，并将我学习层 次分析法的心得分享一下。 首先简单的介绍一下层次分析法，层次分析法(Analytic Hierarchy Process ，简称AHP) 是将与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20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[1]。 层次分析法是一种定性与定量相结合、系统化的决策方法。它将决策者的主观判断与实 践经验导入模型，并进行量化处理，体现了决策中分析、判断、综合的基本特征。该方法首 先将复杂问题按支配关系分层，然后两两比较每层各因素的相对重要性，最后确定各个因素 相对重要性的顺序，按顺序做出决策。 层次分析法的具体方法和步骤如下。[2] 1． 建立层次结构模型 通过深入分析实际问题，将问题分解成三个层级，即目标层、准则层(要素层)和方案层 ， 同一层次的因素对上层因素有影响，同时又支配下层因素。目标层是最高层，通常只有 1 个 因素，最下层通常为方案措施，要素层可以不止一层，当要素过多时( 譬如多于 9 个) ， 可以进一步分解出子要素层，并建立关联，见图1。 2. 构造判断(成对比较)矩阵 从第二层开始，把同一层级的因素用成对比较法和一定比较尺度构造判断矩阵 A ，直到 最后一层。 ji j i ij n n ij a a a a A 1,0,)(=>=?，其中i ，j=（1,2,3，……，n ） 矩阵 A 中，aij 表示因素 i 与因素 j 对上一层因素的重要性之比，aij 表示因素j 与因素i 的重要性之比，且aij= 1 / aji 。对于aij 的值，Saaty 等建议引用数字 1 至 9 及 其倒数作为标度，见表1。
主成分分析法概念及例题
主成分分析法 主成分分析(principal components analysis,PCA)又称:主分量分析,主成分回归分析法 [编辑] 什么就是主成分分析法 主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标。 在统计学中,主成分分析(principal components analysis,PCA)就是一种简化数据集的技术。它就是一个线性变换。这个变换把数据变换到一个新的坐标系统中,使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上,第二大方差在第二个坐标(第二主成分)上,依次类推。主成分分析经常用减少数据集的维数,同时保持数据集的对方差贡献最大的特征。这就是通过保留低阶主成分,忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但就是,这也不就是一定的,要视具体应用而定。 [编辑] 主成分分析的基本思想
在实证问题研究中,为了全面、系统地分析问题,我们必须考虑众多影响因素。这些涉及的因素一般称为指标,在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息,并且指标之间彼此有一定的相关性,因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时,变量太多会增加计算量与增加分析问题的复杂性,人们希望在进行定量分析的过程中,涉及的变量较少,得到的信息量较多。主成分分析正就是适应这一要求产生的,就是解决这类题的理想工具。 同样,在科普效果评估的过程中也存在着这样的问题。科普效果就是很难具体量化的。在实际评估工作中,我们常常会选用几个有代表性的综合指标,采用打分的方法来进行评估,故综合指标的选取就是个重点与难点。如上所述,主成分分析法正就是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性,就必然存在着起支配作用的因素。根据这一点,通过对原始变量相关矩阵内部结构的关系研究,找出影响科普效果某一要素的几个综合指标,使综合指标为原来变量的线性拟合。这样,综合指标不仅保留了原始变量的主要信息,且彼此间不相关,又比原始变量具有某些更优越的性质,就使我们在研究复杂的科普效果评估问题时,容易抓住主要矛盾。上述想法可进一步概述为:设某科普效果评估要素涉及个指标,这指标构成的维随机向量为。对作正交变换,令,其中为正交阵,的各分量就是不相关的,使得的各分量在某个评估要素中的作用容易解释,这就使得我们有可能从主分量中选择主要成分,削除对这一要素影响微弱的部分,通过对主分量的重点分析,达到对原始变量进行分析的目的。