精华内容
下载资源
问答
  • 层次分析法应用领域
    万次阅读 多人点赞
    2019-01-07 13:01:10

    1. 算法简介

    层次分析法(AHP)是美国运筹学家萨蒂于上世纪70年代初,为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。
    层次分析法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之间能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。

    2. 算法基本原理

    例子:
    在这里插入图片描述

    2.1. 解决问题的思路

    层次分析法的基本思路是将所要分析的问题层次化;根据问题的性质和所要达成的总目标,将问题分解为不同的组成因素,并按照这些因素的关联影响及其隶属关系,将因素按不同层次凝聚组合,形成一个多层次分析结构模型;最后,对问题进行优劣比较并排列。

    2.2. 层次分析法的步骤

    1.建立层次结构模型

    • 将决策的目标、考虑的因素(决策准则)和决策对象按照他们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图。
    • 最高层: 决策的目的、要解决的问题。
      最低层: 决策时的备选方案。
      中间层: 考虑的因素、决策的准则。
    • 对相邻的两层,称高层为目标层,低层为因素层

    层次分析法所要解决的问题是关于最低层对最高层的相对权重的问题,按此相对权重可以对最低层中的各种方案、措施进行排序,从而在不同的方案中做出选择或形成选择方案的原则。

    2.构造判断矩阵
    层次分析法中构造判断矩阵的方法是一致矩阵法,即:不把所有因素放在一起比较,而是两两相互比较;对此时采用相对尺度,以尽可能减少性质不同因素相互比较的困难,以提高准确度。

    判断矩阵 a i j a_{ij} aij的标度方法

    标度含义
    1表示两个因素相比,具有同样重要性
    3表示两个因素相比,一个因素比另一个因素稍微重要
    5表示两个因素相比,一个因素比另一个因素明显重要
    7表示两个因素相比,一个因素比另一个因素强烈重要
    9表示两个因素相比,一个因素比另一个因素极端重要
    2,4,6,8上述两相邻判断的中值
    倒数因素 i i i j j j比较的判断 a i j a_{ij} aij,则因素 j j j i i i比较的判断 a j i = 1 / a i j a_{ji}=1/a_{ij} aji=1/aij

    3.层次单排序及其一致性检验
    对应于判断矩阵最大特征根 λ m a x \lambda max λmax的特征向量,经归一化(使向量中各元素之和为1)后记为 W W W W W W的元素为同一层次元素对于上一层因素某因素相对重要性的排序权值,这一过程称为层次单排序

    定义一致性指标 C I = λ − n n − 1 CI=\frac {\lambda-n}{n-1} CI=n1λn
    C I = 0 CI=0 CI=0,有完全的一致性;
    C I CI CI接近于0,有满意的一致性;
    C I CI CI越大,不一致越严重。

    为了衡量 C I CI CI的大小,引入随机一致性指标 R I RI RI

    随机一致性指标 RI
    n1234567891011
    RI000.580.901.121.241.321.411.451.491.51

    定义一致性比率: C R = C I R I CR=\frac{CI}{RI} CR=RICI,一般认为一致性比率 C R < 0.1 CR<0.1 CR<0.1时,认为A的不一致程度在容许范围之内,有满意的一致性,通过一致性检验。可用其归一化特征向量作为权向量,否则要重新构造成对比较矩阵A,对 a i j a_{ij} aij加以调整。

    示例:
    在这里插入图片描述在这里插入图片描述

    4.层次总排序及其一致性检验

    • 计算某一层次所有因素对于最高层(总目标)相对重要性的权值,称为层次总排序。
    • 这一过程是从最高层次到最低层次依次进行的。
      在这里插入图片描述
      A层 m m m个因素 A 1 , A 2 , ⋅ ⋅ ⋅ , A m , A_{1},A_{2},···,A_{m}, A1,A2,,Am,对总目标Z的排序为 a 1 , a 2 , ⋅ ⋅ ⋅ , a m a_{1},a_{2},···,a_{m} a1,a2,,am
      B层 n n n个因素对上层A中因素为 A j A_{j} Aj的层次单排序为 b 1 j , b 2 j , ⋅ ⋅ ⋅ , b n j ( j = 1 , 2 , 3 , ⋅ ⋅ ⋅ , m ) b_{1j},b_{2j},···,b_{nj}(j=1,2,3,···,m) b1j,b2j,,bnj(j=1,2,3,,m)

