层次分析模型
层次分析法与层次分析模型
b15
1b11 2b12 5b15
b25
1b21 2b22 5b25
b35
1b31 2b32 5b35
4 层次总排序的一致性检验
设 最下层对最上层中因素的层次单排序一致性指标为 CIj， 随机一致性指为 RIj，则层次总排序的一致性比率为：
CR
a1CI1 a1RI1
a2CI 2 a2 RI 2
amCI m am RI m
当 CR 0.1时，认为层次总排序通过一致性检验。到
此，根据最下层（决策层）的层次总排序做出最后决策。
三 层次分析法建模举例
(1)建模
一、旅游问题
Z
A1, A2 , A3, A4 , A5
分别分别表示景色、费用、
A1
A2 A3 A4 A5 居住、饮食、旅途。
B1
B2
计算 CR可k知 B1, B2 , B通3, 过B4一, B致5 性检验。
（4）计算层次总排序权值和一致性检验
B1 对总目标的权值为： 0.595 0.263 0.082 0.475 0.429 0.055 0.633 0.099 0.166 0.110 0.3
饮食 1/3 1/5 2 1 1
旅途 1/3 1/5 3 1 1
由上表，可得成对比较矩阵
1
1 2
4
3
3
2 1 7 5 5
A
1 4
1 7
1
1 1 2 3
1 3
1 3
1 5
1 5
2 3
1 1
1
1
问题：两两进行比较后，怎样才能定量求出到底去哪个地 方旅游最合理？
3 层次单排序
层次分析法用权值表示各个因素的优劣性，那 如何求权值呢？
层次分析模型(数学建模)
第k层nk个元素对于第k-1层上第j个元素为 准则的单排序向量 uj(k)=(u1j(k)，u2j(k)，…，un j(k))T j=1，2，…nk-1 其中不受第j个元素支配的元素权重取零，
于是可得到nk×nk-1阶矩阵
u (k ) u21 = ( ) unk1 k
(k ) 11
1 A = ( aij ) n×n , aij > 0, a ji = aij
1/ 2 1 1/ 7 1/ 5 1/ 5 4 7 1 2 3 3 5 1/ 2 1 1
3 成对比较阵 5 A~成对比较阵 1 / 3 是正互反阵 A是正互反阵 1 1
要由A确定 要由 确定C1,… , Cn对O的权向量 确定 的权向量
1. 正互反阵的最大特征根和特征向量的性质 正互反矩阵A 是正单根， 正互反矩阵 的最大特征根λ是正单根， Ak e T 对应正特征向量w， 对应正特征向量 ， lim T k = w, e = (1,1, L ,1) k →∞ e A e 定理1 定理1 正互反阵的最大特征根是正数， 正互反阵的最大特征根是正数， 特征向量是正向量。 特征向量是正向量。 定理2 定理2 n阶正互反阵 的最大特征根λ ≥ n , 阶正互反阵A的最大特征根 λ= n是A为一致阵的充要条件。 为一致阵的充要条件。 是 为一致阵的充要条件 一致性指标 CI =
“选择旅游地”思维过程的归 选择旅游地” 选择旅游地 纳 • 将决策问题分为 个层次：目标层 ，准则层 ， 将决策问题分为3个层次 目标层O，准则层C， 个层次： 方案层P；每层有若干元素， 方案层 ；每层有若干元素， 各层元素间的关系 用相连的直线表示。 用相连的直线表示。 • 通过相互比较确定各准则对目标的权重，及各方 通过相互比较确定各准则对目标的权重， 案对每一准则的权重。 案对每一准则的权重。 • 将上述两组权重进行综合，确定各方案对目标的 将上述两组权重进行综合， 权重。 权重。 层次分析法将定性分析与定量分析结合起来 完成以上步骤，给出决策问题的定量结果。 完成以上步骤，给出决策问题的定量结果。
层次分析法——精选推荐
一、层次分析模型和一般步骤1、定义：层次分析法是一种定性与定量分析相结合的多因素决策分析方法。
这种方法将决策者的经验判断给于数量化，在目标因素结构复杂且缺乏必要数据的情况下使用更为方便，因而在实践中得到广泛应用。
