精华内容
下载资源
问答
  • 内容分析法的适用范围
    千次阅读
    2021-04-16 22:45:59

    流程分析法:
     

     流程分析法主要是针对测试场景类型属于流程测试场景的测试项下的测试子项进行设计,是从白盒测试设计方法中的路径覆盖分析法借鉴过来的一种方法。
    在白盒测试中,路径就是指函数代码的某个分支组合,路径覆盖法需要构造足够的用例覆盖函数的所有代码路径。
    路径覆盖法: 把所有测试条件写成测试用例,白盒是根据代码分支分析写测试用例
    在黑盒测试中,若将软件系统的某个流程看成路径的话,则可以针对该路径使用路径分析的方法设计测试用例。
    黑盒测试是看文档来写测试用例,不需要看代码

    流程分析法的步骤:
                          
    第一步:详细了解需求;
                          第二步:根据需求说明或界面原型,找出业务流程的各个页面以及各页面之间的流转关系;
                          第三步:画出业务流程;
                          第四步:写用例,覆盖所有的路径分支。

    案例:使用ATM机取款
    一. 详细了解需求;
    二. 找出业务流程的各个页面以及各页面之间的流转关系(产品经理做好的原型图或者文档)
    三. 业务流程图:(异常流程未画)
                              
    四.  写用例,覆盖所有的路径分支。
    需求描述及流程图中,ATM取款机的提示信息对应于测试用例中的预期输出部分,用户的操作对应测试用例中的测试步骤部分。原则是一条有效路径使用一个测试用例覆盖。
           流程分析法和场景分析法是一个意思
           分析产品经理的文档, 根据产品经理提供的文档或者原型图实现出来测试用例就是流程分析法
        依据业务流程图确定测试路径,即需要测试的业务流程。其主要包含三个方面:
               a)正常流程,取款成功(基本流程):对应一次性取款成功;
               b)异常流程,取款失败(分支流程):对应取款失败,包括退卡、吞卡;
               c)异常流程,取款成功(循环流程):对应取款中间出现意外,比如密码输入错误,但是最终成功取钱的情况。 
               
        把上图的情况从 开始 到 结束 走一遍 是 一条 测试用例

    流程分析法总结:
                       流程分析法适用于有先后顺序的测试。常用于业务流程测试、安装流程测试等。
                       流程分析法重点在于测试流程。因此,一般每个流程用一个测试用例验证。

    注意:   流程测试没有问题并不能说明系统功能没有问题,还需要针对每步功能进行测试。对于包含复杂流程的系统,只有功能点和处理流程都进行测试覆盖,才算是比较充分的测试。

    更多相关内容
  • 频域分析法

    2021-01-06 23:23:26
    使用频域分析法分析可用于分析系统的性能。 3. 适用范围 用于不能或者很难得到时域表达式的系统。 4. 优缺点 4.1优点 可以不用求取输出的时域表达式; 可以研究系统的稳定性和瞬态性能; 可以方便分析系统性能; ...
  • 数学建模之层次分析法及其应用

    千次阅读 多人点赞 2020-07-28 23:57:16
    层次分析法在数学建模中是非常常见的,其原理、应用场景及实例本文里都有。希望能对数学建模爱好者、挑战者提供一些帮助。如有不清楚或错误的地方还望指出。

    概述

    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。常用于相互关联、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。
    运用层次分析法建模,大体上可按下面四个步骤进行:

    1. 建立递阶层次结构模型;
    2. 构造出各层次中的所有判断矩阵;
    3. 层次单排序及一致性检验;
    4. 层次总排序及一致性检验

    下面将用实例分别阐述这些步骤。

    递阶层次结构的建立与特点

    我们拿到一个问题,常将其分为若干层次结构,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:.

    1. 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。
    2. 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。
    3. 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。

    如我们想去旅游,现在要选择旅游地点,就可以先这样划分一下:在这里插入图片描述

    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。

    构造判断矩阵

    构造判断矩阵的方法是一致矩阵法,即:将上述两组权重进行综合,确定各方案对目标的权重。所有元素之间采用相对尺度两两对比,确定权重。

    标度含 义
    1表示两个因素相比,具有相同重要性
    3表示两个因素相比,前者比后者稍重要
    5表示两个因素相比,前者比后者明显重要
    7表示两个因素相比,前者比后者强烈重要
    9表示两个因素相比,前者比后者极端重要
    2,4,6,8表示上述相邻判断的中间值
    倒数若因素i 与因素 j 的重要性之比为 a i j a_{ij} aij ,那么因素 j 与因素i 重要性之比为 a i j = 1 / a i j a_{ij}= 1/a_{ij} aij=1/aij

    确定A1-A5的权重,如A1相对A4来说,A1比A4稍微重要,所以矩阵Z(1,4)=3.其对称位置就是1/3。
    在这里插入图片描述
    注:Z是成对比较、正互反矩阵。

    层次单排序及一致性检验

    所谓层次单排序是指根据判断矩阵计算对于上一层某因素而言本层次与之有联系的因素的重要性次序的权值。它是本层次所有因素相对上一层而言的重要性进行排序的基础。
     在这里插入图片描述
    满足 a i j ∗ a j k = a i k a_{ij}*a_{jk}= a_{ik} aijajk=aik正互反矩阵称为一致矩阵
    定理 1:
    正互反矩阵 A 的最大特征根 λ m a x λ_{max} λmax必为正实数,其对应特征向量的所有分量均为正实数。 A 的其余特征值的模均严格小于 λ m a x λ_{max} λmax
    定理 2
    若 A 为一致矩阵,则

    • A 必为正互反矩阵。
    • A 的转置矩阵 A T A^T AT也是一致矩阵。
    • A 的任意两行成比例,比例因子大于零,从而 rank(A) = 1(同样, A 的任意两列也成比例)。
    • A 的最大特征值 λ m a x λ_{max} λmax = n ,其中n 为矩阵 A 的阶。A 的其余特征根均为零。
    • 若 A 的最大特征值 λ m a x λ_{max} λmax 对应的特征向量为 W = ( w 1 . . . w n ) T W={(w_1 ... w_n)}^T W=(w1...wn)T ,则 s i j = w i w j s_{ij}=\frac{w_i}{w_j} sij=wjwi
      ij ww a = , ∀i, j = 1,2,L,n ,即

