层次分析数学模型

合集下载

数学建模——层次分析法模型

数学建模——层次分析法模型

危害性分级模型的建立与求解1.基于层次分析模型对恐怖袭击事件危害性指标建立层次结构模型考虑到恐怖袭击事件的危害性、人员伤亡、经济损失、发生的时机、地域、针对的对象等等诸多因素有关,在构建指标体系时,无法全部考虑到所有指标,因此本文采用层次分析模型,以定性和定量相结合的方法处理指标。

根据上述分析可知, 影响恐怖事件危险性级别的因素有很多,但是,在构建综合评价指标体系时,很难一次性考虑全部细节,此时可以将问题分解成多个层次,而每个层次又包含多个要素,依据大系统理论的分解协调原理,由粗到细,从全局到局部地逐步深入分析,把危险性级别评价的诸多影响因素条理化、层次化,从而建立一个递阶层次分析模型具体的层次分析模型如图1所示。

通过附件1对所有数据指标分析,建立系统的递阶层次结构,第一层为目标层分为5大类,第二层为准则层,第三层为子准则层,第四层为方案层。

其结果目标层准则层子准则层方案层恐怖袭击危害性指标响应级别人员伤亡死亡人数级别1级别2级别3级别4级别5受伤人数被绑人数经济损失损失程度1损失程度2损失程度3损失程度4攻击类型攻击设施攻击个人攻击群体武器类型无杀伤力中小型杀伤力攻击设施1.2 构造成对比较矩阵上一层因素的同一层诸因素,用成对比较法和1~9比较尺度构建成对比较矩阵[1],直到最底层。

表2 标度------比较尺度解释标度 定义1 因素i 与因素j 相同重要 3 因素i 比因素j 稍重要 5 因素i 比因素j 较重要 7 因素i 比因素j 非常重要 9 因素i 比因素j 绝对重要2,4,6,8因素i 与因素j 的重要性的比值介于上述两个相邻等级之间倒数1,1/2,1/3,1/4,1/5,1/6,1/7,1/8,1/9因素j 与因素i 比较得到判断值为ij a 的互反数,ijji a a 1=1=ii a设要素为i F ,j F ;当i F 与j F 相比同等重要,有ij R =1 ;当i F 与j F 相比略为重要,有ij R =3/1 ;当i F 与j F 相比相当重要,有ij R =5/1 ;当i F 与j F 相比明显重要,有ij R =7/1 ;当i F 与j F 相比绝对重要,有ij R =9/1。

层次分析模型(数学建模)

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-数学建模

层次分析法-数学建模

层次分析法一、分析模型和一般步骤二、建立层次结构模型三、构造成对比较矩阵四、作一致性检验五、层次总排序及决策一.层次分析模型和一般步骤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。

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。

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〕选拔干部模型对三个干部候选人二、厶、宀,按选拔干部的五个标准:品德、才能、资历、年龄和群众关系,构成如下层次分析模型:假设有三个干部候选人二、厶、宀,按选拔干部的五个标准:品德,才能,资历,年龄和群众关系,构成如下层次分析模型例3〕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、来描述。

数学建模(层次分析法(AHP法))省公开课获奖课件市赛课比赛一等奖课件

数学建模(层次分析法(AHP法))省公开课获奖课件市赛课比赛一等奖课件
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
例2 大学毕业生就业选择问题 取得大学毕业学位旳毕业生,在“双向选择”时,
用人单位与毕业生都有各自旳选择原则和要求。就 毕业生来说选择单位旳原则和要求是多方面旳,例 如:
①能发挥自己才干作出很好贡献(即工作岗位适合 发挥自己旳专长);
wn
1
w1 w2
即 aik akj aij i, j 1,2,, n
A
但在例2旳成对比较矩阵中, a23 7, a21 2, a13 4 a23 a21 a13
在正互反矩阵A中,若 aik akj aij ,(A 旳元素具有 传递性)则称A为一致阵。
定理:n 阶正互反阵A旳最大特征根max n, 当且仅当 =n时A为一致阵
这种措施旳特点是在对复杂旳决策问题旳 本质、影响原因及其内在关系等进行进一 步分析旳基础上,利用较少旳定量信息使 决策旳思维过程数学化,从而为多目旳、 多准则或无构造特征旳复杂决策问题提供 简便旳决策措施。
是对难于完全定量旳复杂系统作出决策旳 模型和措施。
层次分析法在经济、科技、文化、军事、 环境乃至社会发展等方面旳管理决策中都 有广泛旳应用。
比较同一层次中每个原因有关上一层次 旳同一种原因旳相对主要性
在拟定各层次各原因之间旳权重时,假如只是定 性旳成果,则经常不轻易被别人接受,因而Saaty 等人提出构造:成对比较矩阵A = (aij)nn,即: 1. 不把全部原因放在一起比较,而是两两相互比较。 2. 对此时采用相对尺度,以尽量降低性质不同旳诸 原因相互比较旳困难,以提升精确度。