2、层次分析的四个基本步骤：（1）在确定决策的目标后，对影响目标决策的因素进行分类，建立一个多层次结构；（2）比较同一层次中各因素关于上一层次的同一个因素的相对重要性，构造成对比较矩阵；（3）通过计算，检验成对比较矩阵的一致性，必要时对成对比较矩阵进行修改，以达到可以接受的一致性；（4）在符合一致性检验的前提下，计算与成对比较矩阵最大特征值相对应的特征向量，确定每个因素对上一层次该因素的权重；计算各因素对于系统目标的总排序权重并决策。
二、建立层次结构模型将问题包含的因素分层：最高层——解决问题的目的；中间层——实现总目标而采取的各种措施、必须考虑的准则等。
也可称策略层、约束层、准则层等；最低层——用于解决问题的各种措施、方案等。
把各种所要考虑的因素放在适当的层次内。
用层次结构图清晰地表达这些因素的关系。
例1购物模型某一个顾客选购电视机时，对市场正在出售的四种电视机考虑了八项准则作为评估依据，建立层次分析模型如下：〔例2〕选拔干部模型练习：画出下列问题的层次模型评选优秀学校某地区有三个学校，现在要全面考察评出一个优秀学校。
主要考虑以下几个因素： （1）教师队伍（包括平均学历和年龄结构）（2）教学设施（3）教学工作（包括课堂教学，课外活动，统考成绩和教学管理） （4）文体活动三、构造成对比较矩阵比较第 i 个元素与第 j 个元素相对上一层某个因素的重要性时，使用数量化的相对权重aij来描述。
设共有 n 个元素参与比较，则称n n ij a A ⨯=)( 为成对比较矩阵。
成对比较矩阵中aij的取值可参考 Satty 的提议，aij按下述标度进行赋值。
在 1— 9及其倒数中间取值。
对例 2， 选拔干部考虑5个条件：品德x1，才能x2，资历 x3 ，年龄x4，群众关系x5。
完全层次结构模型
层次分析模型一、层次分析法讲解在现实世界中，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。
比如下面的问题：例1 选择旅游地国庆节即将来临，张鶇一家准备去旅游，他们想从黄山、桂林、北戴河三个旅游景点选出一个，请帮助他们作出最佳选择。
根据什么作出选择呢？为解决这个问题，我们需要作问题的分析，以便得到选择景点要考虑的因素.问题的分析：景点的选择大体上有两方面要考虑：1、是旅游者自身的情况；2、是对景点的评价。
首先分析旅游者的情况：如果经济条件宽绰、醉心旅游，自然特别看重景色条件，那么景色在他的心目中的比重就大。
如果平素俭朴，则会优先考虑费用，即费用的比重就大.中老年旅游者还会对居住条件，旅游条件，饮食比较关注。
因此，应该考虑景色、费用、居住、饮食、旅途条件等因素在张鶇一家心目中的重要程度.如何衡量这五个因素的重要程度呢？其次，如何评价景点呢？自然应该就上面的五个因素景色、费用、居住、饮食、旅途条件对景点进行评价。
最后，还要把旅游者的情况和对景点的评价进行综合，以便选定最佳的旅游景点.可是如何综合呢？下面我们用层次分析法解决上面提出的问题。
层次分析法的第一步：建立层次分析结构模型深入分析实际问题，将有关因素自上而下分层，上层受下层影响，而层内各因素基本上相对独立，把问题条理化、层次化，构造出一个有层次的结构模型。
大体可以分成三个层次：（1）最高层（目标层）：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；（2）中间层（准则层）：这一层次中包含了为实现目标所涉及的中间环节，它还可以由若干个层次组成，包括所需考虑的准则、子准则；（3）最低层（方案层）：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。
就本例题而言，通过上面的分析，我们可以建立如下层次模型：层次分析法的第二步：构造成对比较矩阵建立好层次后，就可以进行各因素之间的比较了.首先考虑对于选择旅游地而言，景色、费用、居住、饮食、旅途条件等准则在张鶇一家心目中的影响，即：对于第一层目标来说，第二层各因素的权重。
层次分析法模型
