层次分析法的优缺点：
优点：
1.系统性的分析方法
层次分析法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。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。
2.简洁实用的决策方法
这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。
3.所需定量数据信息较少
层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。
缺点：
1.不能为决策提供新方案
层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。
2.定量数据较少，定性成分多，不易令人信服
在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出
来的结果也和你的不一致，这个时候该如何解决？
比如说，对于一件衣服，我认为评价的指标是舒适度、耐用度，这样的指标对于女士们来说，估计是比较难接受的，因为女士们对衣服的评价一般是美观度是最主要的，对耐用度的要求比较低，甚至可以忽略不计，因为一件便宜又好看的衣服，我就穿一次也值了，根本不考虑它是否耐穿我就买了。这样，对于一个我原本分析的‘购买衣服时的选择方法’的题目，充其量也就只是‘男士购买衣服的选择方法’了。也就是说，定性成分较多的时候，可能这个研究最后能解决的问题就比较少了。
对于上述这样一个问题，其实也是有办法解决的。如果说我的评价指标太少了，把美观度加进去，就能解决比较多问题了。指标还不够？我再加嘛！还不够？再加！还不够？！不会吧？你分析一个问题的时候考虑那么多指标，不觉得辛苦吗？大家都知道，对于一个问题，指标太多了，大家反而会更难确定方案了。这就引出了层次分析法的第二个不足之处。
3. 指标过多时数据统计量大，且权重难以确定
当我们希望能解决较普遍的问题时，指标的选取数量很可能也就随之增加。这就像系统结构理论里，我们要分析一般系统的结构，要搞清楚关系环，就要分析到基层次，而要分析到基层次上的相互关系时，我们要确定的关系就非常多了。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性，如果有越来越多的指标，我们对每两个指标之间的重要程度的判断可能就出现困难了，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过，也就是说，由于客观事物的复杂性或对事物认识的片面性，通过所构造的判断矩阵求出的特征向量（权值）不一定是合理的。不能通过，就需要调整，在指标数量多的时候这是个很痛苦的过程，因为根据人的思维定势，你觉得这个指标应该是比那个重要，那么就比较难调整过来，同时，也不容易发现指标的相对重要性的取值里到底是哪个有问题，哪个没问题。这就可能花了很多时间，仍然是不能通过一致性检验，而更糟糕的是根本不知道哪里出现了问题。也就是说，层次分析法里面没有办法指出我们的判断矩阵里哪个元素出了问题。
4. 特征值和特征向量的精确求法比较复杂
在求判断矩阵的特征值和特征向量时，所用的方法和我们上学期多元统计所用的方法是一样的。在二阶、三阶的时候，我们还比较容易处理，但随着指标的增加，阶数也随之增加，在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决，我们有三种比较常用的近似计算方法。第一种就是和法，第二种是幂法，还有一种常用方法是根法。
判断矩阵中特征值与特征向量的近似算法：
下面三种近似算法以下面这个矩阵的计算为例：
(1) 和法
① 将判断矩阵B=（b ij ）n ×n 的元素按列作归一化处理，得()n n ij
b B ⨯=，其中
∑==n k kj ij ij b b b 1
/，（ i =1，2，…，n ）
② 将矩阵B 的元素按行相加，得向量W =（n ϖϖω，，，⋯21）T ，其中
∑==n
j ij i b 1ϖ，
（ i =1，2，…，n ） ③ 向量W 作归一化处理，得所求特征向量W = （n ωωω，，，⋯21）T ，其中
∑==n
k k i i 1/ϖϖω
④ 求出判断矩阵的最大特征值
∑==n i i
i BW n 1max 1ωλ）（
(2) 根法
① 计算判断矩阵B=（b ij ）n ×n 的每行元素之积
ij n
j i b M 1=∏=，（ i =1，2，…，n ） ② 计算M i 的n 次方根
n i i M =ϖ，
（ i =1，2，…，n ） ③ 对向量W =（n ϖϖω，，，⋯21）T 做归一化处理，令
∑==n
i i i i 1/ϖϖω，
（ i =1，2，…，n ） ④ 求出判断矩阵的最大特征值
∑==n i i
i BW n 1max
1ωλ）（ (3) 幂法
① 任取一个与判断矩阵同阶正规化的初值向量，例如取
T
o n n n W ⎪⎭⎫ ⎝⎛⋯=111，， ② 计算W k+1=BW k ，（ k = 1，2，…，n ）