    定理 3

    n 阶正互反矩阵 A 为一致矩阵当且仅当其最大特征根 λ m a x = n λ_{max} = n λmax=n ,且当正互反矩阵 A 非一致时,必有 λ m a x > n λ_{max}> n λmax>n
    根据定理 3,我们可以由 λ m a x λ_{max} λmax 是否等于n 来检验判断矩阵 A 是否为一致矩阵。

    对判断矩阵的一致性检验的步骤如下:

    1. 计算一致性指标 C I = λ m a x − n n − 1 CI=\frac{λ_{max}-n}{n-1} CI=n1λmaxn
    2. 查找相应的平均随机一致性指标 RI 。对n = 1 …9,Saaty 给出了 RI 的值,如表 2 所示。在这里插入图片描述
      计算一致性比例 C R = C I R I CR=\frac{CI}{RI} CR=RICI
      C R < 0.10 CR < 0.10 CR<0.10时,认为判断矩阵的一致性是可以接受的,否则应对判断矩阵作适当修正。

    层次总排序及一致性检验

    上面我们得到的是一组元素对其上一层中某元素的权重向量。我们最终要得到各元素,特别是最低层中各方案对于目标的排序权重,从而进行方案选择。总排序权重要自上而下地将单准则下的权重进行合成。
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    对层次总排序也需作一致性检验,检验仍象层次总排序那样由高层到低层逐层进行。这是因为虽然各层次均已经过层次单排序的一致性检验,各成对比较判断矩阵都已具有较为满意的一致性。但当综合考察时,各层次的非一致性仍有可能积累起来,引起最终分析结果较严重的非一致性。
    设 B 层中与 Aj 相关的因素的成对比较判断矩阵在单排序中经一致性检验,求得单排序一致性指标为CI( j) ,( j = 1,L,m ),相应的平均随机一致性指标为 RI( j) (CI( j)、RI( j) 已在层次单排序时求得),则 B 层总排序随机一致性比例为
    在这里插入图片描述

    层次分析法的应用

    在应用层次分析法研究问题时,遇到的主要困难有两个:

    1. 如何根据实际情况抽象出较为贴切的层次结构;
    2. 如何将某些定性的量作比较接近实际定量化处理。

    层次分析法对人们的思维过程进行了加工整理,提出了一套系统分析问题的方法,为科学管理和决策提供了较有说服力的依据。但层次分析法也有其局限性,主要表现在:
    3. 它在很大程度上依赖于人们的经验,主观因素的影响很大,它至多只能排除思维过程中的严重非一致性,却无法排除决策者个人可能存在的严重片面性。
    4. 比较、判断过程较为粗糙,不能用于精度要求较高的决策问题。AHP 至多只能算是一种半定量(或定性与定量结合)的方法。
    在这里插入图片描述

    回顾总结

    在这里插入图片描述

    例题

    挑选合适的工作。经双方恳谈,已有三个单位表示愿意录用某毕业生。该生根据已有信息建立了一个层次结构模型,如图所示
    在这里插入图片描述
    标准层的判断矩阵也已给出
    在这里插入图片描述
    方案层的判断矩阵给出
    在这里插入图片描述
    函数文件:

    function [CR,quan]=AHPfun(A)
    n=size(A,1);
    [V,D] = eig(A); %V 是特征向量,D是由特征值构成的对角矩阵(除了对角线元素外,其余位置元素全为0)
    Max_eig = max(D(:)); %那么怎么找到最大特征值所在的位置了?需要用到find函数,它可以用来返回向址或者矩阵中不为0的元素的位置索引。
    %那么问题来了,我们要得到最大特征值的位置,就需婴将包含所有特征值的这个对角矩阵D中,不等于最大特征值的位置全变为
    %这时候可以用到矩阵与常数的大小判断运算
    D = Max_eig;
    [r,c]=find(D == Max_eig,1);
    %找到D中第“个与最大特征值相等的元素的位置,记录它的行和列。
    %第二步:对求出的特征向量进行归-“化即可得到我们的权重
    quan=V(:,c)./sum(V(:,c));
    %我们先根据上面找到的最大特征值的列数c找到对应的特征向量,然后再进行标准化。
    % 计算一致性比例CR
    CI = (Max_eig - n)/(n-1);
    RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59]; %注意哦,这里的RI最多支持n = 15
    CR=CI/RI(n);
    end
    

    主文件:

    clc;clear
    a0=[1 1 1 4 1 1/2
        1 1 2 4 1 1/2
        1 1/2 1 5 3 1/2
        1/4 1/4 1/5 1 1/3 1/3
        1 1 1/3 3 1 1
        2 2 2 3 3 1 ];
    a1=[1 1/4 1/2;
        4 1 3;
        2 1/3 1 ];
    a2=[1 1/4 1/5;
        4 1 1/2;
        5 2 1 ];
    a3=[1 3 1/3;
        1/3 1 1/7;
        3 7 1 ];
    a4=[1 1/3 5;
        3 1 7;
        1/5 1/7 1];
    a5=[1 1 7;
        1 1 7;
        1/7 1/7 1 ];
    a6=[1 7 9;
        1/7 1 1;
        1/9 1 1];
    F=cat(3,a1,a2,a3,a4,a5,a6);
    [a,b,c]=size(F);
    all=ones(3,c);
    cr=[];
    [CR,quan]=AHPfun(a0);
    cr0=CR;
    quan0=quan;
    disp('准则层权值为:');disp(quan0');
    disp('准则层一致性比例为:');disp(cr0);
    for i =1:c
        A=F(:,:,i);
        [CR,quan]=AHPfun(A);
        cr=[cr,CR];
        all(:,i)=quan;  
        
    end
    allquan=ones(3,1);
    for j=1:3
        allquan(j,1)=sum(all(j,:).*quan0');
    end
    disp('方案层单排序权值:');disp(all);
    disp('方案层一致性比例为:');disp(cr);
    disp('总排序权值:');disp(allquan);
    
    

    输出:

    准则层权值为:
        0.1507    0.1792    0.1886    0.0472    0.1464    0.2879
    
    准则层一致性比例为:
        0.0981
    
    方案层单排序权值:
        0.1365    0.0974    0.2426    0.2790    0.4667    0.7986
        0.6250    0.3331    0.0879    0.6491    0.4667    0.1049
        0.2385    0.5695    0.6694    0.0719    0.0667    0.0965
    
