计算N阶矩阵的随机一致性指标RI

计算N阶矩阵的随机一致性指标RI
计算N阶矩阵的随机一致性指标RI

实验报告(一)

课程名称数学建模

实验项目Matlab基本操作及其实际应用实验环境PC机、Matlab

学院/班级

学号/姓名

指导教师

实验日期

成绩

一、实验名称:

随机一致性指标求解

二、实验目的:

1)掌握用matlab求解随机一致性指标的方法

2)加深对随机一致性指标概念的理解

三、实验内容:

用matlab或C++编写程序分别计算n=3-30时的n阶矩阵的随机一致性检验指标的值RI。

//本组实验随机数产生正互反矩阵,这个数目必须取的相当大(超过1000000,所以此程序跑起来比较费时),才比较接近标准答案

#include

#include

#include

#include

#include

using namespace std;

int getNameta(double a[],int n); //获取当前随机正互反矩阵的最大λ

void createMatrix(double a[],int n); //建立随机正互反矩阵

int getMax(double b[],int n); //获取b矩阵中的最大值

void Mifa(double a[],double b[],int n); //幂法过程

void main()

{

int n; //矩阵阶数

int m = 3000; //建立的随机正互反矩阵个数

int all = 0; //所有最大λ的和

int tem = 0;

int ri = 0; //最终的RI(为了计算方便,将实际的RI扩大了100倍进行计算了)

cout << "Please enter the size of the matrix:" << endl;

cout << "n = " ;

cin >> n;

if(n > 2&& n <= 30){

for(int i =0;i

double *a = new double[n*n]; //声明n*n的随机正互反矩阵

for(int j =0;j

{

a[j] = 1;

}

createMatrix(a,n); //建立n*n的随机正互反矩阵

all += getNameta(a,n); //获得最大λ}

tem = all/m;

//计算得RI

ri = (tem - n*100);

ri = ri/(n-1); //计算得到的RI (乘以100后的结果)

int baiwei = ri/100;

int shiwei = (ri-100*baiwei)/10;

int gewei = ri-100*baiwei-10*shiwei;

cout << "The RI of the " << n <<" size matrix is " << baiwei << "." << shiwei << gewei

<< endl;

}

else if(n ==1)

{

cout << "The RI of the " << n <<" size matrix is " << 0 << endl;

}

else

cout << "The size of n you input is wrong" << endl;

}

void createMatrix(double a[],int n)

{

double

sample[17]={1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,1.0/2.0,1.0/3.0,1.0/4.0,1.0/ 5.0,1.0/6.0,1.0/7.0,1.0/8.0,1.0/9.0};

for(int i=0;i

for(int j=i;j

{

int t;

t = rand()%17;

if( j == i){

a[n*i+j]=1.0;

}

else{

a[n*i+j] = sample[t];

a[n*j+i] = 1.0/sample[t];

}

}

}

int getNameta(double a[],int n)

{

int tem=0;

double *b=new double[n];

for(int i=0;i

b[i]=1.0/n;

}

Mifa(a,b,n);

int max=getMax(b,n);

while(tem != max)

{

tem = max;

for(int d = 0;d

{

b[d] = b[d]*100/max;

}

Mifa(a,b,n);

max = getMax(b,n);

}

int nameta;

nameta = tem;

return nameta;

}

void Mifa(double a[],double b[],int n) {

double *c = new double[n];

for(int r = 0;r

{

c[r] = 0.0;

}

for(int i =0;i

for(int j = 0 ;j

{

c[i] += a[n*i+j]*b[j];

}

for(int k =0;k

{

b[k] = c[k];

}

}

int getMax(double b[],int n)

{

int a = 0;

for(int i = 0;i

{

if(100*b[i]>a)

a = 100*b[i];

}

int tem;

tem = a;

return tem;

}

实验结果:

四、实验心得:

本实验使用的是C++编制程序,令我更好的理解随机一致性指标RI,进一步掌握了随机一致性指标求解方法以及随机一致性检验的方法。

层次分析法判断矩阵求权值以及一致性检验程序

function [w,CR]=mycom(A,m,RI) [x,lumda]=eig(A); r=abs(sum(lumda)); n=find(r==max(r)); max_lumda_A=lumda(n,n); max_x_A=x(:,n); w=A/sum(A); CR=(max_lumda_A-m)/(m-1)/RI; end 本matlab程序用于层次分析法中计算判断矩阵给出的权值已经进行一致性检验。 其中A为判断矩阵,不同的标度和评定A将不同。 m为A的维数 RI为判断矩阵的平均随机一致性指标:根据m的不同值不同。 当CR<0.1时符合一致性检验,判断矩阵构造合理。 下面是层次分析法的简介,以及判断矩阵构造方法。

一.层次分析法的含义 层次分析法(The analytic hierarchy process)简称AHP,在20世纪70年代中期由美国运筹学家托马斯·塞蒂(T.L.Saaty)正式提出。它是一种定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性,很快在世界范围得到重视。它的应用已遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗和环境等领域。 二.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样的。 (1)层次分析法的原理 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。这里所谓“优先权重”是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统,而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵,求出其最大特征值。及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。 (2)层次分析法的步骤 a)建立系统的递阶层次结构; b)构造两两比较判断矩阵;(正互反矩阵) c)针对某一个标准,计算各备选元素的权重; d)计算当前一层元素关于总目标的排序权重。 e)进行一致性检验。 小结:层次分析法的思路与步骤如图