    B层的层次总排序(即B层第 i i i个因素对总目标的权值为: ∑ j = 1 m a j b i j \sum_{j=1}^{m}a_{j}b_{ij} j=1majbij)为:
    B 1 : a 1 b 11 + a 2 b 12 + ⋅ ⋅ ⋅ + a m b 1 m , B_{1}:a_{1}b_{11}+a_{2}b_{12}+···+a_{m}b_{1m}, B1:a1b11+a2b12++amb1m,
    B 2 : a 1 b 21 + a 2 b 22 + ⋅ ⋅ ⋅ + a m b 2 m , B_{2}:a_{1}b_{21}+a_{2}b_{22}+···+a_{m}b_{2m}, B2:a1b21+a2b22++amb2m,
    ⋅ ⋅ ⋅ ···
    B n : a 1 b n 1 + a 2 b n 2 + ⋅ ⋅ ⋅ + a m b n m , B_{n}:a_{1}b_{n1}+a_{2}b_{n2}+···+a_{m}b_{nm}, Bn:a1bn1+a2bn2++ambnm,

    层次总排序的一致性比率为: C R = a 1 C I 1 + a 2 C I 2 + ⋅ ⋅ ⋅ + a m C I m a 1 R I 1 + a 2 R I 2 + ⋅ ⋅ ⋅ + a m R I m CR=\frac{a_{1}CI_{1}+a_{2}CI_{2}+···+a_{m}CI_{m}}{a_{1}RI_{1}+a_{2}RI_{2}+···+a_{m}RI_{m}} CR=a1RI1+a2RI2++amRIma1CI1+a2CI2++amCIm,当 C R < 0.1 CR<0.1 CR<0.1时,认为层次总排序通过一致性检验。
    例子:
    在这里插入图片描述在这里插入图片描述

    3.算法总结

    • 应用领域:经济计划个管理,能源政策和分配,人才选拔和评价,生产决策,交通运输,科研选题,产业结构,教育,医疗,环境,军事等。
    • 处理问题类型:决策、评价、分析、预测等。
    • 建立层次分析结构模型是关键一步,要有主要决策层参与。
    • 构造成对比较矩阵是数量依据,应由经验丰富、判断力强的专家给出。

    4.参考

    1. 层次分析法建模——《百度文库》
    更多相关内容
  • 层次分析法及其在给排水领域应用,陈荣艳,王圃,社会的纷繁复杂,使决策问题除了受到定量信息的影响外,越来越多的定性信息贯穿在其中。作为城市系统中的水系统,也不可避免的涉
  • 层次分析法(AHP)

    万次阅读 2018-09-09 14:54:12
    层次分析法应用领域:决策问题,例如旅游,买衣服,居住等问题的决策,这是一种 定性加定量相结合的,系统化,层次化的分析方法。 层次分析法的基本步骤: 例如:某人打算假期去旅游,假如有p1,p2,p3 3个旅游...
                        层次分析法(AHP)
    

    层次分析法的应用领域:决策问题,例如旅游,买衣服,居住等问题的决策,这是一种 定性加定量相结合的,系统化,层次化的分析方法。
    层次分析法的基本步骤:
    例如:某人打算假期去旅游,假如有p1,p2,p3 3个旅游胜地供选择,有景色,费用和居住,饮食和旅途这5种指标,利用层次分析法求得最佳的旅游目的地。
    1) 定义目标层 准则层 方案层
    <div align=center>
    2)成对比矩阵
    旅游问题中比较5个准则在选择旅游地这个目标中的重要性,每车次取两个因素Ci和Cj对O的影响之比,全部比较结果可用成对比较矩阵
    这里写图片描述 (1)
    由于(1)式给出的这里写图片描述的特点(这里写图片描述这里写图片描述的倒数,即为正反数),A称为正反矩阵。显然必有这里写图片描述=1.用C1,C2,C3,C4,C5表示景色,费用,居住,伙食,旅游5个准则,设某人用成对比较法的道德成对比矩阵为
    这里写图片描述(2)
    可以看到每个因素相对与另一个因素的比重,比较可以发现,既然C1与C2之比为1:2,C1与C3之比为4:1,那么C2与C3之比应为8:1而不是7:1,才能说明成对比较是一致的,这时需要一致性检验。
    这里写图片描述
    一般的,如果一个正反矩阵A满足
    这里写图片描述
    则A称为一致性矩阵,简称一致阵。n阶一致阵A具有下列性质:
    1.A的秩为1,A的唯一非零特征根为n;
    2.A的任一列向量都是对应于特征值n的特征向量。
    3)一致性检验
    矩阵A的特征根(记作这里写图片描述)的特征向量(归一化)作为权向量W,即W满足
    AW=这里写图片描述W
    定理表明:n阶正反矩阵A的最大特征值>=n,而当这里写图片描述=n时A是一致阵。
    根据这个定理和连续地依赖的事实可知,这里写图片描述比n大的多,A的不一致程度越严重,用特征向量作为权向量引起的判断误差越大。
    当符合一致性比率时认为A的不一致程度在容许范围之内,可用其作为特征向量
    这里写图片描述
    4)组合权向量
    在旅游问题中我们已经得到了第2层对于第一层的权向量,记作这里写图片描述.同同样的方法构造第三层对第二层的成对比较矩阵,不妨设他们为
    这里写图片描述
    由第三层的成对比较矩阵这里写图片描述计算出权向量这里写图片描述,最大特征值
    和一致性指标这里写图片描述,结果如下
    这里写图片描述
    可以看出,当n=3时随机一致性指标RI=0.58,所以上面的这里写图片描述均可以通过一致性检验。
    下面的问题即为各准则对目标的权向量和个方案对每一准则的权向量,计算各方案对目标的权向量,称为组合权向量。
    方案P1=0.595×0.263+0.082×0.475+0.429×0.055+0.633×0.099+0.166×0.110=0.300
    同理 P2=0.246 P3=0.456 应选第一选择点。

