评价类模型——层次分析法,一致性检验

评价类模型——层次分析法,一致性检验

    以下内容整理来自B站UP主:数学建模学习交流

    层次分析法(The Analytic Hierarchy Process即 AHP)是由美国运筹学家、 匹兹堡大学教授T . L. Saaty于20世纪70年代创立的一种系统分析与决策的综合 评价方法,是在充分研究了人类思维过程的基础上提出来的,它较合理地解决了定性问题定量化的处理过程。

    AHP的主要特点是通过建立递阶层次结构,把人类的判断转化到若干因素两两之间重要度的比较上,从而把难于量化的定性判断转化为可操作的重要度的比较上面。在许多情况下,决策者可以直接使用AHP进行决策,极大地提高了决策的有效性、可靠性和可行性,但其本质是一种思维方式,它把复杂问题分解成多个组成因素,又将这些因素按支配关系分别形成递阶层次结构,通过两两比较的方法确定决策方案相对重要度的总排序。整个过程体 现了人类决策思维的基本特征,即分解、判断、综合,克服了其他方法回避决策者主观判断的缺点。

层次分析法:建模比赛中最基础的模型之一,其主要用于解决 评价类问题(例如:选择哪种方案最好、哪位运

动员或者员工表现的更优秀)

评价类问题可用打分方法解决:

例题1:华中科技大学和武汉大学哪所学校好,考虑学习氛围、就业前景、男女比例、校园景色等因素。每个因素所占比例以及待比较的内容所占比例分配假设如下,则两所学校的评分计算方式为
<span>评价类模型——层次分析法,一致性检验</span>

使用打分法解决评价问题,只需要我们补充完成下面这张表格即可:
<span>评价类模型——层次分析法,一致性检验</span>

 

 
例题2:小明同学想出去旅游,他选择苏杭、北戴河和桂林三地之一作为目标景点。请确定评价指标、形成评价体系为其选择最合适的方案。
第一步:
<span>评价类模型——层次分析法,一致性检验</span>

 

 
第二步:构建权重表格

 根据第一步的分析内容构建如下的权重表格,其中同色的之和为1,
<span>评价类模型——层次分析法,一致性检验</span>

 

 
 如何填写上面的某种颜色的各项内容呢?例如蓝色对应的指标权重?

问题:

一次性考虑这五个指标之间的关系,往往考虑不周。

解决方法:

两个两个指标进行比较,最终根据两两比较的结果来推算出权重。

已知重要度表如下:
<span>评价类模型——层次分析法,一致性检验</span>
1、假设构建的指标权重的重要度比较矩阵如下:
 <span>评价类模型——层次分析法,一致性检验</span>

 

假设苏杭、北戴河、桂林在景色、花费、居住、饮食、交通方面的判断矩阵分别为:
<span>评价类模型——层次分析法,一致性检验</span>

 

 
2、计算判断矩阵权重

总共三种方法计算权重:算数平均法、几何平均法、特征值法

1)、用算数平均法解决指标景色上的判断矩阵
<span>评价类模型——层次分析法,一致性检验</span>

 

 
第一步:将判断矩阵按照列归一化 (每一个元素除以其所在列的和)

第二步:将归一化的各列相加(按行求和)

第三步:将相加后得到的向量中每个元素除以n即可得到权重向量

公式描述如下:
<span>评价类模型——层次分析法,一致性检验</span>

 

 
求解过程如下:
<span>评价类模型——层次分析法,一致性检验</span>

 

 
2)、用几何平均法解决指标景色上的判断矩阵

几何平均法求权重也有三步:

第一步:将A的元素按照行相乘得到一个新的列向量

第二步:将新的向量的每个分量开n次方

第三步:对该列向量进行归一化即可得到权重向量
<span>评价类模型——层次分析法,一致性检验</span>

 

 
3)、用特征值法解决指标景色上的判断矩阵
<span>评价类模型——层次分析法,一致性检验</span>

 

三种方法计算出来的结果差别较小,在此选用特征值法得到的结果填入对应的判断矩阵中
<span>评价类模型——层次分析法,一致性检验</span>

 

 
按照上述方法同理计算出其他色块对应的权重,得到使用特征值法求得的权重矩阵如下,根据此矩阵, 计算出每个旅游景点的得分。
<span>评价类模型——层次分析法,一致性检验</span>