AHP分析法的详细计算过程

供应商的选择 一、层次分析法基本原理 供应商的选择多采用层次分析法。层次分析法(Analytia1 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。 AHP是一种能将定性分析与定量分析相结合的系统分析方法。AHP是分析多目标、多准则的复杂大系统的有力工具。它具有思路清晰、 方法简便、适用面广、系统性强等特点,0最适宜于解决那些难以完全用定量方法进行分析的决策问题, 便于普及推广,可成为人们工作和生活中思考问题、解决问题的一种方法。将AHP引入决策,是决策科学化的一大进步。 应用AHP解决问题的思路是:首先, 把要解决的问题分层系列化, 即根据问题的性质和要达到的目标,将问题分解为不同的组成因素,按照因素之间的相互影响和隶属关系将其分层聚类组合,形成一个递阶的、有序的层次结构模型。然后,对模型中每一层次因素的相对重要性,依据人们对客观现实的判断给予定量 表示,再用数学方法确定每一层次全部因素相对重要性次序的权值。最后,通过综合计算各层因素相对重要性的权值,得到最低层(方案层)相对于最高层(总目标)的相对重要性次序的组合权值,以此作为 评价和选择决策方案的依据。 现举例来说明层次分析法的基本原理。假定有n个物体, 它们的重量分别为 W1、W2、……,Wn,并且假定它们的重量和为1个单位,即。两两比较它们之间的重量很容易得出判断矩阵: 显然 aij=1/ aji , aii=1 aij=aik/ ajk ; i,j,k=1,2,…,n 用重量向量W=[W1,W2,……,Wn]右乘A矩阵,其结果为 从上式不难看出,以n个物体重量为分量的向量W是判断矩阵的特征向量。根据矩阵理论,n为上

AHP中判断矩阵一致性改进的一种新方法

系统工程理论与实践 SYSTEMS ENGINEERING----THEORY & PRACTICE 2000 Vol.20 No.2 P.122-125 AHP中判断矩阵一致性改进的一种新方法 李梅霞 摘要: 通过分析诱导矩阵与判断矩阵不一致性的关系,提 出了一种新的改进判断矩阵一致性的方法。 关键词: 诱导矩阵; 一致性; 和积法 中图分类号: O223 A New Method for Improving the Consistency of the Comparis on Matrix in AHP LI Mei-xia (Changwei Teachers College, Weifang 261043) Abstract: In this paper, a new method for improv ing the consistency of comparison matrix was presented by analyzing the relatio nship between the induced matrix and the inconsistency of comparison matrix. Keywords: induced matrix; consistency; ANC 1 引言 T.L. Saaty于70年代提出的层次分析法(AHP)为解决多目标决策问题提供了很大的方便,在 社 会、经济、管理中得到了广泛应用。其关键步骤是由专家给出判断矩阵,然后计算排序向量 。因此专家给出的判断矩阵是否能具有满意的 一致性是一个很重要的问题。它直接影响到由此判断矩阵得到的排序向量是否能真实地反映 各比较方案之间的客观排序。因此,对判断矩阵一致性的改进是AHP中一个很重要的内容。 文献[1~3]中提出了几种一致性改进的方法,取得了一定的效果。但是有些方法比较复 杂,有些方法缺乏一定的理论依据,因此寻求一种更好的改进判断矩阵一致性的方法仍具有 重要意义。本文首先定义了一种特殊的矩阵——诱导矩阵,然后通过分析诱导矩阵与判断矩 阵不一致性的关系,提出了一种新的改进判断矩阵一致性的方法。通过多例验证,该方法简 单有效且符合实际。 2 问题的提出 为以后叙述方便,记Ω={1,2,…,n}。 设A=(a ij)n× n为判断矩阵,若其元素满足a ij>0, a ji=1/a ij, a ii=1, i,j∈Ω,则称A为正互反矩阵。若此正互反矩阵又满足a ij=a ik/a jk, i, j, k∈Ω, 则称A为完全一致性矩阵。一般情况下,专家给出 的判断矩阵 很难满足完全一致性条件。文献[4]中指出当时即认为A具有满意的一致性。因此当专家给出的判断矩阵不具有满意一致 性时,可通过征求专家意见,应用合理的方法对判断矩阵的元素进行适当调整,从而使判 断矩阵达到满意的一致性。 文献[5]中指出,“和积法”是一种比较好的计算判断矩阵排序向量的方法。其步骤为 :设