二、模型的假设1、假设我们所统计与分析的数据,都就是客观真实的;2、在考虑影响毕业生就业的因素时,假设我们所选取的样本为简单随机抽样,具有典型性与普遍性,基本上能够集中反映毕业生就业实际情况;3、在数据计算过程中,假设误差在合理范围之内,对数据结果的影响可以忽略、三、符号说明四、模型的分析与建立1、问题背景的理解随着我国改革开放的不断深入,经济转轨加速,社会转型加剧,受高校毕业生总量的增加,劳动用工管理与社会保障制度,劳动力市场的不尽完善,以及高校的毕业生部分择业期望过高等因素的影响,如今的毕业生就业形势较为严峻、为了更好地解决广大学生就业中的问题,就需要客观地、全面地分析与评价毕业生就业的若干主要因素,并将它们从主到次依秩排序、针对不同专业的毕业生评价其就业情况,并给出某一专业的毕业生具体的就业策略、2、方法模型的建立(1)层次分析法层次分析法介绍:层次分析法就是一种定性与定量相结合的、系统化、层次化的分析方法,它用来帮助我们处理决策问题、特别就是考虑的因素较多的决策问题,而且各个因素的重要性、影响力、或者优先程度难以量化的时候,层次分析法为我们提供了一种科学的决策方法、通过相互比较确定各准则对于目标的权重,及各方案对于每一准则的权重、这些权重在人的思维过程中通常就是定性的,而在层次分析法中则要给出得到权重的定量方法、我们现在主要对各个因素分配合理的权重,而权重的计算一般用美国运筹学家T、L、Saaty教授提出的AHP法、(2)具体计算权重的AHP 法AHP法就是将各要素配对比较,根据各要素的相对重要程度进行判断,再根据W、计算成对比较矩阵的特征值获得权重向量kStep1、 构造成对比较矩阵假设比较某一层k 个因素12,,,k C C C L 对上一层因素ο的影响,每次两个因素i C 与j C ,用ij C 表示i C 与j C 对ο的影响之比,全部比较结果构成成对比较矩阵C ,也叫正互反矩阵、*()k k ij C C =,0ij C >,1ij jiC C=, 1ii C =、若正互反矩阵C 元素成立等式:* ij jk ik C C C = ,则称C 一致性矩阵、标度ij C含义1i C 与j C 的影响相同 3 i C 比j C 的影响稍强 5 i C 比j C 的影响强 7 i C 比j C 的影响明显地强 9i C 比j C 的影响绝对地强2,4,6,8i C 与j C 的影响之比在上述两个相邻等级之间11,,29Li C 与j C 影响之比为上面ij a 的互反数 Step2、 计算该矩阵的权重通过解正互反矩阵的特征值,可求得相应的特征向量,经归一化后即为权重向量12 = [ , ,..., ]T kkkkkQ q qq ,其中的ikq 就就是i C 对ο的相对权重、由特征方程A-I=0λ,利用Mathematica 软件包可以求出最大的特征值max λ与相应的特征向量、Step3、 一致性检验1）为了度量判断的可靠程度,可计算此时的一致性度量指标CI :max1kCI k λ-=-其中maxλ表示矩阵C 的最大特征值,式中k 正互反矩阵的阶数,CI 越小,说明权重的可靠性越高、2)平均随机一致性指标RI ,下表给出了1－14阶正互反矩阵计算1000次得到3）当0.1CR RI=<时,(CR 称为一致性比率,RI 就是通过大量数据测出来的随机一致性指标,可查表找到)可认为判断就是满意的,此时的正互反矩阵称之为一致性矩阵、进入Step4、 否则说明矛盾,应重新修正该正互反矩阵、转入Step2、 Step4、 得到最终权值向量将该一致性矩阵任一列或任一行向量归一化就得到所需的权重向量、计算出来的准则层对目标层的权重即不同因素的最终权重,这样一来,我们就可以按权重大小将进行排序了、 (3)组合权向量的计算成对比较矩阵显然非常好体现了我们研究对象——各个因素之间权重的比较状态,能够有效地全面而深刻地表现出有关的数据信息,显然也就是矩阵数学模型的重要应用价值、 因素往往就是有层次的,我们经常在进行决策分析时,要进行多方面、多角度、多层次的分析与研究,把我们的决策选择建立在深刻而广泛的分析研究基础之上的、一个总的指标下面可以有第一层次的各个方面的指标、因素、成份、特征性质、组成成分等等,而每个这种因素又有新的成份在里面、这就就是决策分析的数学模型的真正的意义之所在、定理1:对于三决策问题,假设第一层只有一个因素,即这就是总的目标,决策总就是最后要集中在一个总目标基础之上的东西,然后才能进行最后的比较、又假设第二层与第三层因素各有n 