 

 
第三步:计算每个方案得分
<span>评价类模型——层次分析法,一致性检验</span>

 

 
类似的,我们可以得到北戴河得分为0.245, 桂林得分为0.455. 因此最佳的旅游景点是桂林。

    注意的问题:在第二步构造判断矩阵后要对其进行一致性检验,检验构造的矩阵是否与一致性矩阵有太大差别,接下来介绍一致性矩阵

 一致性检验

1.一致矩阵
<span>评价类模型——层次分析法,一致性检验</span>

 

 
 下图中左侧是构造的判断矩阵,右侧是其对应的一致矩阵,如果构造的判断矩阵与一致矩阵差别太大的话则不可以使用,要重新构建判断矩阵,直至通过一致性检验为止
<span>评价类模型——层次分析法,一致性检验</span>

 

 
2.一致性检验的步骤

1)、计算判断矩阵最大特征值<span>评价类模型——层次分析法,一致性检验</span>、一致性指标CI

<span>评价类模型——层次分析法,一致性检验</span>

n是矩阵的维数,一致矩阵的最大特征值为n,当判断矩阵的最大特征值为n时,此判断矩阵为一致矩阵。

2)、根据n的大小,按照下表查找平均随机一致性指标RI
<span>评价类模型——层次分析法,一致性检验</span>

 

 
3)、计算一致性比例CR
<span>评价类模型——层次分析法,一致性检验</span>

 

 
如果CR < 0.1, 则可认为判断矩阵的一致性可以接受;否则需要对判断矩阵进行修正。修正的方法是往一致矩阵上调整,(一致矩阵各行成倍数关系)

原文链接:https://blog.csdn.net/qq_36384657/article/details/97694443

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/119540.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • iec101规约解析_CDT规约

    iec101规约解析_CDT规约对于点对点和多个点对点的通道结构,主站或子站复位后首先进行初始化,总召唤和时钟同步后系统转入正常,然后在循环召唤2级用户数据的序列中定期插入按照分组召唤方式和按顺序收集各组数据进行召唤。在子站回送的报文中如果ACD=1,则立即收集1级用户数据,1级用户数据收集完后,转向上述循环询问过程,此种循环召唤过程可以被中断,如被召唤电度、遥控等。平衡式传输除具有非平衡式传输的各种报文外,在特定情况下子站还可以作为启动站,主动向主站发送报文。即:“问答+循环”,问答式,同非平衡式,循环,即子站定时主动上送信息。….

    2022年10月31日
  • 对.NET Core未来发展趋势的浅层判断「建议收藏」

    对.NET Core未来发展趋势的浅层判断「建议收藏」对.NET Core未来发展趋势的浅层判断

  • 【动画教程】真封神南极服务端2.52架设第三集[通俗易懂]

    【动画教程】真封神南极服务端2.52架设第三集[通俗易懂]官方网站www.zfs2014.com动画名称:真封神南极服务端2.52架设第三集主讲人:diablo2208教程下载地址:http://pan.baidu.com/s/1c0GfyMk

  • 如何在Python程序中运行Unix命令

    如何在Python程序中运行Unix命令Unix是由KenThompson和DennisRitchie在1969年左右在AT&T贝尔实验室开发的操作系统。我们可以使用许多有趣的Unix命令来执行不同的任务。问题是,我们可以直接在Python程序中使用此类命令吗?这就是我将在本教程中向您展示的内容。Unix命令ls列出目录中的所有文件。如果在Python脚本中按原样放置ls,则在运行程序时将得到以下内容:Tra…

  • contemptible_bank conflict

    contemptible_bank conflict本作品采用知识共享署名-非商业性使用-相同方式共享4.0国际许可协议进行许可。本作品(李兆龙博文,由李兆龙创作),由李兆龙确认,转载请注明版权。

  • SEO技巧汇集

    每个人都喜欢好用的技巧,对吗?这里有55个用于搜索引擎优化的小技巧,甚至你的老妈用起来都易如反掌。哦,不是我的老妈,但你明白我的意思。这意味着网页设计师和SEO新手中大部分人都能迅速上手,没有任何困难

    2021年12月25日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号