模糊层次分析法

模糊层次分析法理论基础 FAHP及计算过程层次分析法(AHP)是20世纪70年代美国运筹学家T.L. Saaty教授提出的一种定性与定量相结合的系统分析方法,该方法对于量化评价指标,选择最优方案提供了依据,并得到了广泛的应用。然而, AHP存在如下方面的缺陷:检验判断矩阵是否一致非常困难,且检验判断矩阵是否具有一致性的标准CR < 0. 1缺乏科学依据;判断矩阵的一致性与人类思维的一致性有显著差异。为此,本文结合模糊数学理论,首先介绍了模糊层次分析法(Fuzzy - AHP) FAHP ,然后用FAHP对公共场所安全性指标权重进行了处理。 1. 1 模糊一致矩阵及有关概念[4 ,5 ] 1. 1. 1 定义1. 1 设矩阵R = ( rij) n×n ,若满足: 0 ≤( rij) ≤ 1 , ( i = 1 ,2 , ……n , j = 1 ,2 , ……n),则称R 为模糊矩阵 1. 1. 2 定义1. 2 若模糊矩阵R = ( rij) n×n ,若满足: Πi , j , k 有rij= rik - rij + 0. 5 ,则称模糊矩阵R 为模糊一致矩阵。 1. 1. 3 定理1. 1 设模糊矩阵R = ( rij) n×n是模糊一致矩阵,则有 (1) Πi ( i = 1 ,2 , …n) ,则rij = 0. 5 ; (2) Πi , j ( i = 1 ,2 , …n , j = 1 ,2 , …n) ,有rij + rji= 1 ; (3) R 的第i 行和第i 列元素之和为n ; (4)从R 中划掉任一行及其对应列所得的矩阵仍然是模糊一致矩阵; (5) R 满足中分传递性,即当λ≥0. 5 时,若rij≥λ, rjk ≥λ,则rij ≥λ;当λ≤0. 5 时,若rij ≤λ, rjk ≤λ,则rij ≤λ。(证明见文献1) 。 1. 1. 4 定理1. 2 模糊矩阵R = ( rij) n×n是模糊一致矩阵的充要条件是任意指定行和其余各行对应元素之差是一个常数。 1. 1. 5 定理1. 3 如果对模糊互补矩阵 F = ( f ij) n×n按行求和,记为ri = 6nk = 1f ik ( i = 1 ,2 , …, n) ,并施之如下数学变换:rij =ri - rj2 m + 0. 5 (1),则由此建立的矩阵是模糊一致的。 1. 2 模糊一致判断矩阵的建立 模糊一致判断矩阵的建立R 表是针对上一层某元素,本层次与之有关元素之间相对重要性的比较,假定上一层次元素T 同下一层次元素a1 , a2 ,…, an 有关系,则模糊一致判断矩阵可表示为: rij的实际意义是:元素ai 和元素aj 相对于元素T 进行比较时, ai 和aj 具有模糊关系“…比…重要得多”的隶属度,表1采用0. 1~0. 9 数量标度来说明其模糊关系。

权重确定方法归纳

权重确定方法归纳 多指标综合评价是指人们根据不同的评价目的,选择相应的评价形式据此选择多个因素或指标,并通过一定的评价方法将多个评价因素或指标转化为能反映评价对象总体特征的信息,其中评价指标与权重系数确定将直接影响综合评价的结果。 按照权数产生方法的不同多指标综合评价方法可分为主观赋权评价法和客观赋权评价法两大类,其中主观赋权评价法采取定性的方法由专家根据经验进行主观判断而得到权数,然后再对指标进行综合评价,如层次分析法、综合评分法、模糊评价法、指数加权法和功效系数法等。客观赋权评价法则根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价,如熵值法、神经网络分析法、TOPSIS法、灰色关联分析法、主成分分析法、变异系数法等。两种赋权方法特点不同,其中主观赋权评价法依据专家经验衡量各指标的相对重要性,有一定的主观随意性,受人为因素的干扰较大,在评价指标较多时难以得到准确的评价。客观赋权评价法综合考虑各指标间的相互关系,根据各指标所提供的初始信息量来确定权数,能够达到评价结果的精确但是当指标较多时,计算量非常大。下面就对当前应用较多的评价方法进行阐述。 一、变异系数法 (一)变异系数法简介 变异系数法是直接利用各项指标所包含的信息,通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是:在评价指标体系中,指标取值差异越大的指标,也就是越难以实现的指标,这样的指标更能反映被评价单位的差距。例如,在评价各个国家的经济发展状况时,选择人均国民生产总值(人均GNP)

作为评价的标准指标之一,是因为人均GNP 不仅能反映各个国家的经济发展水平,还能反映一个国家的现代化程度。如果各个国家的人均GNP 没有多大的差别,则这个指标用来衡量现代化程度、经济发展水平就失去了意义。 由于评价指标体系中的各项指标的量纲不同,不宜直接比较其差别程度。为了消除各项评价指标的量纲不同的影响,需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下: 式中: 是第项指标的变异系数、也称为标准差系数; 是第项指标的 标准差;是第项指标的平均数。 各项指标的权重为: (二)案例说明 例如,英国社会学家英克尔斯提出了在综合评价一个国家或地区的现代化程度时,其各项指标的权重的确定方法就是采用的变异系数法。 案例:利用变异系数法综合评价一个国家现代化程度时的指标体系中的各项指标的权重。数据资料是选取某一年的数据,包括中国在内的中等收入水平以上的近40个国家的10项指标作为评价现代化程度的指标体系,计算这些国家的变异系数,反映出各个国家在这些指标上的差距,并作为确定各项指标权重的依据。其标准差、平均数数据及其计算出的变异系数等见表1-1。 i i i x V σ= ()n i ,,2,1 =i V i i σi i x i ∑== n i i i i V V W 1