【数学建模浅谈层次分析法】

【数学建模浅谈层次分析法】

浅谈层次分析法摘要本文主要阐述层次分析法的定义、特点、基本步骤以及它的优缺点。

层次分析法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。

由于它在处理复杂的决策问题上的实用性和有效性,很快在世界范围内得到重视。

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。

关键词:层次分析多目标多准则成对比较一致性检验前言数学是一切科学和技术的基础,是研究现实世界数量关系、空间形式的科学。

随着社会的发展,电子计算机的出现和不断完善,数学不但运用于自然科学各学科、各领域,而且渗透到经济、管理以至于社会科学和社会活动的各领域。

众所周知,利用数学解决实际问题,首先要建立数学模型,然后才能在该模型的基础上对实际问题进行分析、计算和研究。

数学建模(Mathematical Modeling)活动是讨论建立数学模型和解决实际问题的全过程,是一种数学思维方式。

从学术的角度来讲,数学建模就是利用数学技术去解决实际问题;从价值的角度来讲,数学建模是一个思维过程,它是一个解决问题的过程(创新),更是一个升华理论方法的过程(总结);从哲学的角度来讲,数学建模是认识世界和改造世界的过程。

1 数学建模过程和技巧数学建模的过程是通过对现实问题的简化、假设、抽象,提炼出数学模型;然后运用数学方法和计算机工具等,得到数学上的解答;再把它反馈到现实问题,给出解释、分析,并进行检验。

若检验结果符合实际或基本符合,就可以用来指导实践;否则就再假设、再抽象、再修改、再求解、再应用。

构造数学模型不是一件容易的事,其建模过程和技巧具体主要包括以下步骤:⑴模型准备在建模前要了解实际问题的背景,明确建模的目的和要求;深入调研,去粗取精,去伪存真,找出主要矛盾;并按要求收集必要的数据。

数学建模第三讲层次分析法

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。

层次分析法及模糊综合评价

层次分析法及模糊综合评价

为残缺元素
Cw w
3, w (0.5714,0.2857,0.1429)T
Aw w
2 2 0 A 1/ 2 1 2
0 1/ 2 2
aij , i j, aij
aij 0,
i j, aij
mi 1, i j
mi~A第i 行 中的个数
6. 更复杂的层次结构 • 递阶层次结构:层内各元素独立,无相互影响和 支配;层间自上而下、逐层传递,无反馈和循环。 • 更复杂的层次结构:层内各元素间存在相互影响 或支配;层间存在反馈或循环。
• 精确计算的复杂和不必要
• 简化计算的思路——一致阵的任一列向量都是特征向量, 一致性尚好的正互反阵的列向量都应近似特征向量,可取 其某种意义下的平均。
和法——取列向量的算术平均
1 2 例 A 1/ 2 1
6 列向量 0.6 0.615 0.545 0.364 平均 0.324 w
为 A 的 截集,其中, 叫置信水平。
模糊综合评价
什么是事物的模糊性? 指客观事物在中介过渡时所呈现的“亦此亦彼性”。
(1)清晰的事物——每个概念的内涵(内在涵义或本质属性) 和外延(符合本概念的全体)都必须是清楚的、不变的,每个 概念非真即假,有一条截然分明的界线,如男、女。
(2)模糊性事物——由于人未认识,或有所认识但信息不够丰富, 使其模糊性不可忽略。它是一种没有绝对明确的外延的事物。 如美与丑等。人们对颜色、气味、滋味、声音、容貌、冷暖、 深浅等的认识就是模糊的。
定理1 正矩阵A 的最大特征根是正单根,对应
正特征向量w,且
lim
k
Ak e eT Ake
w,
e (1,1,,1)T
正互反阵的最大特征根是正数, 特征向量是正向量。

层次分析法模型

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、。

  1. 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. 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. 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)。

层次分析模型
班级:数学与应用数学(2)班学号:1307022019 姓名:杨猛志
班级学号姓名
摘要:
关键词:
1 问题的提出
高考志愿填报问题
请你帮一位应届高中毕业生选报高考志愿。