的各分量就是原始变量线性组合,不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系,主成分分析使我们能从错综复杂的科普评估要素的众多指标中,找出一些主要成分,以便有效地利用大量统计数据,进行科普效果评估分析,使我们在研究科普效果评估问题中,可能得到深层次的一些启发,把科普效果评估研究引向深入。 例如,在对科普产品开发与利用这一要素的评估中,涉及科普创作人数百万人、科普作品发行量百万人、科普产业化(科普示范基地数百万人)等多项指标。经过主成分分析计算,最后确定个或个主成分作为综合评价科普产品利用与开发的综合指标,变量数减少,并达到一定的可信度,就容易进行科普效果的评估。 [编辑] 主成分分析法的基本原理 主成分分析法就是一种降维的统计方法,它借助于一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新随机向量,这在代数上表现为将原随机向量的协方差阵变换成对角形阵,在几何上表现为将原坐标系变换成新的正交坐标系,使之指向样本点散布最开的p 个正交方向,然后对多维变量系统进行降维处理,使之能以一个较高的精度转换成低维变量系统,再通过构造适当的价值函数,进一步把低维系统转化成一维系统。 [编辑] 主成分分析的主要作用
层次分析法的应用
层次分析法的一个应用 摘要 关键词： Abstract Keywords: 前言 1层次分析法理论概述 1.2层次分析法的概念 层次分析法是由美国运筹学家匹兹堡大学的 T.L.saaty教授于20世纪70年代提出的一种决策方法。它是将评价对象或问题视为一个系统，根据问题的性质和想要达到的总目标将问题分解成不同的组成要素，并按照要素间的相互关联度及隶属关系将要素按不同层次聚集组合，从而形成一个多层次的分析结构系统，把问题条理化、层次化。 层次分析法的结构符合人们思维的基本特征分解、判断、综合，把复杂的问题分解为各组成要素，再将这些要素按支配关系分组，从而形成有序的递阶层次结构，通过两两比较判断的方式确定每一层次中要素的相对重要性，然后在递阶层次结构内进行合成得到相对于目标的重要程度的总排序。因此，层次分析法从出现开始就受到了理论界广泛的支持和认可，并得到了不断的改进和完善。
1.3 AHP法下优点 （1）AHP对于解决多层次、多指标的递阶结构问题行之有效。保险公司绩效评价各指标之间相互作用，相互制约，且绩效受到多种因素的影响，可以分解成不同的子指标，例如我们从财务维度可将保险公司的绩效分解为增加盈利能力、偿付能力和发展能力三个层面，而各个层面又可以从多个角度来衡量，从而构成关联保险公司绩效评价指标体系的递阶结构体系。这样，我国上市保险公司绩效评价指标体系的递阶结构为层次分析法提供了“结构”基础。 （2）把定性分析和定量分析有机地结合起来，避免了单纯定性分析的主观臆断性和单纯利用定量分析时对数据资料的严格要求。 （3）层次分析法思路简单明了，将人们的思维数字化、系统化，便于接受并容易计算；同时，层次分析法是一种相对比较成熟的理论，有大量的是实践经验可以借鉴，这就避免了在保险公司绩效评价指标权重的确定过程中由于缺乏经验而产生的不足。 当然层次分析法也存在着缺陷：首先，其结论是建立在判断矩阵是一致性矩阵的基础上的，而在实际应用中所建立的判断矩阵，由于各方面的原因，往往不能一次性得到具有一致性的判断矩阵，而需要对其一致性进行检验，并进行多次的修改。因此，判断矩阵的建立过程比较复杂，且存在较大的主观性；其次是特征值的计算量较大；再次，许多专家认为层次分析法中采用的1-9标度法不能准确地反映专家和决策者的真实感觉和判断。采用层次分析法来确定两个指标的相对重要性时，当人们认为A1比A2重要(记为a)，B1比B2明显重要(记为b)，C1比C2强烈重要(记为c)时，则(c-b)比(b-a)要大得多，因而标度不应该的线性的，而是随着重要程度的增加差距越来越大。而1-9标度是等距的，所以Saaty 提出的线性评判标度与人们头脑中的实际标度并非一致。因此，这些问题都需要进行改进，但整体上不影响本文采用层次分析法确定评价指标权重。 1.4 AHP的基本步骤 用层次分析法作系统分析，首先需要把问题层次化，根据问题的性质和总目标把问题分解成为不同的因素，并且根据这些因素间的相互影响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，并最终系统分析归结为最底层(供决策的方案、措施等)相对于最高层(总目标)的相对重要性权重的确