    方案层一致性比例为:
        0.0176    0.0236    0.0068    0.0624   -0.0000    0.0068
    
    总排序权值:
        0.3952
        0.2996
        0.3052
    
    

    答案
    在这里插入图片描述

    展开全文
  • 语法分析程序可以根据个人的掌握情况选用常见的几种语法分析方法:递归下降分析方法、LL(1)预测分析法、算符优先分析、LR分析等方法中的任何一种来实现,也可以选用不同的方法来分析不同的语法成分,最后再综合起来...
  • 用事故树分析法进行定量分析计算,如何准确可靠确定各基本事件的发生概率是保证其结果可靠的关键问题。通过文献研究,总结了目前普遍采用的实验测定法、经验取值法和数据库统计计算法3种方法,并指出各方法的适用范围和...
  • 进一步对各种方法的适用范围和优缺点进行了比较。研究结果表明:CoatsRedfern法需要对煤自燃的反应机理函数进行假设;Flynn-Wall-Ozawa法适用于E/RT13的条件,避开了因反应机理函数不同而引起的误差;Kissinger法只...
  • 数学建模:层次分析法实例以及代码

    万次阅读 多人点赞 2020-11-22 22:06:09
    目录层次分析法的思想层次分析法步骤具体案例(市政工程项目建设决策)1.问题提出2.建立递阶层次结构3.构造判断矩阵(成对比较阵)并赋值4.层次单排序(计算权向量)与检验(一致性检验)计算权向量一致性检验5.层次总...

    博主联系方式:
    QQ:1540984562
    QQ交流群:892023501
    群里会有往届的smarters和电赛选手,群里也会不时分享一些有用的资料,有问题可以在群里多问问。

    层次分析法的思想

    层次分析法的思想:将所有要分析的问题层次化
    根据问题的性质和所要到达的总目标,将问题分为不同的组成因素,并按照这些因素间的关联影响即其隶属关系,将因素按不同层次聚集组合,形成一个多层次分析结构模型
    最后,对问题进行优劣比较排序.

    层次分析法步骤

    1、找准各因素之间的隶属度关系,建立递阶层次结构
    2、构造判断矩阵,并赋值
    3、层次单排序(计算权向量)与检验(一致性检验)
    4、层次总排序(组合权向量)与检验(一致性检验)
    5、结果分析

    具体案例(市政工程项目建设决策)

    1.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。

    2.建立递阶层次结构

    1、明确决策目标:“合理建设市政工程,使综合效益最高”。

    2、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环境效益
    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。

    3、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。

    这样递阶层次就形成了:
    在这里插入图片描述

    3.构造判断矩阵(成对比较阵)并赋值

    1、构造判断矩阵的方法:
    每一个具有向下隶属关系的元素(被称作准则)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第一列
    如下图所示:
    在这里插入图片描述
    2、如何对判断矩阵进行赋值:
    向填写人(专家)反复询问:针对判断矩阵的准则,其中两个元素两两比较哪个重要,重要多少,对重要性程度按1-9赋值。
    (可以类比模糊PID中的隶属程度,都是人为设定的,也是被人诟病的一个地方)
    在这里插入图片描述
    设填写后的判断矩阵为A=(aij)n×n,判断矩阵具有如下性质:

    (1) aij>0
    (2) aji=1/ aji
    (3) aii=1

    判断矩阵具有对称性,因此在填写时,通常先填写aii=1部分,然后再仅需判断及填写上三角形或下三角形的n(n-1)/2个元素就可以了。
    在特殊情况下,判断矩阵可以具有传递性,即满足等式:aij*ajk=aik .
    当上式对判断矩阵所有元素都成立时,则称该判断矩阵为一致性矩阵。
    对于上述的例子,可以构造出下面的判断矩阵:
    在这里插入图片描述

    4.层次单排序(计算权向量)与检验(一致性检验)

    计算权向量

    对于专家填写后的判断矩阵,利用一定数学方法进行层次排序。
    层次单排序是指每一个判断矩阵各因素针对其准则的相对权重,所以本质上是计算权向量。
    这里简要介绍和法:
    对于一致性判断矩阵,每一列归一化后就是相应的权重。
    对于非一致性判断矩阵,每一列归一化后近似其相应的权重,在对这n个列向量求取算术平均值作为最后的权重。

    公式: 在这里插入图片描述
    在层层排序中,要对判断矩阵进行一致性检验。判断矩阵可以具有传递性和一致性。一般情况下,并不要求判断矩阵严格满足这一性质。

    但从人类认识规律看,一个正确的判断矩阵重要性排序是有一定逻辑规律的,例如若A比B重要,B又比C重要,则从逻辑上讲,A应该比C明显重要,若两两比较时出现A比C重要的结果,则该判断矩阵违反了一致性准则,在逻辑上是不合理的。

    因此在实际中要求判断矩阵满足大体上的一致性,需进行一致性检验。只有通过检验,才能说明判断矩阵在逻辑上是合理的,才能继续对结果进行分析。

    一致性检验

    第一步,计算一致性指标CI
    在这里插入图片描述
    第二步,查表确定相应的平均随机一致性指标RI
    据判断矩阵不同阶数查下表,得到平均随机一致性指标RI:
    在这里插入图片描述
    第三步,计算一致性比例CR并进行判断:
    在这里插入图片描述
    当C.R.<0.1时,认为判断矩阵的一致性是可以接受的,C.R.>0.1时,认为判断矩阵不符合一致性要求,需要对该判断矩阵进行重新修正。

    图1
    图2
    可以看出,所有单排序的C.R.<0.1,认为每个判断矩阵的一致性都是可以接受的。

    5.层次总排序(组合权向量)与检验(一致性检验)

    总排序是指每一个判断矩阵各因素针对目标层(最上层)的相对权重。这一权重的计算采用从上而下的方法,逐层合成。
    文字性描述公式如下:
    在这里插入图片描述