③ 令∑=+=n i k i W 11β，计算W W k i k i 11
1++=β，（ k = 1，2，…，n ）
④ 对于预先给定的精确度ε，如果
ε<-+W W
k i k i 1，（ k = 1，2，…，n ） 则1+=k W W 为所求特征向量，转入（5）；否则，返回（2）。
⑤计算最大特征值
∑=+
=
n
i
k
i
k
i W W
n11
max 1
λ
层次分析法的优劣势分析： 优势： 1.系统性的分析方法 层次分析法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。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。 2.简洁实用的决策方法 这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。 3.所需定量数据信息较少 层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。 劣势： 1.不能为决策提供新方案 层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。 2.定量数据较少，定性成分多，不易令人信服 在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出
层次分析法的优缺点 优点： 1. 系统性的分析方法层次分析法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。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。 2. 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。 3. 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策 过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。 缺点： 1. 不能为决策提供新方案层次分析法的作用是从备选方案中选择较优者。这个作用正 好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样， 我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。 2. 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的 观点做出 来的结果也和你的不一致，这个时候该如何解决？比如说，对于一件衣服，我认为评
层次分析法的优缺点 1）优点 （1）系统化的分析方法 层次分析法通过把研究对象视作一个系统，依照目标分解、相互比较、加权综合的思维模式进行决策，成为了继统计分析、机理分析之后第三个发展起来的进行系统分析的重要工具。系统化的思想在于各个因素对最终结果的影响是连续的，而在层次分析法中，最终的结果是由每一个层次的相对权重加权综合得到的，而且最终方案层对目标层的相对权重是经过量化的，非常的清晰和明确。这种方法尤其适用对无明显结构特性的系统进行评价以及对多段时期、多个目标、多个准则等系统的评价。 （2）方便实用的决策方法 层次分析法是将定性方法与定量方法有机地结合起来的评价方法，既不片面地追求高深的数学逻辑，又不单纯地注重主观行为、意识判断。层次分析法通过建立较为复杂的多层次结构，从而使人们的思维过程系统化和数学化，以便于人们更容易接受。而且通过同层次因素间的两两比较确定同层次元素相对于上一层次元素的相对权重后，能把多个目标、多个准则而且难以经过量化处理的决策问题转化为单目标多层次问题，然后进行较为简单的数学运算，得到各方案相对于总目标的相对权重，权重越高，越接近目标。权重最高的方案即为最优方案。运用层次分析法进行评价的整个过程简单明确，容易被使用者掌握。 （3）所需要的定量数据较少 层次分析法相对于一般的定量方法而言，更加注重定性的判断和分析。它所需要的数据主要来自于评价者对问题本质的理解和认识，来自于评价者的工作经验。层次分析法模拟实际中人脑在决策过程中的思维模式，建立多层次结构，通过判断矩阵的构造，分析得出各方案对目标的相对权重。利用这种分析模式，能够解决许多需要严格的数据支持的最优化方法所不能解决的实际问题。 2）缺点 （1）定性成分多，主观因素占比例较大 层次分析法在分析过程中，所利用的数据定性因素成分很大，例如判断矩阵的构造在很大程度上是依据专家的经验得到。这就导致，在层次分析法的评价中，主观成分大，说服力小，不易令人信服。 （2）不能提出新方案 层次分析法是对备选方案进行评价，从而选出最优方案。从这个层面考虑，层次分析法只能从备选方案中进行选择，而不能提出解决问题的新方案。而当备选方案本身具有很大的缺陷时，层次分析法则只能选出较为优秀的一个。也就是说，层次分析法没有一个非常客观、固定的评价标准，而只能在不同的方案中进行比较。因此，层次分析法要与SLP等能够提出确定合理的方案方法相结合使用。 （3）判断矩阵阶数较大时，难以计算 当需要对备选方案进行更准确、更详细、更合理的评价时，通常情况下会指定更多的评价目标和评价准则，这就导致层次结构更为复杂，判断矩阵阶数也会随之增加。在二到三阶的时候，计算还较为简便，但随着评价指标的增加，在计算上也会变得越来越困难。而且判断矩阵特征值和特征向量的精确计算过程很复杂，不过有三种较为简单的近似计算方法。分别是和法、根法和幂法。同时在这种情况下，可以借助计算机软件编程来进行分析与计算，如Matlab软件等。