层次分析法决策问题中的应用
浅析层次分析法在多目标决策问题中的应用 周欣欣 [摘要]层次分析法是一种解决多目标决策问题很实用的方法。该方法能够解决多因素复杂系统的决策问题，有效地综合测度决策者的判断。本文先介绍了层次分析法的基本原理以及运用层次分析法分析问题时的基本步骤，然后运用层次分析法成功地解决了一个多目标决策问题，进一步证明了层次分析法的可行性和实用性。 [关键词]层次分析法；决策；一致性 [Abstract] AHP is a very practical method to solve multi-objective decision problems. This method can solve decision problems in multi-factor and complex system, and integrate the judge of decision-maker effectively. This paper describes the basic principle of AHP and the basic steps to solve decision problems at first, and then using AHP resolved a multi-objective decision problem successfully, evidenced the feasibility and practicality of AHP. [Key words]AHP; decision; consistency 1 引言 层次分析法（analytic hierarchy process,AHP）是Saaty教授于1971年提出的一种系统分析方法。1982年11月，在我国召开的能源、资源、环境学术会议上，美国Nezhed教授首次向我国学者介绍了层次分析法，层次分析法的理论研究和实际应用从此在我国得到了迅速展开[1]。该方法是一种综合定性与定量分析的多属性决策方法，能够模拟人的决策思维过程，解决多因素复杂系统特别是难以定量描述的社会系统的决策问题，有效地分析目标准则体系层次间的非序列关系，有效地综合测度决策者的判断和比较。随着层次分析法应用范围的扩大，它的理论也得到了发展并逐步完善。 2 层次分析法的基本原理 层次分析法是处理有限个方案的多目标决策问题时常用的也是最重要的方法之一。它是以层级架构来组织决策元素，进而融入专家与实际参与决策者的意见，帮助决策者作评估判断的思维方法。它的基本思想是把复杂问题分解为若干层次，即把决策问题按总目标、子目标、评价标准直至具体措施的顺序分解为不同层次
层次分析法的基本步骤和要点
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。 在关系复杂的递阶层次结构中，有时组的关系不明显，即上一层的若干元素同时对下一层的若干元素起支配作用，形成相互交叉的层次关系，但无论怎样，上下层的隶属关系应该是明显的。 最后分析为了解决决策问题（实现决策目标）、在上述准则下，有哪些最终解决方案（措施），并将它们作为措施层因素，放在递阶层次结构的最下面（最低层）。 明确各个层次的因素及其位置，并将它们之间的关系用连线连接起来，就构成了递阶层次结构。 【案例分析】市政工程项目进行决策：建立递阶层次结构 在市政工程项目决策问题中，市政管理人员希望通过选择不同的市政工程项目，使综合效益最高，即决策目标是“合理建设市政工程，使综合效益最高”。 为了实现这一目标，需要考虑的主要准则有三个，即经济效益、社会效益和环境效益。但问题绝不这么简单。通过深入思考，决策人员认为还必须考虑直接经济效益、间接经济效益、方便日常出行、方便假日出行、减少环境污染、改善城市面貌等因素（准则），从相互关系上分析，这些因素隶属于主要准则，因此放在下一层次考虑，并且分属于不同准则。 假设本问题只考虑这些准则，接下来需要明确为了实现决策目标、在上述准则下可以有哪些方案。根据题中所述，本问题有两个解决方案，即建高速路或建地铁，这两个因素作为措施层元素放在递阶层次结构的最下层。很明显，这两个方案于所有准则都相关。 将各个层次的因素按其上下关系摆放好位置，并将它们之间的关系用连线连接起来。同时，为了方便后面的定量表示，一般从上到下用A、B、C、D。。。代表不同层次，同一层次从左到右用1、2、3、4。。。代表不同因素。这样构成的递阶层次结构如下图。