    文章借鉴《数学建模》第四版 姜启源 谢金星 叶俊编

    展开全文
  • 是一种使用频率很高的方法,在经济管理城市规划等许多领域得到了广泛应用由于其结果受主观思维的影响较大,许多科研工作者对其进行了深入的研究,将模糊理论与层次分析法相结合,提出了模糊层次分析法为克服层次分析法中...
  • 1 层次分析法的原理及步骤 1.1 层次分析法的原理 20世纪70年代末,美国运筹学家、匹兹堡大学教授T.L.萨迪(T.L.Saaty)提出了层次分析法(Analysis Hierarchy Process,简称 AHP)。它将人的思维过程分成目标层、...

    1 层次分析法的原理及步骤

    1.1 层次分析法的原理

    20世纪70年代末,美国运筹学家、匹兹堡大学教授T.L.萨迪(T.L.Saaty)提出了层次分析法(Analysis Hierarchy Process,简称 AHP)。它将人的思维过程分成目标层、准则层和方案层,并借助数学模型进行分析,是一种将决策者定性判断和定量计算有效结合起来的实用的决策分析方法。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,采用层次分析法进行评价和决策是非常高效的。层次分析法的基本原理是把复杂问题按支配关系分成递阶层次结构,每个层次都有相互联系相互作用的各个要素组成。通过逐对比较法对层次中各要素的相对重要性进行量化,最后进行相对重要性的总排序。

    1.2 层次分析法的应用步骤

    运用AHP法进行决策时,需要经历以下4个步骤:

    1.2.1 建立多级递阶的结构模型

    按支配关系自上而下分三层建立评价指标体系:

    (1)最高层:也称目的层或目标层,是系统想要达到的目标或结果,是系统评价的首要准则(如评价高校教师教学质量)。

    (2)准则层:是为实现目标层所设立的准则、子准则等。

    (3)最底层:也称方案层。是为实现目标所采取的各种方案、措施等。

    1.2.2 构造两两比较判断矩阵

    对同属一级的要素,以上一级的要素为准则进行逐对比较,建立判断矩阵。

    比较n个要素B=(B1,B2,Bn)对目标层要素A的影响:采用两两成对比较,用aij表示要素Bi与要素Bj对目标A的影响程度之比。

    为了使判断定量化,根据1-9标度确定每个要素的相对重要度。

    1.2.3 权重计算

    (1)用求根法来计算判断矩阵特征向量的近似值。

    (2)把特征向量标准化后得到权重向量W=(W1,W2,…,Wn)T。

    1.2.4 一致性检验

    为保证求得的权重的正确性及合理性,还需要进行一致性检验。

    计算一致性指标C.I.

    其中,

    显然,n越大,C.I.的误差越大。因此,在检验时引入随机性一致性比值C.R.