    计算过程如下,更好理解过程:
    P(C1/A) = P(C1/B1) * P(B1/A) = 0.5 * 0.1429 = 0.07145
    CR(C1/A) = CR(C/B) * CR(B/A) = 0 * 0 = 0
    P(D1/A) = P(D1/C1) * P(C1/B1) * P(B1/A)
    + P(D1/C2) * P(C2/B1) * P(B1/A)
    + P(D1/C3) * P(C3/B2) * P(B2/A)
    + P(D1/C4) * P(C4/B2) * P(B2/A)
    + P(D1/C5) * P(C5/B3) * P(B3/A)
    + P(D1/C6) * P(C6/B3) * P(B3/A)
    =0.8333 * 0.5 * 0.1429
    +0.75 * 0.5 * 0.1429
    +0.1667 * 0.75 * 0.4286
    +0.8750 * 0.25 * 0.4286
    +0.1667 * 0.75 * 0.4286
    +0.8333 * 0.25 * 0.4286

    在这里插入图片描述

    6.结果分析

    从方案层总排序的结果看,建地铁(D2)的权重(0.6592)远远大于建高速路(D1)的权重(0.3408),因此,最终的决策方案是建地铁。
    根据层次排序过程分析决策思路:

    1、对于准则层B的3个因子,直接经济效益(B1)的权重最低(0.1429),社会效益(B2)和环境效益(B3)的权重都比较高(皆为0.4286),说明在决策中比较看重社会效益和环境效益
    2、对于不看重的经济效益,其影响的两个因子直接经济效益(C1)、间接带动效益(C2)单排序权重都是建高速路远远大于建地铁,对于比较看重的社会效益和环境效益,其影响的四个因子中有三个因子的单排序权重都是建地铁远远大于建高速路,由此可以推出,建地铁方案由于社会效益和环境效益较为突出,权重也会相对突出
    3、从准则层C总排序结果也可以看出,方便日常出行(C3)、减少环境污染(C5)是权重值较大的,而如果单独考虑这两个因素,方案排序都是建地铁远远大于建高速路。

    由此我们可以分析出决策思路:
    即决策比较看重的是社会效益和环境效益,不太看重经济效益;(总结准则层B)
    因此对于具体因子,方便日常出行和减少环境污染成为主要考虑因素,对于这两个因素,都是建地铁方案更佳,(总结准则层C)由此,最终的方案选择建地铁也就顺理成章了。

    7.层次分析法的优缺点

    优点:
    (1)系统性:层次分析把研究对象作为一个系统,按照分解、比较判断、综合的思维方式进行决策,成为继机理分析、统计分析之后发展起来的系统分析的重要工具。
    (2)实用性:层次分析把定性和定量方法结合起来,能处理许多许多用传统的最优化技术无法着手的实际问题,应用范围很广。同时,这种方法将决策者和决策分析者相互沟通,决策者甚至可以直接应用它,这就增加了决策者的了解和掌握。
    (3)简洁性:具有中等文化程度的人即可了解层次分析的基本原理和掌握它的基本步骤,计算也非常简便,并且所得的结果简单明确,容易为决策者了解和掌握。

    缺点:囿旧:只能从原有方案中选优,不能生成新方案;粗略:它的比较、判断直到结果都是粗糙的,不适于精度要求很高的问题;主观:从建立层次结构模型到给出成对比较矩阵,人的主观因素的作用很大,这就使得决策结果可能难以为众人接受。当然,采取专家群体判断的办法是克服这个缺点的一种途径。

    层次分析法的代码实现(matlab)

    disp('请输入判断矩阵A(n阶)');
    A=input('A=');
    [n,n]=size(A);
    x=ones(n,100);
    y=ones(n,100);
    m=zeros(1,100);
    m(1)=max(x(:,1));
    y(:,1)=x(:,1);
    x(:,2)=A*y(:,1);
    m(2)=max(x(:,2));
    y(:,2)=x(:,2)/m(2);
    p=0.0001;i=2;k=abs(m(2)-m(1));
    while  k>p
      i=i+1;
      x(:,i)=A*y(:,i-1);
      m(i)=max(x(:,i));
      y(:,i)=x(:,i)/m(i);
      k=abs(m(i)-m(i-1));
    end
    a=sum(y(:,i));
    w=y(:,i)/a;
    t=m(i);
    disp(w);disp(t);
             %以下是一致性检验
    CI=(t-n)/(n-1);RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];
    CR=CI/RI(n);
    if CR<0.10
        disp('此矩阵的一致性可以接受!');
        disp('CI=');disp(CI);
        disp('CR=');disp(CR);
    end
    

    使用示例:
    将上面代码保存名为test1,并在点运行的时候添加到路径;
    输入的A矩阵是要以向量的形式输入的;
    之后按下回车即可,可以看到和之前的第4步得到的结果是一样的。
    在这里插入图片描述
    通过不断的使用这个式子计算相应矩阵(准则层B到准则层C、准则层C到方案层D)的权向量,最后可以得到最终的结果。
    简单的修改上面的程序,传入参数为矩阵,免得每次都要打。

    function w= test1(A)
    % disp('请输入判断矩阵A(n阶)');
    % A=input('A=');
    [n,n]=size(A);
    x=ones(n,100);
    y=ones(n,100);
    m=zeros(1,100);
    m(1)=max(x(:,1));
    y(:,1)=x(:,1);
    x(:,2)=A*y(:,1);
    m(2)=max(x(:,2));
    y(:,2)=x(:,2)/m(2);
    p=0.0001;i=2;k=abs(m(2)-m(1));
    while  k>p
      i=i+1;
      x(:,i)=A*y(:,i-1);
      m(i)=max(x(:,i));
      y(:,i)=x(:,i)/m(i);
      k=abs(m(i)-m(i-1));
    end
    a=sum(y(:,i));
    w=y(:,i)/a;
    t=m(i);
    disp(w);disp(t);
             %以下是一致性检验
    CI=(t-n)/(n-1);RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];
    CR=CI/RI(n);
    if CR<0.10
        disp('此矩阵的一致性可以接受!');
        disp('CI=');disp(CI);
        disp('CR=');disp(CR);
    end
    

    输入:

    Array1=[1 1/3 1/3;3 1 1;3 1 1];
    Array2=[1 1;1 1];
    Array3=[1 3;1/3 1];
    Array4=[1 3;1/3 1];
    Array5=[1 5;1/5 1];
    Array6=[1 3;1/3 1];
    Array7=[1 1/5;5 1];
    Array8=[1 7;1/7 1];
    Array9=[1 1/5;5 1];
    Array10=[1 1/3;7 1];
    