、m 个,并且记第二层对第一层的权向量(即构成成份的数量大小、成份的比例、影响程度的大小的数量化指标的量化结果、所拥有的这种属性的程度大小等等多方面的事情的量化的结果)为:(2)(2)(2)(2)12(,,,)Tn w w w w =L , 而第3层对第2层的全向量分别就是:(3)(3)(3)(3)12(,,,)Tk k k km w w w w =L ,这表示第3层的权重大小,具体表示的就是第2层中第k 个因素所拥有的面对下一层次的m 个同类因素进行分析对比所产生的数量指标、那么显然,第三层的因素相对于第一层的因素而言,其权重应当就是:先构造矩阵,用 (3)k w 为列向量构造一个方阵 (3)(3)(3)(3)12(,,)nWw w w=L,这个矩阵的第一行就是第3层次的m 个因素中的第1个因素,通过第2层次的n 个因素传递给第1层次因素的权重,故第3层次的m 个因素中的第i 个因素对第1层次的权重为 (2)(3)1nkkik w w=∑,从而可以统一表示为:(1)(3)(2)wWw=,它的每一行表示的就就是三层(一般就是方案层)中每一个因素相对总目标的量化指标、定理2:一般公式如果共有s 层,则第k 层对第一层(设只有一个因素)的组合权向量为()()(1),3,4,k k k k s wWw-==L ,其中矩阵 ()k W的第i 行表示第k 层中的第i 个因素,相对于第1k -层中每个因素的权向量;而列向量 (1)k w-则表示的就是第1k -层中每个因素关于第一层总目标的权重向量、于就是,最下层对最上层的的组合权向量为:()()(1)(3)(2)s s s wWWWw-=L ,实际上这就是一个从左向右的递推形式的向量运算、逐个得出每一层的各个因素关于第一层总目标因素的权重向量、 (4)灰色关联度综合评价法灰色系统的关联分析主要就是对系统动态发展过程的量化分析,它就是根据因素之间发展态势的相似或相异程度,来衡量因素间接近的程度,实质上就就是各评价对象与理想对象的接近程度,评价对象与理想对象越接近,其关联度就越大、关联序则反映了各评价对象对理想对象的接近次序,即评价对象与理想对象接近程度的先后次序,其中关联度最大的评价对象为最优、因此,可利用关联序对所要评价的对象进行排序比较、利用灰色关联度进行综合评价的步骤如下:1)用表格方式列出所有被评价对象的指标、2)由于指标序列间的数据不存在运算关系,因此必须对数据进行无量纲化处理、3)构造理想对象,即把无量纲化处理后评价对象中每一项指标的最佳值作为理想对象的指标值、4)计算指标关联系数、其计算公式为:min max imax()()ik k ρρξ+=+∆∆∆∆其中min()()minminiikk k x x =-∆,max()()maxmaxiikk k x x =-∆,()ik ∆=()()ik k x x -,1,2,i n =L ,1,2,k m =L 、式中n 为评价对象的个数;m 为评价对象指标的个数;()ik ξ为第i 个对象第k 个指标对理想对象同一指标的关联系数;A 表示在各评价对象第k 个指标值与理想对象第k 个指标值的最小绝对差的基础上,再按1,2,,i n =L 找出所有最小绝对差中的最小值;max ∆表示在评价对象第k 个指标值与理想对象第k 个指标值的最大绝对差的基础上,再按1,2,,i n =L 找出所有最大绝对差中的最大值;min ∆为评价对象第k 个指标值与理想对象第k 个指标值的绝对差、ρ为分辨系数,ρ越小分辨力越大,一般ρ的取值区间[0,1],更一般地取ρ=0、5、5)确立层次分析模型、6)确定判断矩阵,计算各层次加权系数及加权关联度,加权关联度的计算公式为:()mk iikk γξω=∑,式中7为第i 个评价对象对理想对象的加权关联度,kω为第k 个指标的权重、7)依加权关联度的大小,对各评价对象进行排序,建立评价对象的关联序,从而可以得出关联度较大的对象,关联度越大其综合评价结果也越好、 (5)线性回归分析法假如对象(因变量)y 与p 个因素(自变量)12,,,p x x x L 的关系就是线性的,为研究她们之间定量关系式,做n 次抽样,每一次抽样可能发生的对象之值为12,,ny y yL它们就是在因素(1,2,,)i i p x =L 数值已经发生的条件下随机发生的、把第j 次观测的因素数值记为:12,,,jjpj x xx L (1,2,j n =L )那么可以假设有如下的结构表达式:1111011212201213011p p p p n np p y x x y x x y x x βββεβββεβββε⎧=++++⎪⎪=++++⎪⎨⎪⎪=++++⎪⎩L L L L L L L L L L L L L L L L L L 其中,01,,,pβββL 就是1p +个待估计参数,12,,,n εεεL 就是n 个相互独立且服从同一正态分布2(0,)N σ的随机变量、这就就是多元线性回归的数学模型、若令12n y y y y ⎛⎫ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M ,111212122212111p p n n np x xx x xx x xxx ⎛⎫ ⎪ ⎪=⎪ ⎪⎪⎝⎭L L L LLL L L,012p βββββ⎛⎫⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭M ,12n εεεε⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M则上面多元线性回归的数学模型可以写成矩阵形式:y x βε=+在实际问题中,我们得到的就是实测容量为n 的样本,利用这组样本对上述回归模型中的参数进行估计,得到的估计方法称为多元线性回归方程,记为%011p p y b b x b x =+++L式中,012,,,,p b b b b L 分别为01,,,p βββL 的估计值、 (6)主成分分析法1)主成分的定义设有p 个随机变量12,,,p x x x L ,它们可能线性相关,通过某种线性变换,找到p 个线性无关的随机变量12,,,pz z zL ,称为初始向量的主成分、设12(,,,)Tp αααα=L为p 维空间pR 中的单位向量,并记所有单位向量的集合为{}0|1TR ααα==,且记X ＝12(,,,)Tp X X X L 、2)用相关矩阵确定的主成分令*i E X -=,**(,),ij i j E r X X =1,2,,j p =L 、*X=***12(,,)Tp X X X L ,则1212121211()1pp ij p p R r r r rr r r⎛⎫ ⎪⎪== ⎪ ⎪ ⎪⎝⎭L LL L LLL 为*X 的协方程、类似地,我们可对R 进行相应的分析、3)主成分分析的一般步骤 第一步、选择主成分设X 的样本数据经过数据预处理后计算出的样本相关矩阵为121*21212111*()11()()pT p p p R ij n r r r rr XX r r⎛⎫ ⎪ ⎪=== ⎪- ⎪ ⎪⎝⎭L LL L LLL %%、 由特征方程0R I λ-=,求出p 个非负实根,并按值从大到小进行排列:120p λλλ≥≥≥≥L 、将iλ带入下列方程组,求出单位特征向量iα()0,1,2,,i i R I i m λα-==L确定m的方法就是使前m个主成分的累计贡献率达到85％左右、第二步、利用主成分进行分析在实际分析时,通常把特征向量的各个分量的取值大小与符号(正负)进行对照比较,往往能对主成分的直观意义作出合理的解释、利用主成分可以进行以下分析:a)对原指标进行分类;b)对原指标进行选择;c)对样品进行分类;d)对样品进行排序;e)预测分析、。
层次分析模型介绍
层次分析模型介绍
§ 1.2 层次分析法的基本原理和步骤
运用层次分析法解决问题，大体可以分为 四个步骤：
1. 建立问题的递阶层次结构； 2. 构造两两比较判断矩阵； 3. 由判断矩阵计算被比较元素相对权重； 4. 计算各层次元素的组合权重。