层次分析法的优缺点资料 层次分析法（Analytic Hierarchy Process, AHP）是一种多准则决策分析方法，可用于解决复杂的决策问题，其中包括评估各种选择的各种方面的重要性。该方法的优缺点如下： 优点： 1. 综合性：层次分析法可以结合所有决策要素的数量特征，得出综合性分析结果。这意味着AHP不仅可以评估质量和成本等数值数据，也可以评估其他不可量化的想法和观念。 2. 相对性：层次分析法提供了一种将各个准则中不同元素之间关系的相对性纳入考虑的方法。这种相对性在实际的决策过程中很重要，因为很少有单个因素是完全独立的，各种因素之间往往是相互影响的。 3. 灵活性：层次分析法可以适应各种不同类型的决策问题。它并不要求决策者具备专业知识，而是允许他们使用日常经验和判断来决定各种因素的重要性。 4. 透明度：层次分析法将决策过程中的所有步骤都进行了明确的说明，使决策者能够清楚地看到决策结果的来源。这种透明度对于决策者来说很重要，因为他们需要知道决策结果的可靠性明确受哪些因素的影响。 1. 主观性：即使使用AHP方法，决策结果中的某些因素仍然是主观的，而不是完全客观的结果。这是因为AHP方法基于决策者的评估和评估，而不是基于可量化的数据。 2. 复杂性：尽管AHP具有很高的灵活性，但其实现却需要深入的方法和技巧知识。由于决策问题越来越复杂，AHP方法大规模应用时会变得非常繁琐，因此需要决策者具备实践方法的经验。 3. 经验限制性：决策者可能只能基于个人经验，而无法从完全可量化的数据统计中获得要素的权重，这可能会影响决策结果。 4. 敏感性：AHP方法对于输入数据的小变化非常敏感。如果有偏差或误差存在输入的数据中，那么整个决策结果可能会发生很大的变化，这会影响决策者对于决策结果的尊重和信任。
层次分析法的优点 系统性——将对象视作系统，按照分解、比较、判断、综合的思维方式进行决策。成为成为继机理分析、统计分析之后发展起来的系统分析的重要工具； 实用性——定性与定量相结合，能处理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，这种方法使得决策者与决策分析者能够相互沟通，决策者甚至可以直接应用它，这就增加了决策的有效性； 简洁性——计算简便，结果明确，具有中等文化程度的人即可以了解层次分析法的基本原理并掌握该法的基本步骤，容易被决策者了解和掌握。便于决策者直接了解和掌握。 层次分析法的局限 囿旧——只能从原有的方案中优选一个出来，没有办法得出更好的新方案； 粗略——该法中的比较、判断以及结果的计算过程都是粗糙的，不适用于精度较高的问题。；主观——从建立层次结构模型到给出成对比较矩阵，人主观因素对整个过程的影响很大，这就使得结果难以让所有的决策者接受。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(AHP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。 层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。
层次分析法的优缺点： 优点： 1.系统性的分析方法 层次分析法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。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。 2.简洁实用的决策方法 这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。 3.所需定量数据信息较少 层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。 缺点： 1.不能为决策提供新方案 层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。 2.定量数据较少，定性成分多，不易令人信服 在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出