    当n=1,2,…,15时,R.I.的取值见下表。

    当随机一致性比率

    时认为计算所得的层次排序权重是正确的、合理的,否则,需要重新调整判断矩阵,直到一致性检验合格为止。

    1.2.5 综合重要度的计算

    权重最大的方案即为实现目标的最优选择。

    2 高校教师教学质量评价指标体系

    高校教师教学质量评价的目的是对被评价的对象作出有价值的判断,以便促进教学。做好教学质量评价的首要问题是建立科学的评价指标体系。该评价指标体系应能准确、灵敏地反映教师当前的教学水平。

    根据高校教师教学质量评价指标体系特点和可操作性,设定了四个准则层和三个方案对象。

    对于准则层:教学准备,教学思想,教学执行,教学效果与特色,我们可以构建这样一个4*4的判断矩阵:

    其中对角线为各个指标自己的判断,例如对于【教学准备】与【教学准备】,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【教学思想】与【教学准备】对比,可能我认为【教学准备】比【教学思想】明显重要,那么就可以标值为0.7,以此类推,直到构建一个完整的判断矩阵。

    标准化后权重W为:

    其中A*W为:

    AW:

    λmax=AW1/W1+AW2/W2+AW3/W3+···+AWn/Wn=x

    最大特征值λmax=x/矩阵阶数=4.0489

    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=4.0489,n=4,代入可得C.I值=0.0163

    根据CI、RI值求解CR值,判断其一致性是否通过。

    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4阶(准则层因子个数),矩阵阶数为4时对应的RI值为0.90,代入公式:

    所以 C.R.=0.018<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。

    对于方案层:张三,李四,王五,我们可以构建这样一个3*3的判断矩阵:

    通过层次单排序两两对比各个方案在教学准备的比较,我们可以得到张三,李四,王五的权重,那么这个权重就可以作为张三,李四,王五在教学准备上的得分。
    依次类推,我们构造得到张三,李四,王五在教学准备、教学思想、教学执行、教学效果与特色上的得分矩阵:

    计算得到其得分为:

    张三,李四,王五对教学准备的权重为【0.5954,0.2764,0.1283】

    张三,李四,王五对教学思想的权重为【0.0819,0.2363,0.6817】

    张三,李四,王五教学执行的权重为【0.6337,0.1919,0.1744】

    张三,李四,王五对教学效果与特色的权重为【0.1667,0.1667,0.6667】

    PS:以上全部的判断矩阵都需要做一致性检验。

    那么对于方案对象B1(张三),它的总得分为:
    张三在教学准备上的得分*教学准备的权重+张三在教学思想上的得分*教学思想的权重+张三在教学执行上的得分*教学执行的权重+张三在教学效果与特色上的得分*教学效果与特色的权重=0.5954*0.2082+0.819*0.199+0.6337*0.4247+0.1667*0.1681=0.5841
    以此类推,可以计算得到方案对象B2(李四)为:
    0.2764*0.2082+0.2363*0.199+0.1919*0.4247+0.1667*0.1681=0.2141
    方案对象B3(王五):
    0.1283*0.2082+0.6817*0.199+0.1744*0.4247+0.6667*0.1681=0.3485
    因此张三得分最高,其次是王五,最后是李四。

    3、案例以及工具实现

    3.1 评价教学质量最重视的因素

    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(免费在线,所有功能全部免费)—>【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
    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

    层次分析法(方根法)的权重计算结果显示,教学准备的权重得分为0.2082,教学思想的权重得分为0.199,教学执行的权重得分为0.4247,教学效果与特色的权重得分为0.1681。

    输出结果3:一致性检验结果

    层次分析法的计算结果显示,最大特征根为4.0814,根据RI表查到对应的RI值为0.882,因此CR=CI/RI=0.0308<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。

    3.1.4 小结

    由3.1.3可知,评价教学质量最重要的因素是教学执行,其权重得分为0.4247,其次是教学准备,教学思想,最后是教学效果与特色。

    3.2 选择最佳教师

    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(免费在线,所有功能全部免费)—>【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(只接受整数);

    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
    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,对于教师教学质量评价最好的方案为王五,其量化得分为0.9561。

    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教学执行和教学准备,而教学思想、教学效果与特色情况则属于低权重。

    输出结果3:判断矩阵汇总结果

    该判断矩阵最大特征值为4.117,CI值为0.039,RI值为0.882,CR值为0.0442,一致性验证通过。

    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;

    一致性检验结果要求CR值(CR=CI/RI)小于0.1,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,对于教师教学质量评价分数最高的教师为王五,其量化得分为0.956

    4 结论

    利用层次分析法进行教学评估可较大幅度地减少主观因素。一方面,在层次分析法中构造判断矩阵时,比起确定的数值,它需要的是影响因素两两比较的相对比值,这就大大减少了评价专家的主观随意性;另一方面,在评判专家的主观判断是否偏离客观实际时,运用了检验判断矩阵一致性来在分析评价,从而得以做出正确的调整。 然而,层次分析法也存在着一些问题,比如影响因素权值计算不准确。这是由于判断矩阵在传统的层次分析法中并非都能够满足一致性要求。本文针对该问题,在传统的层次分析法基础上提出了人机结合的新方法,在判断矩阵一致性时提高了其准确性和效率,保障了权值计算的准确性,有效地改进传统的层次分析法。