    A=test1(Array1);
    B1=test1(Array2);
    B2=test1(Array3); 
    B3=test1(Array4);
    C1=test1(Array5);
    C2=test1(Array6);
    C3=test1(Array7);
    C4=test1(Array8);
    C5=test1(Array9);
    C6=test1(Array10);
    

    得到相应的矩阵:
    在这里插入图片描述

    展开全文
  • 因此,提出了基于层次分析法的像元细分算法优劣的综合评价方法,该方法基于像元细分算法在传感器测量范围的近段、中段和远段的实际定位精度、方差和极差等指标,利用层次分析法构建综合评价模型。利用该方法,实验...
  • 用人话讲明白AHP层次分析法(非常详细原理+简单工具实现)

    用人话讲明白AHP层次分析法(非常详细原理+简单工具实现)

    文章目录

    目录

    1、前言与算法简述

    2、AHP层次分析法过程

    2.1 构建层次评价模型

    2.2 构造判断矩阵

    2.3 层次单排序与一致性检验

    2.3.1 层次单排序

    2.3.2 求解最大特征根与CI值

    2.3.3 根据CI、RI值求解CR值,判断其一致性是否通过。

    2.4 层次总排序与一致性检验

    3、案例以及工具实现

    3.1 外出旅游最重视的因素

    3.1.1 使用工具

    3.1.2 案例操作

    3.1.3 分析结果解读

    3.1.4 小结

    3.2 选择最佳外出旅游地

    3.2.1 使用工具

    3.2.2 案例操作

    3.1.3 分析结果解读

    3.2.4 小结


    1、前言与算法简述

    今天应粉丝要求,梳理一下层次分析法。

    层 次 分 析 法, 即Analytic Hierarchy Process(AHP) , 是美国运筹学家 Saaty 于 20 世纪 70 年代初 期提出的一种主观赋值评价方法。 层次分析法将与决策有关的元素分解成目标、 准则、方案等多个层次, 并在此基础上进行定性和定量分析, 是一种系统、简便、灵活有效的决策方法。

    这个算法是一个多指标综合评价算法,由于这个算法简单、实用,因此在经管类或者实际生活中应用的非常多,其一般有两个用途:

    • 指标定权

    给指标制定权重,打个比方,例如选择旅游地这个决策,可能一般我们由以下5个因素组成,但是每个人(主观)对因素的重视程度不一,ahp可以实现在无需搜集数据的情况下,给这些指标制定权重。

    • 量化方案选择

    同样是选择旅游地这个决策,可能我们有一些方案,例如苏杭、北戴河、桂林这三个方案,层次分析法可以综合以上5个因素,给这些方案计算得出一个量化得分,例如苏杭0.3分、北戴河0.35分、桂林0.45分,这样根据分值大小,我们就可以选择得到内心或者经验上最心怡的方案了。

    通过上面讲解层次分析法的作用,在生活、工作中其实我们可以应用这个模型的渠道是非常广的,特别是那些需要主观决策的、或者需要用经验判断的决策方案,例如:

    • 买房子(主观决策)

    • 选择旅游地(主观决策)

    • 给员工进行绩效评估(经验判断)

    • 选择开店地址(经验判断)

    2、AHP层次分析法过程

    层次分析法的原理,是在分析一个现象或问题之前,首先将现象或问题根据它们的性质分解为有关因素,并根据它们之间的关系分类而形成一个多层次的结构模型。然后通过经验或专家,来判断和衡量低层因素对高层因素的相对重要性,并根据重要性的程度得出权重排序,进而可以量化分析比较。层次分 析法的核心是将影响因素层次化和数据化,它把一个抽象的现象或问题由难到 易地予以分解,易于对复杂问题进行直观地判断,并作出决策。层次分析法具有将复杂问题简单化且计算简单等优点,应用十分广泛,诸如在人员素质评估、 多方案比较、科技成果评比和工作成效评价等多领域多方面都有运用。

    简单地说,层次分析法就是将一个决策事件分解为目标层(例如选择旅游地),准则层(影响决策的因素,例如景色、交通、费用等)以及方案层(指的是方案,例如去广州、桂林等地旅游)。

    层次分析法应用过程中,大体步骤主要包括四个。第一步是层次结构模型的构建。第二步构造判断矩阵,第三步为层次单排序及其一致性检验,这步即为对指标定权,第四步为层次总排序及其一致性检验,这布如果没有决策层的话,通常可以省略。

    PS:一致性检验的含义用于确定构建的判断矩阵是否存在逻辑问题,例如以A、B、C构建判断矩阵,若判定A相当于B为3(A比B稍微重要),A相当于C为1/3(C比A稍微重要),在判断B相当于C时,根据上述的逻辑,理应C比B重要,若我们在构建判断矩阵时,错误填写为B相当于C为3(B比C稍微重要),那么就犯了逻辑错误。

    2.1 构建层次评价模型

    顾名思义,在这个层次评价模型里面,我们需要确认整个决策事件的目标层、准则层、方案层

    其中,

    目标层:最优旅游地选择

    准则层:景色、费用、居住、饮食、旅途

    方案层:西安、云南、西藏、青海

    需要注意的时,准则层如果有多层,例如下图所示,依次类推就行了。

    2.2 构造判断矩阵

    构造判断矩阵就是通过各要素之间相互两两比较,并确定各准则层对目标层的权重。

    简单地说,就是把准则层的指标进行两两判断,通常我们使用Santy的1-9标度方法给出。

    对于准则层A,我们可以构建一个

    其中A 中的元素满足:

    简单说,例如对于准则层:景色、费用、居住、饮食、旅途,我们可以构建这样一个5*5的判断矩阵:

    其中对角线为各个指标自己的判断,例如对于【景色】与【景色】,其重要性为1,因为肯定是指标自身对比自身肯定是1:1。对于第二行第一列,也就是【费用】与【景色】对比,可能我认为【费用】比【景色】明显重要,那么就可以标值为5

    那么判断矩阵就会变为:

    以此类推,直到构建完成一个完整的判断矩阵。

    2.3 层次单排序与一致性检验

    这里列出一般在文献中的说明:

    step1:层次单排序

    层次单排序是指针对上一层某元素将本层中所有元素两两评比,并开展层次排序, 进行重要顺序的排列,具体计算可依据判断矩阵 A 进行,计算中确保其能够符合 AW=𝜆𝑚𝑎𝑥𝑊的特征根和特征向量条件。在此,A 的最大特征根为λmax,对应λmax的正规化的特征向量为 W,𝑤𝑖为 W 的分量,其指的是权值,与其相应元素单排序对应。 利用判断矩阵计算各因素𝑎𝑖𝑗对目标层的权重(权系数)。

    权重向量(W)与最大特征(λmax)的计算步骤(方根法或者和法)如下表所示:

    step2:求解最大特征根与CI值

    设 n 阶判断矩阵为 B,则可用以下方法求出其最大的特征根𝜆𝑚𝑎𝑥:

    BW=λW

    其中,W 是 B 的特征向量。 在层次分析法中, 我们用以下的一致性指标 CI 来检验判断的一致性指标 (Consistency Index):

    C.I.=0 表示判断矩阵完全一致,C.I.越大,判断矩阵的不一致性程度越严重。

    step3:根据CI、RI值求解CR值,判断其一致性是否通过

    Satty 模拟 1000 次得到的随机一致性指标 R.I.取值表(如下表 所示):

    当 C.R.<0.1 时,表明判断矩阵 A 的一致性程度被认为在容许的范围内,此时可 用 A 的特征向量开展权向量计算;若 C.R.≥0.1, 则应考虑对判断矩阵 A 进行修正。

    下面我用人话说一下:

    2.3.1 层次单排序

    简单地说,层次单排序就是根据我们构成的判断矩阵,求解各个指标的权重。

    例如我们现在在2.2构建完成了准则层的判断矩阵A如下:

    那么我们可以计算其权重(权重向量),有两种方式,一种是方根法,一种是和法。

    其中方根法计算权重如下:

    1. 计算每行乘积的m次方,得到一个m维向量

    即:

    (2)将将向量标准化即为权重向量,即得到权重

    即:

    而和法计算权重如下:

    step1:先将矩阵的每列进行标准化

    step2:将标准化后的各元素按行求和

    step3:将求和结果进行标准化

    例如这张图所示:

    2.3.2 求解最大特征根与CI值

    以上,求得权重矩阵后,可以计算最大特征根,其公式为:

    其中n为维度数,例如构建的判断矩阵为:景色、费用、居住、饮食、旅途时,n=5;

    AW为:判断矩阵*标准化后的权重,然后按按行的累加值。

    即判断矩阵A为:

    指标

    景色

    费用

    居住

    饮食

    旅途

    景色

    1

    5

    5

    0.3333

    8

    费用

    0.2

    1

    0.25

    0.1667

    2

    居住

    0.2

    4

    1

    0.2

    3

    饮食

    3

    6

    5

    1

    6

    旅途

    0.125

    0.5

    0.3333

    0.1667

    1

    标准化后权重W为:

    景色

    费用

    居住

    饮食

    旅途

    0.3104

    0.0591

    0.1157

    0.4716

    0.0432

    其中A*W为:

    指标

    景色

    费用

    居住

    饮食

    旅途

    景色

    0.3104

    0.2955

    0.5785

    0.15718428

    0.3456

    费用

    0.06208

    0.0591

    0.028925

    0.07861572

    0.0864

    居住

    0.06208

    0.2364

    0.1157

    0.09432

    0.1296

    饮食

    0.9312

    0.3546

    0.5785

    0.4716

    0.2592

    旅途

    0.0388

    0.02955

    0.03856281

    0.07861572

    0.0432

    AW:

    λmax:

    AW1/W1+AW2/W2+AW3/W3+···+AWn/Wn=x

    最大特征值λmax=x/矩阵阶数=5.416

    最大特征值λmax求解出来后,C.I值就好算多了,

    根据C.I值公式,λmax=5.416,n=5,代入可得C.I值=0.1042

    2.3.3 根据CI、RI值求解CR值,判断其一致性是否通过。

    一致性检验的含义用于确定构建的判断矩阵是否存在逻辑问题,例如以A、B、C构建判断矩阵,若判定A相当于B为3(A比B稍微重要),A相当于C为1/3(C比A稍微重要),在判断B相当于C时,根据上述的逻辑,理应C比B重要,若我们在构建判断矩阵时,错误填写为B相当于C为3(B比C稍微重要),那么就犯了逻辑错误;

    RI值通过查表可以得知,这个是Satty 模拟 1000 次得到的随机一致性指标 R.I.取值表(如下表 所示):

    而我们的矩阵是5阶(准则层因子个数),矩阵阶数为5时对应的RI值为1.12,代入公式:

    可以得到C.R.值为0.1042/1.12=0.093。

    所以 C.R.=0.093<0.1 时,表明判断矩阵 A 的一致性程度被认为在容许的范围内,此时可 用 A 的特征向量开展权向量计算;若 C.R.≥0.1, 说明我们在构建判断矩阵时出现了逻辑错误,

    例如B矩阵,我们假设在两两对比第三行第二列时,填入了1/5,这个时候就无法通过一致性检验,因为其犯了逻辑错误,我们根据第二行第一列,可以知道上海的地位比广州稍微重要,根据第三行第一列,可以知道北京的地位比广州强烈重要,所以根据逻辑:上海>广州,北京》广州,那么北京应该是>上海,但是我们填入了1/5,也就是北京比上海相当不重要,所以就出现了逻辑错误,这个时候,我们需要对判断矩阵 A 进行修正,修正为北京>上海。

    至此,我们便完成了层次单排序与一致性检验,通过我们在使用层次分析法只使用到这里,用于对指标进行定权,假如我们有方案层,便需要做层次总排序与其一致性检验。

    2.4 层次总排序与一致性检验

    这里列出一般在文献中的说明:

    计算某一层次所有因素对于最高层(目标层)相对重要性的权值,称为层次总排 序。该过程是从最高层次向最低层次依次进行:

    设 B 层𝐵1 ,𝐵2 ⋯ ,𝐵𝑛对上层(A 层)中因素𝐴𝑗(𝑗 = 1,2, ⋯ ,𝑚)的层次排序 一致性指标为𝐶𝐼𝑗,随机一致性指标为𝑅𝐼𝑗 ,则层次总排序的一致性比率为:

    当𝐶𝑅 < 0.1时,认为层次总排序通过一致性检验,否则就需要重新调整判断矩阵 的元素取值。到此,根据最下层(决策层)的层次总排序做出最后的决策。

    下面我用人话说一下:

    层次总排序,其实就是通过类型层次单排序的方法来给方案打分。

    打个比方,我们根据2.3的层次单排序,现在确定A1~A5的权重为

    景色

    费用

    居住

    饮食

    旅途

    0.3104

    0.0591

    0.1157

    0.4716

    0.0432

    现在我想要计算方案B1:苏杭的得分,但是我们并不知道苏杭的景色得分为多少,那该怎么办呢?