层次分析模型介绍
§ 1.2.2 构造两两比较判断矩阵
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 Ck 作为准则，对下一层次的元素 A1, …, An 有支配 关系，我们的目的是在准则 Ck 之下按它们相对重 要性赋予 A1, …, An 相应的权重。
层次分析法
层次分析模型介绍
第一讲 层次分析法
层次分析模型介绍
§ 1.1 引言与引例
层次分析法（Analytic Hierarchy Process， 简称 AHP）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。
层次分析模型介绍
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？
其中 x1 = 写作水平，x2 = 外语程度， x3 = 公关能力，x4 = 国内外政治经济时事， x5 =计算机操作知识，x6 = 容貌与风度， x7 = 体形高矮与肥瘦，x8 = 音色。
统计学中的多层次建模与分析方法
统计学中的多层次建模与分析方法多层次建模与分析是统计学中一个重要的研究领域，它主要用于处理多层次数据，也称为分层数据或层次化数据。
在许多实际问题中，我们会遇到数据存在多层次结构的情况，例如学生在班级中，班级在学校中，学校在地区中的成绩评估，或者员工在部门中，部门在公司中的工作绩效评估等。
在这些情况下，单纯使用传统的单层次统计方法可能无法充分考虑到多层次数据的特点和关系，因此需要使用多层次建模与分析方法来进行研究和分析。
多层次建模与分析方法的基本原理是将数据划分为不同层次，在每个层次上建立适当的模型，并且通过层次之间的联系来推断和解释结果。
下面将介绍一些常用的多层次建模与分析方法。
1. 多层线性模型（Multilevel Linear Models，简称MLM）：MLM是多层次分析中最常用的方法之一。
它基于随机效应模型，将观测单元（个体）分类为不同的层次，并通过考虑层次之间的方差和协方差关系来建模。
MLM可以用于解释和预测层次性数据，例如测量学生的成绩差异时，可以考虑班级和学校的影响。
2. 多层Logistic回归模型（Multilevel Logistic Regression Models）：该方法在研究二分类或多分类问题时非常有用。
它将随机效应模型应用于逻辑回归模型，用于描述不同层次上的概率差异。
例如，研究不同学校学生的大学录取率时，可以使用多层Logistic回归模型考虑学校和个体因素的影响。
3. 多层生存分析模型（Multilevel Survival Analysis Models）：多层生存分析模型是在研究生存数据（例如生命表数据）时常用的方法。
该方法可以考虑不同层次上的时间变化和随机效应，并用于推断不同层次上的生存率和风险。
例如，在研究医院的患者生存时间时，可以考虑医院间的差异和个体特征的影响。
4. 多层次协变量分析（Multilevel Covariate Analysis）：该方法用于分析多变量之间的关系，并考虑不同层次上的协变量。
多目标决策模型：层次分析法(AHP)、代数模型、离散模型
程中常是定性的。 例如：经济好，身体好的人：会将景色好作为第一选择； 中老年人：会将居住、饮食好作为第一选择； 经济不好的人：会把费用低作为第一选择。 而层次分析方法则应给出确定权重的定量分析方法。 （S3）将方案后对准则层的权重，及准则后对目标层的权重进行综合。 （S4）最终得出方案层对目标层的权重，从而作出决策。 以上步骤和方法即是 AHP 的决策分析方法。 三、确定各层次互相比较的方法——成对比较矩阵和权向量 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 Santy 等人提出：一致矩阵法 ．．．．． 即：1. 不把所有因素放在一起比较，而是两两相互比较 2. 对此时採用相对尺度，以尽可能减少性质不同的诸因素相互比较的困难，提高准确度。 因素比较方法 —— 成对比较矩阵法： 目的是，要比较某一层 n 个因素 C1 , C 2 , , C n 对上一层因素 O 的影响（例如：旅游决策解 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） 。 採用的方法是：每次取两个因素 C i 和 C j 比较其对目标因素 O 的影响，并用 aij 表示，全部 比较的结果用成对比较矩阵表示，即：