层次分析法判断矩阵求权值以及一致性检验程序(20210228092245)

function [w,CR]=mycom(A z m z RI) [x,lumda]=eig(A); r=abs(sum(lumda)); n=find(r==max(r)); max_lumda_A=1umda(n,n); max_x_A=x(:,n); w=A/sum(A); CR=(max_lumda_A-m)/(m-1)/RI; end 木matlab程序用于层次分析法中计算判断矩阵给出的权值已经进行一致性检验。 其中A为判断矩阵,不同的标度和评定A将不同。 m为A的维数 RI为判断矩阵的平均随机一致性指标:根据m的不同值不同。 RI值 当CR<0.1时符合一致性检验,判断矩阵构造合理。下而是层次分析法的简介,以及判断矩阵构造方法。

一?层次分析法的含义 层次分析法(The analytic hierarchy process)简称AHP,在20 世纪70 年代中期由美国运筹学家托马斯?塞蒂(T.L.Saaty)正式提出。它是一种 定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性,很快在世界范围得到重视。它的应用己遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗和环境等领域。 二?层次分析法的基木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样的。 (1)层次分析法的原理 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。这里所谓“优先权重"是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统,而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵,求出其最大特征值。及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。 (2)层次分析法的步骤 a)建立系统的递阶层次结构; b)构造两两比较判断矩阵;(正互反矩阵) c)针对某一个标准,计算各备选元素的权重; d)计算当前一层元素关于总目标的排序权重。 e)进行一致性检验。 小结:层次分析法的思路与步骤如图

层次分析法判断矩阵求权值以及一致性检验程序

fun cti on [w,CR]=mycom(A,m,RI) [x,lumda]二eig(A); r=abs(sum(lumda)); n=fin d(r==max(r)); max_lumda_A=lumda( n,n); max_x_A=x(:,n); w=A/sum(A); CR=(max_lumda_A-m)/(m-1)/RI; end 本matlab程序用于层次分析法中计算判断矩阵给出的权值已经进行 致性检验。 其中A为判断矩阵,不同的标度和评定A将不同。 m为A的维数 RI为判断矩阵的平均随机一致性指标:根据m的不同值不同。 RI值 当CRV0.1时符合一致性检验,判断矩阵构造合理下面是层次分析法的简介,以及判断矩阵构造方法。

一?层次分析法的含义 层次分析法(The analytic hierarchy process )简称AHP,在20 世纪70年代中期由美国运筹学家托马斯塞蒂(「L.Saaty )正式提出。它是一种定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性,很快在世界范围得到重视。它的应用已遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗和环境等领域。 二?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样的。 (1)层次分析法的原理 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。这里所谓优先权重”是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于具有分层交错评价指标的目标系统,而且目标值又难于定量 描述的决策问题。其用法是构造判断矩阵,求出其最大特征值。及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。 (2)层次分析法的步骤 a)建立系统的递阶层次结构; b)构造两两比较判断矩阵;(正互反矩阵)

求n阶矩阵的随机一致性指标

东南大学《数学实验》报告学号姓名成绩 实验内容: 一实验目的 1.掌握matlab基本矩阵编程计算方法 2.加深对层次分析法的理解 3.掌握矩阵随机一致性指标RI的计算过程 二实验思路 为了求任意n阶矩阵的随机一致性指标RI的值,我们需要做以下几步工作 1.先构造n阶的正互反矩阵 2.求正互反矩阵的特征值 3.找出最大特征值 4.取多个n阶正互反矩阵最大特征值的平均值 5.计算相应的RI值 三实验内容与要求 1.实验代码及说明 RI=zeros(1,30); %zeros(m,n)产生m*n的double类零矩阵,zeros(n)产生n*n的 全0阵。 %定义了结果输出格式(行向量)for n=3:30 %定义n的范围;3-30 times=10000; %任意n阶矩阵产生10000个正互反矩阵 enum=[9 8 7 6 5 4 3 2 1 1/2 1/3 1/4 1/5 1/6 1/7 1/8 1/9]; %定义一维矩阵 enum x=zeros(1,times); %定义最大特征值向量并初始化 A=ones(n,n); %先生成n阶幺矩阵,矩阵所有元素都为1 for num=1:times %循环 for i=1:n

for j=i+1:n %先找到正互反矩阵的上三角 A(i,j)=enum(ceil(17*rand(1))); %rand(1)随机生成一个位于区间(0,1)的数 %17*rand(1)则随机生成位于区间(0,17)的数, %经ceil函数取整后得到一个1-17之间的整数。 %则A(i,j)的值为矩阵enum中的某一个 A(j,i)=1/(A(i,j)); %矩阵的下三角元素是上三角元素的倒数 A(i,i)=1; %对角线元素取1 %以上五段为构造正互反矩阵 end end V=eig(A); %求矩阵的特征值 x(num)=max(V); %以最大特征值给x向量赋值 end k=sum(x)/times; %最大特征值平均值 RI(n)=(k-n)/(n-1); %算出对应RI的值 end RI 2.实验结果(随机运行两次代码,得到不同的结果) (1) RI = 1 至 14 列 0 0 0.5258 0.8924 1.1099 1.2507 1.3353 1.4087 1.4526 1.4876 1.5111 1.5369 1.5550 1.5704 15 至 28 列 1.5834 1.5950 1.6057 1.6159 1.6199 1.6280 1.6355 1.6402 1.6463 1.6508 1.6541 1.6597 1.6633 1.6661 29 至 30 列 1.6700 1.6723