    类似2.3的层次单排序,对于景色这个因素,我们可以构建一个3*3的矩阵,如下所示:

    通过层次单排序两两对比各个方案在景色的比较,我们可以得到苏杭、北戴河、桂林的权重,那么这个权重就可以作为苏杭、北戴河、桂林在景色上的得分。

    依次类推,我们构造得到苏杭、北戴河、桂林在景色上的得分矩阵A1,在费用上的得分矩阵A2,在居住上的得分矩阵A3,在饮食上的得分矩阵A4,在旅途上的得分矩阵A5:

    计算得到其得分为:

    PS:以上全部的判断矩阵都需要做一致性检验。

    那么对于方案B1(苏杭),它的总得分为:

    苏杭在景色上的得分*景色的权重+苏杭在费用上的得分*费用的权重+苏杭在居住上的得分*居住的权重+苏杭在饮食上的得分*饮食的权重+苏杭在旅途上的得分*旅途的权重=0.5954*0.3104+0.819*0.0591+0.4286*0.1157+0.6337*0.4716+0.1667*0.0432=0.5889

    以此类推,可以计算得到方案B2(北戴河)为

    0.2764*0.3104+0.2363*0.0591+0.4286*0.1157+0.1919*0.4716+0.1667*0.0432=0.2471

    方案B3(桂林):

    0.1283*0.3104+0.6817*0.0591+0.1429*0.1157+0.1744*0.4716+0.6667*0.0432=0.2077

    因此苏杭得分最高,选择去苏杭。

    3、案例以及工具实现

    3.1 外出旅游最重视的因素

    这里的作用其实就是求因子权重,因此只计算到层次单排序,没有方案层,即无需层次总排序。

    3.1.1 使用工具

    SPSSPRO—>【层次分析法(AHP简化版)】

    3.1.2 案例操作

    step1:选择【层次分析法(AHP简化版)】;

    step2:选择判断矩阵阶层

    step3:设置判断矩阵(判断矩阵是对称矩阵)

    step4:点击【开始分析】,完成全部操作。

    3.1.3 分析结果解读

    以下生成的结果来源于SPSSPRO软件的分析结果导出,计算方式我在第二章有说过,下面直接就列分析结果了。

    输出结果1:构建判断矩阵结果

    这个就是前面操作页面所填写的判断矩阵

    输出结果2:AHP层次分析结果

    基于方根法的权重计算结果显示,景色的权重得分为0.2657,费用的权重得分为0.4212,居住的权重得分为0.0657,饮食的权重得分为0.1067,旅途的权重得分为0.1407,最大特征根为5.1352,CI为0.0338。

    输出结果3:一致性检验结果

    计算结果显示,最大特征根为5.1352,根据RI表查到对应的RI值为1.11,因此CR=CI/RI=

    0.0305<0.1,通过一次性检验,说明该权重确定方法的合理性,无需要对判断矩阵进行修改。

    需要注意的是,这里的RI值采用近年来更受认可的Franek and Kresta (2014)的方式,不再使用satty的方法。

    3.1.4 小结

    由3.1.3可以知道,外出旅游最重视的因素是费用,其权重得分为0.4212,这个结果是很主观的,因为本身选择旅游地这个决策就是一个非常主观的决策,就像推广到买房,本身影响买房的决策因子也是非常主观的,每个人都有自己的一杆秤,但是如果是店铺,例如奶茶店选址,那么我们可以找有经验的人来两两判断,或者多收集一些专家的判断,求平均值,对于主观的事情,当想法一致的人多了,那么也便了一个客观的事实。

    3.2 选择最佳外出旅游地

    这里的作用其实就是求方案的量化得分,因此需要对准则层计算层次单排序,对方案层进行层次总排序。

    3.2.1 使用工具

    SPSSPRO—>【层次分析法(AHP专业版)】

    3.2.2 案例操作

    Step1:选择层次分析法(AHP专业版);

    Step2:选择构建决策模型;

    Step3:输入构建的评价指标;

    Step4:输入最终的方案;

    Step5:确认以进入下一步指标评分;

    Step6:输入指标之间两两比对的重要程度值;

    Step7:输入不同方案的对应评价值的重要程度评价;

    3.1.3 分析结果解读

    以下生成的结果来源于SPSSPRO软件的分析结果导出,计算方式我在第二章有说过,下面直接就列分析结果了。

    输出结果1:方案得分

    基于指标层次单排序与方案层次总排序后,对于旅游地选择最好的方案为北戴河、其次为桂林。北戴河的量化得分为1.435,高过第二桂林近一倍。

    输出结果2:层次决策模型

    由图可见,其中最重要的两个决定因素是旅游地的景色和费用,而饮食、居住情况则属于低权重。

    输出结果3:判断矩阵汇总结果

    这里列出来了特征向量和权重,CR值小于0.1,一致性检验通过,层次分析法结果有效。

    输出结果4:方案层判断矩阵汇总结果

    上表展示了层次分析法的方案层的权重计算结果(即层次总排序),构建了个数为叶子节点指标的数目的判断矩阵对各个指标的权重进行分析,通过展示了一致性检验结果,用于判断方案层权重矩阵是否存在构建判断矩阵的逻辑问题。由于上一级节点的得分可以根据其子节点得分*权重计算得到,因此构建方案层判断矩阵时,只对叶子节点进行构建,即N个叶子节点就构建N个判断矩阵,用于综合两两对比情况,得到方案层对于某个叶子节点的得分;