分析：
W1 W2 若重量向量 W 未知时， 则可由决策者对物体 M 1 , M 2 , , M n 之间两两相比关系， W n 主观作出比值的判断，或用Delphi（调查法）来确定这些比值，使 A 矩阵（不一定有一致性）
为已知的，并记此主观判断作出的矩阵为（主观）判断矩阵 A ，并且此 A （不一致）在不一致 的容许范围内，再依据： A 的特征根或和特征向量 W 连续地依赖于矩阵的元素 aij ，即当 aij 离 一致性的要求不太远时， A 的特征根 i 和特征值（向量）W 与一致矩阵 A 的特征根 和特征向 量 W 也相差不大的道理：由特征向量 W 求权向量 W 的方法即为特征向量法，并由此引出一致 性检查的方法。 问题：Remark 以上讨论的用求特征根来求权向量 W 的方法和思路，在理论上应解决以下问题： 1． 一致阵的性质 1 是说：一致阵的最大特征根为 n （即必要条件） ，但用特征根来求特征向量 时， 应回答充分条件： 即正互反矩阵是否存在正的最大特征根和正的特征向量？且如果正互 反矩阵 A 的最大特征根 max n 时， A 是否为一致阵？ 2． 用主观判断矩阵 A 的特征根 和特征向量 W 连续逼近一致阵 A 的特征根 和特征向量 W 时，即： 由 lim k
- 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)。
w2
w1
wn
w2
wn
w
n
w n
一致阵 • A的秩为1，A的唯一非零特征根为n 性质 • A的任一列向量是对应于n 的特征向量
• A的归一化特征向量可作为权向量
对于不一致(但在允许范围内)的成对
比较阵A，建议用对应于最大特征根
的特征向量作为权向量w ，即
Aw w
7
成对比较阵和权向量 Saaty等人提出1~9尺度——aij 取值 比较尺度aij 1,2,… , 9及其互反数1,1/2, … , 1/9
• 通过相互比较确定各准则对目标的权重，及各方 案对每一准则的权重。
• 将上述两组权重进行综合，确定各方案对目标的 权重。
层次分析法将定性分析与定量分析结合起来完 成以上步骤，给出决策问题的定量结果。
4
层次分析法的基本步骤
成对比较阵 和权向量
元素之间两两对比，对比采用相对尺度
设要比较各准则C1,C2,… , Cn对目标O的重要性
层次分析建模
1
y
8.1 层次分析模型
背 • 日常工作、生活中的决策问题 景 • 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
• Saaty于1970年代提出层次分析法 AHP (Analytic Hierarchy Process)
• AHP——一种定性与定量相结合的、 系统化、层次化的分析方法
8
一致性检验 对A确定不一致的允许范围 已知：n 阶一致阵的唯一非零特征根为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 的大小，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。
• 便于定性到定量的转化：
尺度 a ij
1 2 34
Ci
:
C
的重要性
j
相同
稍强
5 6 78 9 强 明显强 绝对强
aij = 1,1/2, ,…1/9 ~ Ci :Cj 的重要性与上面相反
• 心理学家认为成对比较的因素不宜超过9个
• 用1~3,1~5,…1~17,…,1p~9p (p=2,3,4,5), d+0.1~d+0.9 (d=1,2,3,4)等27种比较尺度对若干实例构造成对比较 阵，算出权向量，与实际对比发现， 1~9尺度较优。