    展开全文
  • 模糊层次分析法的Matlab实现;
  • 层次分析法(AHP)是美国运筹学家匹茨堡大学教授萨蒂(T.L.Saaty)于上世纪70年代初,为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时,应用网络系统理论和多目标综合评价方法,提出的...
  • 结合中国男装色彩设计现状、设计实践及市场调查,创新性地将普遍应用于管理学领域层次分析(AHP)法应用于以感性经验为主要设计方法的男装色彩设计。通过分析男装色彩设计影响因素的专家意见,结合AHP法提取权重前...
  • 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
  • 层次分析法是美国运筹学家Saaty教授于二十世纪80年代提出的一种实用的多方案或多目标的决策方法。其主要特征是,它合理地将定性与定量的决策结合起来,按照思维、心理的规律把决策过程层次化、数量化。问题该方法自...
  • 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...
  • 层次分析法是一种实用的多准则决策方法。它把一个复杂问题表示为有序的递阶层次结构,通过人们的到断对决策方案...简单的表现形式使得层次分析法有着广泛的应用领域。探刻的理论内容确立了它在多准则决策领域中的地位.
  • 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 ...
  • 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...
  • 传统的KNN算法中的欧氏距离求法将样本所有属性的贡献视为相同,而实际上样本不同属性的贡献并不一定相同,为解决此问题,提出了一种基于层次分析法的改进KNN算法。在改进算法中,首先利用层次分析法计算样本各属性的权值...
  • 层次分析法---python实现

    万次阅读 多人点赞 2018-11-14 11:00:09
    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...
  • 03层次分析法的步骤和方法 04结合企业应用案例,深入学习层次分析法 某企业年末又留成,希望将这笔资金用于以下几个领域:发奖金、福利事业和引进设备,但是再利用企业留成是需考虑以下及各方面:调动员工积极性、...
  • 小话层次分析法(AHP)

    千次阅读 2020-12-11 22:08:06
    在目标决策领域,有的决策数据信息是量化的,如一个项目的未来收益、消耗成本等,通过对各种信息进行计算可以做出较...一、首先对层次分析法有个大概的了解:层次分析法是什么?能做什么? 层次分析法(Analytic Hiera
  • 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...
  • 通过本资料你可以掌握层次分析法的原理,及应用.有实例...
  • 基于层次分析法的模糊综合评价模型的推广怎么样问题详情:基于层次分析法的模糊综合评价模型的推广怎么样啊?哪位大虾回答:看看,肯定能学到不少东西~!~!~#!~!~!~!~253453163参考回答:楼主很不错呢!大家好,随雪流月,...
  • AHP层次分析法简介

    2010-11-06 15:52:10
    内容包括: 一、层次分析法概述 二、层次分析法的基本思路 三、层次分析法的用途举例 四、层次分析法应用的程序 五、应用层次分析法的注意事项 六、层次分析法应用实例
  • 层次分析法(小白必看&手机查看)

    千次阅读 2021-01-07 21:45:38
    本周我主要学习了层次分析法(AHP)的基本原理及其在企业资金分配方案、太阳镜产品质量评价等案例中的应用,并学习使用visio绘制所需图形以及了解maltab基础语法知识,并编程实现了一些功能。 01层次分析法概述 层次...
  • 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。其基本原理是:将要评价系统的有关替代方案的各种要素分解成若干层次,并以同一层次的...
  • 层次分析法(ppt)

    2010-10-15 09:48:45
    层次分析法的特点、原理介绍、具体步骤与应用实例分析
  • AHP层次分析法课件ppt

    2010-01-30 07:42:08
    本课件主要介绍的是层次分析法(AHP),以及层次分析法的例子,通过对例子的学习,可以使大家更好的掌握层次分析法
  • AHP层次分析法

    万次阅读 多人点赞 2014-02-21 01:07:12
    在比赛中,我们运用了层次分析法(AHPAnalytic Hierarchy Process)进行建模,好不容易理解了这一方法的思想,在自己的博客里记录一下,希望可以帮助初次接触层次分析法的人,更快地理解这一的整体思想,也利于...
  • 1.什么是层次分析法层次分析法(Analytic Hierarchy Process,简称AHP)是美国运筹学家、匹兹堡大学T. L. Saaty教授在20世纪70年代初期提出的, AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 43,512
精华内容 17,404
热门标签
关键字:

层次分析法应用领域

友情链接: lmn4op.ZIP