    可以看到,方案的得分都满足了一致性检验。

    3.2.4 小结

    由3.2.3可以知道,对于旅游地选择最好的方案为北戴河,其量化得分为1.435,层次总排序的方案层判断矩阵,是在没有数据的情况下才做的,现实情况下,我们如果面临选择旅游地、选择租房、选择买房这类偏主观的决策,那么是可以采用层次总排序的,如果推广到店铺选址、快递柜选择、活动方案选择等需要客观决策的事情,我们其实可以通过两种方式来优化:

    • 基于大多数有经验的人,采用层次总排序,求均值,把主观转为客观(这里通常结合一种方法叫德尔菲法,也叫专家调查法)

    • 基于真实数据做层次总排序,例如店铺选择,假设有人流量这个指标,可以采用真实指标来量化求解。

    展开全文
  • 熵值法是一种依据各指标值所包含的信息量大小,来确定决策指标权重的客观赋权法。 灰色系统理论的研究对象是部分信息已知而部分信息未知的“贫信息”’不确定性系统,利用已知信息来确定系统的未知信息...层次分析法
  • 时域分析法

    千次阅读 2020-02-16 18:03:25
    时域分析法1 定义2 优点3 目的与意义4 适用范围5 分析过程 1 定义 时域分析法是一种对控制系统的分析方式。是指一定输入下,根据控制系统的输出时域表达式,分析系统的性能。 2 优点 由于是在时域进行分析,符合大众...
  • 层次分析法(AHP)原理以及应用

    万次阅读 多人点赞 2021-02-12 18:36:02
    博主现大三参与四次数学建模大赛,本人专业为大数据方向,由于以后或许从事数据分析行业,其实数学建模和大数据分析有很多相似之处,可以说差不多是共通的。经历了这么多次比赛个人总结一些建模必备的数据分析方法是...
  • 九大数据分析方法:矩阵分析法

    千次阅读 2021-09-11 00:52:45
    今天分享九大数据分析方法系列:矩阵分析法。矩阵分析法是在各路数据分析文章中,出现频率最高的词。甚至有不懂行的小白把它捧到“核心思维”,“底层逻辑”的高度。哈哈,才没有那么神呢。一、矩阵分析...
  • 层次分析法原理和matlab代码

    千次阅读 多人点赞 2020-06-15 21:16:56
    文章目录一、层次分析法简述二、求解过程1、建立层次结构模型2、构造成对比较矩阵3、计算权向量并做一致性检验4、计算组合权向量并做组合一致性检验三、参考文献 一、层次分析法简述 层次分析法(The analytic ...
  • 5WHY分析法 学习笔记

    千次阅读 2021-10-29 21:03:17
    5WHY分析法学习笔记 一、学习收获 1、什么是5WHY分析法? 2、5WHY分析法的原则和要点? 3、5WHY分析法的问题解决方式? 4、5WHY分析法的步骤? 二、什么是5WHY分析法 1、5WHY分析法介绍 5WHY又被称为:为什么-为...
  • 1.层次分析法

    千次阅读 2020-11-15 11:03:59
    一、层次分析法 AHP 学习笔记 主要用于解决多因素的评价类问题。例如高考填报志愿时,需要考虑到学习氛围,校园景色,男女比例等等。 法一 根据权重计算得分 优点:计算量小 缺点:片面,不周全 直接考虑各因子对...
  • AHP(层次分析法)学习笔记及多层权重Python实践

    万次阅读 多人点赞 2020-09-07 13:22:40
    层次分析法(The analytic hierarchy process)简称AHP,它是将与决策有关的因素分解成目标、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。 本文为简明AHP学习笔记,并通过Python实践构建多层权重...
  • 那么目前,主要使用的评价方法有:主成分分析法、因子分析法、TOPSIS法(本文详解)、秩和比法、灰色关联法、熵权法、层次分析法、模糊评价法、物元分析法、聚类分析法、价值工程法、神经网络法等。 是不是感觉太多...
  • 掌握边界值分析法取值范围的确定 掌握离点的划分方法 1、为什么要学习边界值分析法案例:两位数加法计算器 要求:输入两个1-100之间整数的和 请猜测程序为什么会出现上述问题? 输入的参数值必须大于0同时...
  • 层次分析法在matlab上的实现

    万次阅读 多人点赞 2018-06-12 10:36:17
    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...
  • 本文研究表明,对于给定的导风云图序列,如果示踪云在给定时间间隔内的位移小于两个像距,适用傅立叶相位分析法计算云迹风;否则,在用傅立叶相位分析法计算波速时由于高次谐波出现相位重叠,从而使计算的波速小于...
  • 多中间层的层次分析法(一)

    万次阅读 2019-06-18 00:16:12
    一、层次分析法概述 层次分析法(Analytical Hierarchy Process 简称 AHP 是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否...
  • 数据分析法之对比分析法

    千次阅读 2019-05-16 16:30:20
    而数据分析方法中,对比分析法是一个十分常用的方法,在这篇文章中我们就详细的为大家介绍一下对比分析法的相关知识。 1.对比分析法的定义 对比分析法是指将两个或两个以上的数据进行比较,分析它们的差异,从而揭示...
  • 清风数学建模学习笔记——层次分析法(AHP)

    万次阅读 多人点赞 2021-01-06 18:42:26
    层次分析法   层次分析法(analytic hierarchy process),简称AHP。是建模比赛中比较基础的模型之一,其主要解决评价类的问题。如选择哪种方案最好,哪位员工表现最好等)。   它是一个较为 主观 的评价方法,...
  • XXX
  • 测试用例设计——边界值分析法

    千次阅读 2019-08-05 10:14:02
    因为我们发现大部分的错误是发生在输入输出数据范围的边界上,所以我们采用边界值分析法设计用例可以发现更多的错误,它也是等价类划分法的一种补充 。 简单介绍边界值分析法就是对输入或输出...
  • 为了得出统计能量分析法适用范围和成功应用的关键因素,应用模态理论对系统的输入功率和耦合损耗因子进行了研究,挖掘了统计能量分析法中“统计”的更深层次的含义。通过对统计能量分析法原理的分析。提出增大系统...
  • 1 层次分析法的原理及步骤 1.1 层次分析法的原理 ...该方法系统性强,使用灵活、简便,适用于组织化的大规模复杂系统。尤其是当系统规模庞大、结构复杂、属性及目标多样,且系统中很多要素指标仅有定性关系时,采用

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 228,847
精华内容 91,538
关键字:

内容分析法的适用范围