选报时通常要考虑到学校的声誉、教学、科研、文体及环境条件,同时又要结合本人的兴趣、考试成绩和毕业后的出路等因素。

在每一因素内还含有若干子因素,如教学因素中要考虑到教师水平、学生水平、深造条件等。

考生可填A、B、C、D三个志愿。

试用层次分析法做出决策。

2 合理假设与变量说明
2.1模型假设:在填志愿时要考虑的因素很多,一个好的模型不因该把所有因素全考虑进去,只要考虑那些主要的因素,因此此题给了很多因素,但我们只考虑其中7个主要因素即学校声誉、教学水平、学校环境、本人兴趣、考试成绩、毕业出路、学校科研。

而且在实际考虑填高考志愿时主要是前三个志愿比较主要,因此虽然此题给了四个志愿,但我们只选其中三个主要的志愿不妨为A、B、C。

2.2 变量说明:
(1)学校声誉B1
(2)教学水平B2
(3)学校环境B3
(4)本人兴趣B4
(5)考试成绩B5
(6)毕业出路B6
(7)学校科研B7
(8)学校A
(9)学校B
(10)学校C
3 模型建立
⑴建立层次结构:
4 模型求解
clear;clc;
a=[1 2 3 4 5 5 7;
0.5 1 2 3 4 4 6;
1/3 0.5 1 2 3 3 5;
1/4 1/3 0.5 1 2 2 4
0.2 0.25 1/3 0.5 1 1 3;
0.2 0.25 1/3 0.5 1 1 3;
1/7 1/6 1/5 1/4 1/3 1/3 1]; [v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=1.32;
if CI/RI<0.1
for i=1:4
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w = 0.3523 0.2375 0.1556 0.0997 0.0623 0.0623 0.0304 CI = 0.0295
lambda_Max = 7.1770
CR = 0.0224
准则层各因素对目标层的成对比较矩阵
clear;clc;
a=[1 2 3;0.5 1 3;1/3 1/3 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.5278 0.3325 0.1396
CI =
-0.6577
lambda_Max =
3.0536
CR =
-1.1340
不同学校声誉B1成对比较矩阵
clear;clc;
a=[1 2 3;0.5 1 2;1/3 0.5 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.5396 0.2970 0.1634
CI =
-0.6651
lambda_Max =
3.0092
CR =
-1.1468
不同学校教学水平B2成对比较矩阵
clear;clc;
a=[1 3 3;1/3 1 2;1/3 0.5 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.5936 0.2493 0.1571
CI =
-0.6577
lambda_Max =
3.0536
CR =
-1.1340
不同学校环境B3成对比较矩阵
clear;clc;
a=[1 4 4;0.25 1 3;1/4 1/3 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.6519 0.2351 0.1130
CI =
-0.6441
lambda_Max =
3.1356
CR =
-1.1105
不同人兴趣B4成对比较矩阵
clear;clc;
a=[1 1 0.5;1 1 1;2 1 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.2599 0.3275 0.4126
CI =
-0.6577
lambda_Max =
3.0536
CR =
-1.1340
不同人考试成绩B5成对比较矩阵
clear;clc;
a=[1 1 3;1 1 1;1/3 1 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.4600 0.3189 0.2211
CI =
-0.6441
lambda_Max =
3.1356
CR =
-1.1105
不同人毕业出路B6成对比较矩阵
clear;clc;
a=[1 3 0.5;1/3 1 1/4;2 4 1];
[v,d]=eig(a);
CI=(max(max(d))-7)/(7-1);
RI=0.58;
if CI/RI<0.1
for i=1:3
w(i)=v(i,1)/sum(v(:,1));
end
else
disp('调整矩阵');
end
w
CI
lambda_Max=max(max(d))
CR=CI/RI
w =
0.3196 0.1220 0.5584
CI =
-0.6636
lambda_Max =
3.0183
CR =
-1.1442
不同学校科研B7成对比较矩阵
从而我们得到方案层对目标层的组合权向量和进行组合一致检验:
w=[0.5278 0.5396 0.5936 0.6519 0.2599 0.4600 0.3196;
0.3325 0.2970 0.2493 0.2351 0.3275 0.3189 0.1220;
0.1396 0.1634 0.1571 0.1130 0.4126 0.2211 0.5584]*[0.3523 0.2375 0.1556 0.0997 0.0623 0.0623 0.0304]'
CR=[-1.1340 -1.1468 -1.1340 -1.1105 -1.1340 -1.1105 -1.1442]*[0.3523 0.2375 0.1556 0.0997 0.0623 0.0623 0.0304]'+0.0224
w =
0.5260
0.2939
0.1802
CR =
-1.1113
从上面的结果可以看出CR是小于0.1的,所以组合一致检验能够通过。

前面得到的组合权向量可以作为最终决策的依据。

结果表明学校A在填报志愿时占的比重最大,其次是学校B,最后是学校C。

相关文档
最新文档