AHP法的随机一致性(RC)指标

AHP法的随机一致性(RC)指标 在层次分析(AHP)法中,为了对判断矩阵的数值进行一致性检验,需要根据矩阵的阶 次(n)计算判断一致率(consistency ratio, CR)。为此,数学家引入了随机一致性(random consistency, RC)指标。随机一致性指标又称随机指数(random index, RI)。目前,国 内流行的教科书中大多沿用了Saaty早年提供的检验标准(表1)。 在2008年的一项研究中,Saaty基于5万次随机试验得到更为精确的RC数值(表2)。 RC值是就统计平均意义而言的,故称平均一致性。 表1 不同阶次的随机矩阵及其平均一致性指标RC值(旧指标) n 1 2 3 4 5 6 7 8 9 10 RC 0.0 0.0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 资料来源:Saaty T L, Alexander J M. 1981. Thinking with Models: Mathematical Models in the Physical, Biological, and Social Sciences. Oxford or New York: Pergamon Press: 151 表2 不同阶次的随机矩阵及其平均一致性指标RC值(新指标) n 1 2 3 4 5 6 7 8 RC 0.00 0.00 0.52 0.89 1.11 1.25 1.35 1.40 续表2 n 9 10 11 12 13 14 15 … RC 1.45 1.49 1.52 1.54 1.56 1.58 1.59 … 资料来源:Saaty T L. 2008. Relative measurement and its generalization in decision making: Why pairwise comparisons are central in mathematics for the measurement of intangible factors—The Analytic Hierarchy/Network Process. Review of the Royal Spanish Academy of Sciences A: Mathematics, 102 (2): 251–318

信息分析与预测复习题

信息分析与预测复习题 一、选择题 1、信息分析的目的是: A 。 A、为科学决策服务 B、为科学研究服务 C、为信息管理服务 D、为信息咨询服务 2、从信息分析的研究内容上看,主要有 D 等类型。 A、跟踪、比较 B、比较、预测 C、预测、评价 D、跟踪、比较、预测、评价 3、在四种实际调查形式中,又以 D 为实际调查的主要方法。 A、现场调查 B、访问调查 C、样品调查 D、问卷调查 4、信息资料通常从 D 等几个方面加以鉴别。 A、可靠性 B、先进性 C、适用性 D、A、B和C 5、网上调查的基本方法是 A 。 A、站点法 B、E-mail法 C、随机IP法 D、视讯会议法 6、信息分析过程中强调数据的准确性和研究的相对独立性,是为了保证信息分析 C 。 A、系统性 B、预测性 C、科学性 D、社会性 7、一切推理可以分为 D 两大类。 A、常规推理、直言推理 B、简单判断的推理、复合判断的推理 C、假言推理、选言推理 D、演绎推理、归纳推理 8、 B 是特尔菲法的核心。 A、匿名性 B、反馈性 C、统计性 D、可靠性 9、特尔菲法中调查表设计时,调查问题的数目一般应限制在 A 个以内。 A、25 B、35 C、50 D、100 10、对事件实现时间预测结果的数据处理应该用 D 来表达。 A、评分算术平均值 B、满分频度 C、中位数 D、中位数及上下四分点 11、布拉德福定律是运用在领域的一种文献学理论。 A、文献作者分布理论 B、文献分散理论 C、词频分布理论 D、文献老化理论 12、显著性水平α=0、02时,表示置信程度为: D 。 A、2% B、20% C、80% D、98% 13、当一元线性回归分析中的相关系数γ=-0、952时,表明两个变量呈 B 关系。 A、正相关 B、负相关 C、不相关 D、直线相关 14、指数平滑法中的加权系数a一般取值范围为: B 。 A、0、01-0、05 B、0、10-0、50 C、0、01-0、30 D、0、01-0、 50 15、AHP法中,是通过求解判断矩阵的 C 来确定各元素对于上一层某个元素的相对重要性的排序。 A、最大特征根 B、特征向量 C、一致性指标 D、平均随机一致性指标 16、回归分析与相关分析是两种 C 的分析方法。 A、完全不同 B、完全相同 C、既有联系又有区别 D、比较相似

8第八章 层次分析法

-167- 第八章 层次分析法 层次分析法(Analytic Hierarchy Process ,简称AHP )是对一些较为复杂、较为模糊的问题作出决策的简易方法,它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 §1 层次分析法的基本原理与步骤 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。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。 运用层次分析法建模,大体上可按下面四个步骤进行: (i )建立递阶层次结构模型; (ii )构造出各层次中的所有判断矩阵; (iii )层次单排序及一致性检验; (iv )层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1 递阶层次结构的建立与特点 应用AHP 分析决策问题时,首先要把问题条理化、层次化,构造出一个有层次的结构模型。在这个模型下,复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类: (i )最高层:这一层次中只有一个元素,一般它是分析问题的预定目标或理想结果,因此也称为目标层。 (ii )中间层:这一层次中包含了为实现目标所涉及的中间环节,它可以由若干个层次组成,包括所需考虑的准则、子准则,因此也称为准则层。 (iii )最底层:这一层次包括了为实现目标可供选择的各种措施、决策方案等,因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关,一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择,试确定一个最佳地点。 在此问题中,你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如图1的层次结构模型。 图1 层次结构模型