Ci :Cj aij
A(aij)nn,aij
0,aji
1 aij
选 择
1 1/ 2 4 3 3
2
1
7
5
5
A~成对比较阵
旅 A 1/ 4 1/ 7
游 地
1/ 3
1/ 5
1/ 3 1/ 5
1 2
1/ 2 1
1/ 3
1
A是正互反阵
3 1 1
要由A确定C1,… , Cn对O的权向量
5
成对比较阵和权向量
w (w 1,w 2, w n)T~权向 w量 n w n
w 1
w2
w1
wn
w2
w
n
w
n
w
6
n
成对比较阵和权向量
w1
w1
成对比较完全一致的情况
w
1
w2
w2
w2
满足 a ija jk a i,ki,j,k 1 ,2 , ,nA
w1
w2
的正互反阵A称一致阵，如
w
n
wn
w 1
1/ 5 1/ 2 1
1 1/ 3 1/8
B2
3
1
1/ 3
8 3 1
…Bn
最大特征根 1
2
… n
权向量
w1(3)
w2(3)
… wn(3) 11
组合权向量 第3层对第2层的计算结果
k1
0.595
w (3) k
0.277
0.129
k 3.005
CI k 0.003
2 0.082 0.236 0.682
通过一致 性检验
10
组合权向量
记第2层（准则）对第1层（目标）
的权向量为 w (2 ) ( w 1 (2 ), ,w n (2 )) 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
1 2 5 B1 1/ 2 1 2
Saaty的结果如下
n 1 2 3 4 5 6 7 8 9 10 11 RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51
定义一致性比率 CR = CI/RI
当CR<0.1时，通过一致性检验
9
“选择旅游地”中 准则层对目标的权 向量及一致性检验
最大特征根=5.073
3.002
0.001
3 0.429 0.429 0.142
3
0
4 0.633 0.193 0.175
5 0.166 0.166 0.668
3.009 3
0.005 0
w(2) 0.263 0.475 0.055 0.090 0.110
RI=0.58 (n=3), CIk 均可通过一致性检验 方案P1对目标的组合权重为0.5950.263+ …=0.300
2
一. 层次分析法的基本步骤
例. 选择旅游地 如何在3个目的地中按照景色、 费用、居住条件等因素选择.
目标层
O(选择旅游地)
准则层
C1 景色
C2 费用
C3 居住
C4 饮食
C5 旅途
方案层
P1 桂林
P2 黄山
P3 北戴河
3
“选择旅游地”思维过程的归 纳• 将决策问题分为3个层次：目标层O，准则层C， 方案层P；每层有若干元素， 各层元素间的关系 用相连的直线表示。
1 1/2 4
成对比较的不一致情况 A 2 1 7
a1/2(C:C) 一致比较
12
12
不一致
a4(C:C)
13
13
a238(C2:C3)
允许不一致，但要确定不一致的允许范围
考察完全一致的情况
W ( 1 ) w 1 ,w 2 , w n
令a w/w
w1
w
1
w2
A
w
1
w1
w2
w2
w2
ij
i
j
方案层对目标的组合权向量为 (0.300, 0.246, 0.456)T
12
组合 权向量
第2层对第1层的权向量
w (2 ) (w 1 (2 ), ,w n (2 ))T
第1层O 第2层C1,…Cn
准则层对目标的成对比较阵
1 1/ 2
2
1
A 1/ 4 1/ 7
1/ 3
1/ 5
1/ 3 1/ 5
4 3 3
7
5
5
1 1/ 2 1/ 3
2
1
1
3 1 1
权向量(特征向量)w =(0.263,0.475,0.055,0.090,0.110)T
一致性指标 CI5.07350.018
51
随机一致性指标 RI=1.12 (查表) 一致性比率CR=0.018/1.12=0.016<0.1