系统工程导论复习题

一,判断题 1、“组成系统的要素是相互联系、相互作用的”是指系统的整体性(相关性)( F ) 2、系统工程中霍尔的三维结构方法论的核心内容是模型化和最优化。( T ) 3、现实世界中没有绝对的封闭系统。( T ) 4、系统工程以大规模复杂系统为研究对象。( T ) 5、层次分析法的层次单排序时,一致性指标检验是为了验证对同层所有因素判断的一致性。 ( T ) 7、可达矩阵描述了有向图中各个结点之间经过一定长度的通路后可以到达的程度。 ( T )8、采用随机数的方法解决问题是蒙特卡洛方法的基本特点。( T )10、最小二乘法的原理是使预测值与实际值的误差和最小(让扰动因素相差最小)( F ) 1、马克思、恩格斯说,世界是由无数相互联系、依赖、制约、作用的事物和过 程形成的统一整体”,表现出的普遍联系及其整体性思想,就是现代的系统概念,是系统理论的哲学基础。(√) 2、系统工程与系统科学的区别是,前者是工程技术,后者是基础理论。 (√) 3、系统工程属于系统科学体系的技术科学层次。 (X) 4、系统工程人员是工程项目的决策者。 (X) 5、古代中国和希腊朴素的唯物主义自然观,是以抽象的思辨原则来代替自然现 象的客观联系;形而上学自然观则把自然界看成彼此隔离、彼此孤立、彼此不相依赖的各个事物或各个现象的偶然堆积;辩证唯物主义自然观以实验材料(即19世纪自然科学成就)说明各个事物、现象是有机地相互联系、相互依赖、相互制约着的。(√) 6、人脑是一个典型的复杂巨系统。(√) 7、如果系统的所有组成要素都是最优的,那么系统的整体功能也一定是最优的。 (X) 8、根据系统与外界环境的物质、能量和信息的交换情况,系统可分为开放系统、 封闭系统两类。 (√) 9、系统建模时应该把研究问题的一切细节、一切因素都包罗进去。 (X) 10、系统模型一般不是系统对象本身,而是现实系统的描述、模仿或抽象。 (√) 11、目标-手段分析法、因果分析法、KJ法等是典型的定性系统分析方法。 (√) 12、切克兰德的“调查学习”方法论的核心是寻求系统的最优化。 (X) 13、切克兰德的“调查学习”模式主要适用于研究良结构的硬系统。 (X) 14、在系统解析结构模型中,总是假定所涉及的关系具有传递性。 (√) 15、层次分析法是一种定性分析方法。 (X) 16、只有当随机一致性指标 CR≤ 0.10 时,判断矩阵才具有满意的一致性,否则 就需要对判断矩阵进行调整。 (√) 17、应用层次分析法时,要求判断矩阵必须具有完全一致性(最后才进行一致性 检验)(X) 18、投入产出法主要研究各部门的投入产出比。 (X) 19、Delphi方法是一种定量预测方法。 (X) 20、算命、占卜属于系统预测问题。 (X) 21、线性回归方程的t检验是对每个自变量与因变量的相关关系的显著性检验。 (√) 22、在线性回归预测方法中,F检验可以说明每个自变量xi与因变量y的相关关 系是否显著(是检验相关性,不是显著程度)

19种QC统计工具精讲案例-层次分析法

19种质量管理小组活动常用统计方法 层次分析法 (一)范围:专业室、专业部门和班组。 (二)作用:对班组建设指标进行测定、评估,判断指标是否发生异常,并采取必要的措施加以消除异常,保持指标稳定。 (三)推荐:适用于因素分析。 (四)方法: 层次分析法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。即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。 1.层次分析法的基本性质 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。这里所谓“优先权重”是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。层次分析法比较适合于 — 1 —

具有分层交错评价指标的目标系统,而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵,求出其最大特征值,及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。 2.层次分析法的使用步骤 (1)建立递阶层次结构; (2)构造两两比较判断矩阵;(正互反矩阵) 层次分析法的一个重要特点就是用两两重要性程度之比的形式表示出两个方案的相应重要性程度等级。对某一准则,各指标之间进行两两对比之后,然后按9分位比率排定各评价指标的相对优劣顺序,依次构造出评价指标的判断矩阵A,即为正互反矩阵,称作判断矩阵。 其中 为判别矩阵, ,要素与要素重要性比较结果,并且有如下关系: 有9种取值,分别为1/9, 1/7, 1/5, 1/3, 1/1, 3/1, 5/1, 7/1, 9/1,分别表示要素对于要素的重要程度由轻到重。表1列出Saaty给出的9个重要性等级及其赋值。 — 2 —

确定权重的7种方法

确定权重的7种方法 表7-1 地质环境质量评价定权方法一览表 一、专家打分法 专家打分法即是由少数专家直接根据经验并考虑反映某评价观点后定出权重,具体做法和基本步骤如下: 第一步选择评价定权值组的成员,并对他们详细说明权重的概念和顺序以及记权的方法。 第二步列表。列出对应于每个评价因子的权值范围,可用评分法表示。例如,若有五个值,那么就有五列。行列对应于权重值,按重要性排列。 第三步发给每个参予评价者一份上述表格,按下述步骤四~九反复核对、填写,直至没有成员进行变动为止。 第四步要求每个成员对每列的每种权值填上记号,得到每种因子的权值分数。 第五步要求所有的成员对作了记号的列逐项比较,看看所评的分数是否能代表他们的意见,如果发现有不妥之处,应重新划记号评分,直至满意为止。 第六步要求每个成员把每个评价因子(或变量)的重要性的评分值相加,得出总数。

第七步每个成员用第六步求得的总数去除分数,即得到每个评价因子的权重。 第八步把每个成员的表格集中起来,求得各种评价因子的平均权重,即为“组平均权重”。 第九步列出每种的平均数,并要求评价者把每组的平均数与自己在第七步得到的权值进行比较。 第十步如有人还想改变评分,就须回到第四步重复整个评分过程。如果没有异议,则到此为止,各评价因子(或变量)的权值就这样决定了。 二、调查统计法 具体作法有下面四种。 1.重要性打分法:重要性打分法是指要求所有被征询者根据自己对各评价因子的重要性的认识分别打分,其步骤如下: a.对被征询者讲清统一的要求,给定打分范围,通常1~5分或1~100分都可。 b.请被征询者按要求打分。 c.搜集所有调查表格并进行统计,给出综合后的权重。 2.列表划勾法:该方法如图7-2所示。事先给出权值,制成表格。由被调查者在认为合适的对应空格中打勾。对应每一评价因子,打勾1~2个,打2个勾表示程度范围。这样就完成一个样本的调查结果。 在样本调查的基础上,除采用一般的求个样本的均值作为综合结果外,还可采用如下方法: 图7-2 列表划勾法示意图 备择程 因子序号 度 W 1 2 3 …m-1 m 0.2 √√√ 0.4 √√√ 0.6 √√ 0.8 √ 1.0 a.频数截取法 频数截取法的主要步骤如下: 第一步:列中值频率分布表,见表7-2。记对应第个评价因子第个样本给的权值区间数为〔〕,=1,2,…,相对表中征询权值的几个区间,计算每一征询权值区间中所包含样本权值的频数,并推求

随机一致性指标求解

东南大学《数学实验》报告 学号09008406 姓名陈怡东成绩 实验内容:随机一致性指标求解 一实验目的 用Matlab求解随机一致性指标的方法 加深对随机一致性指标概念的理解 二预备知识 (1)熟悉层次分析法的含义 (2)了解RI的求解方法 三实验内容与要求 用MATLAB编写程序分别计算n=2~30是的n的随机一致性讲演指标的值RI,为保证随机性,要求每阶创建5000个矩阵 四实验原理及分析 层次分析法建模问题中,需要用到对矩阵A的一致性检验,然后对于一般的问题,尤其当考虑实际因素比较多时,很难保证判断A为一致矩阵,因此在计算矩阵A的最大特征值之时,需要检验矩阵A的一致程度。 令: 称CI为一致性指标,显然CI =0是矩阵A为一致矩阵的必要条件,可以看出CI值越大,A的不一致程度越严重。 RI是按照下面的方式选取的: 对于固定的n,随机构造正互反矩阵A,他的元素是从1~9及其倒数中随机选取的,因此A的一致性一般是很差的,取充分大的子样得到A的最大特征值的平均值k,定义: CR称为随机一致性比率,RI称为随机一致性指标。当CR<0.1是样板认为矩阵A的不一致程度在容许范围之内,可以用其特征向量作为权向量

五问题求解 代码作为M文件结果 function ri=RI(n) n=ceil(n); sca=[1 2 3 4 5 6 7 8 9 1/9 1/8 1/7 1/6 1/5 1/4 1/3 1/2]; for a=2:n; stat=eye(a); maxr(5000)=0; for b=1:5000 biaoji=ceil(17*rand(a)); biaoji=triu(biaoji); for i=1:a for j=1:i-1 stat(j,i)=sca(biaoji(j,i)); stat(i,j)=1/stat(j,i); end n=2 RI=0 n=3 RI=0.5303 n=4 RI=0.8845 n=5 RI=1.1143 n=6 RI=1.2525 n=7 RI=1.3396 n=8 RI=1.4022 n=9 RI=1.4490 n=10 RI=1.4841 n=11 RI=1.5079 n=12 RI=1.5376 n=13 RI=1.5502 n=14 RI=1.5701 n=15 RI=1.5819 n=16 RI=1.5923 n=17 RI=1.6084 n=18 RI=1.6132 n=19 RI=1.6220

一种检验判断矩阵一致性的偏差矩阵方法(1)

收稿日期:2006-10-12 作者简介:王万军(1974-),男,甘肃天水人,讲师. 文章编号:1006-4869(2007)01-0063-02一种检验判断矩阵一致性的偏差矩阵方法 王万军 (甘肃联合大学数学与信息科学学院,甘肃兰州730000) 摘 要:提出了一种适合层次分析法中一致性检验的偏差矩阵方法,该方法无需进行复杂的数学运算,只需根据判断矩阵的偏差矩阵即可进行检验.通过实例分析,证明是一种有效实用的方法. 关键词:判断矩阵;偏差矩阵;一致性检验 中图分类号:O223 文献标识码:A A D ev iation Matrix Meth od for C h eck ing the C onsistency of Judg emen t Matrix WANG Wan jun (Mathematics and Information Colle ge,Gansu Association University,Lanzhou 730000,China) Abstract:A deviation matrix method of the consistency check in AHP is given.According to deviation matrix of judgement matrix,it can carry out the consistency check without complex mathematical calculation.Examples show that the ne w method is effective,practical and convenient. Key words:judgement matrix;de viation matrix;consistency check 1977年Saaty T L 提出了层次分析法(AHP)[1,2],它是一种实用的多准则决策方法,该方法广泛地应用在各行业的决策分析中.众所周知,AHP 中最关键的是如何建立较为准确有效的判断矩阵,但常因为两元素比较产生逆序出现一致性较差或总排序权重数较小而难以比较,特别地当待评指标较多时更易出现此情况.由于决策者认识的多样性和客观事物的复杂性,各决策者对决策对象有不同的偏好,从而给出的决策判断矩阵,并不能与实际相吻合得很好,因此要对AHP 进行一致性的检验和必要的校正.对此文献[3-4]进行了较多地研究,但还是比较复杂.本文通过改进的方法,给出了一种构造判断矩阵的偏差矩阵判断方法,该方法更加直观、准确地判断矩阵的一致性,弥补了以往检验中存在的以下几点不足:第一,AHP 中一致性比例C R 应小于0.1的规定缺乏必要的理论根据,并且矩阵阶数越高,这一满足性就越难达到;第二,一致性比例的计算要用到判断矩阵的特征根,其求解较困难,并且对于一个不具有满意一致性的判断矩阵求特征根是一种浪费.本文提出的方法克服了以上不足,通过实例与已有的AHP 计算结果相比较发现该方法既简洁又有效,是一种实用的一致性检验方法. 1 一致性概念及其检验方法 定义1 判断矩阵A =(a ij )n n ,若对 i,j N ,有a ii =1,a i j =1/a ij ,则称A 为互反矩阵. 定义2 若判断矩阵A =(a i j )n n 为互反阵,如果a i j >0,则称A 为正互反矩阵. 定义3 若判断矩阵A =(a i j )n n 为正互反矩阵,对 i,j ,k N ,如果满足a ij a jk =a jk ,则称A 为完全一致性矩阵. 第26卷 第1期 2007年2月 南昌工程学院学报Journal of Nanchang Ins titute of Technology Vol.26 No.1Feb.2007

数学建模实验报告之计算n阶矩阵的随机一致性指标RI

东南大学《数学实验》报告 学号09008226 姓名毕斌成绩 实验内容:计算随机一致性指标RI 一实验目的 计算n=2~30时的n阶矩阵的随机一致性指标RI 二预备知识 (1)熟悉随机一致性指标的含义及计算方法 (2)熟悉eig、rand等Matlab命令 三实验内容与要求 用MATLAB编制程序,(要求采用和法计算最大特征值),分别计算n=2~30时的n阶矩阵的随机一致性指标RI。

RI=zeros(1,30); %定义结果输出格式并初始化,RI(1)直接赋值为0 for n=2:30 %循环计算阶数2到30的随机正互反矩阵的RI %n=20; %起初以20阶矩阵为例测试times=10000; %10000个子样,应该够多了吧enum=[9 8 7 6 5 4 3 2 1 1/2 1/3 1/4 1/5 1/6 1/7 1/8 1/9]; %矩阵元素从enum中取得lamda = zeros(1, times); %最大特征值向量初始化A=ones(n,n); %初始化相应阶数的矩阵 for num=1:times %循环for i=1:n %把矩阵A赋值为正互反矩阵for j=i+1:n A(i,j)=enum(ceil(17*rand(1))); %矩阵的上半部分从enum中随机取值 A(j,i)=1/A(i,j); %矩阵的下半部分与上半部分成倒数 A(i,i)=1; %矩阵对角线为1 end end V=eig(A); %求得A的特征向量lamda(num)=max(V); %以最大特征值给lamda向量赋值end k=sum(lamda)/times; %最大特征值的平均值RI(n)=(k-n)/(n-1); %得出对应的RI(n) end RI %最后输出RI向量,即1-30阶矩阵的平均随机一致性指标 四实验心得 由于一开始对matlab命令的不熟悉,走了很多弯路,后来反复查阅matlab Help里的信息,并自学matlab命令,终于摸索出了一些经验,自以为很完满的解决了问题。这一次实验,我初步了解了matlab 程序的结构,用到了循环语句,尤其值得注意的是矩阵的初始化。

相关文档
最新文档