模糊综合评价法和层次分析法比较模糊综合评价法和层次分析法是两种常见的决策支持方法，它们在不同的领域和情境下被广泛应用。本文将比较这两种方法，分析它们的优缺点以及适用范围。 一、模糊综合评价法 模糊综合评价法是一种基于模糊数学理论的决策方法，通过对评价指标的模糊化处理，将不确定性因素引入决策过程中。该方法的基本步骤包括问题建模、模糊化处理、建立模糊判断矩阵、确定权重和综合评价。 1. 优点 - 能够处理决策过程中的不确定性和模糊性，适用于评价指标难以量化的情况； - 能够灵活地应对不同的问题，适用性广泛； - 算法相对简单，易于操作和理解； - 能够考虑到多个因素之间的相互影响，综合了多个评价指标，提高了决策的准确性。 2. 缺点 - 对指标权重的确定比较主观，容易受到决策者的主观偏好影响； - 对评价指标的模糊化处理存在一定的主观性；
- 结果的可解释性相对较差，不利于分析和决策结果的有效传达。 二、层次分析法 层次分析法是一种基于分层结构的决策方法，通过构建层次结构模型，对决策问题进行分解和层次化处理，然后进行判断矩阵的构建和 权重的确定，最后综合得出最优方案。 1. 优点 - 相对客观可靠，能够减少主观因素对决策结果的影响； - 结果具有良好的可解释性和可比性； - 能够很好地反映各个评价指标之间的相对重要性； - 算法相对简单，易于操作。 2. 缺点 - 只能处理定性指标的权重确定问题，对定量指标的处理能力有限； - 在处理复杂决策问题时，模型可能变得庞大和复杂，计算量增加； - 在处理有环结构的问题时，可能会导致矛盾结果。 三、比较与适用范围 1. 比较 - 评价指标处理：模糊综合评价法将评价指标进行模糊化处理，层次分析法将评价指标进行层次化处理；
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。
层次分析法的优缺点 LT
层次分析法的优缺点 优点： 1. 系统性的分析方法层次分析法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。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。 2. 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步
骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。 3. 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。 缺点： 3.不能为决策提供新方案层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的
系统工程论文 浅谈层次分析法的优缺点 姓名： 学号： 专业班级： 成绩： 教师评语： 年月日
浅谈层次分析法的优缺点 （李建坤，0901021031，2009级；工程管理专业，合肥学院，230022） 【摘要】层次分析法是将决策总是有关的元素分解成目标、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。运用层次分析法有很多优点，其中最重要的一点就是简单明了。同时它也有很多的缺点，例如，不能为决策提供新方案、定量数据较少，定性成分多，不易令人信服、指标过多时数据统计量大，且权重难以确定等。 【关键词】层次分析法;优点;缺点 A Few words on the advantages and disadvantages of analytic hierarchy process (LiJiankun, 0901021031;2009level; the specialty of engineering management, Hefei university, 230022) [Abstract]Analytical hierarchy process (AHP) is the decision of the elements down into the always target, standards, scheme level, based on the qualitative and quantitative analysis for the decision-making method. Analytical hierarchy process (AHP) has a lot of advantages, one of the most important is simple and clear. At the same time it also has many shortcomings, for example, can't provide a new scheme for decision-making, quantitative data less, qualitative composition more, not easy convincing, index data statistics are too big, and weights are difficult to be determined, etc. [Keywords]Analytical Hierarchy Process; Advantages; disadvantages 正文 一、引言 层次分析法（Analytic Hierarchy Process简称AHP）是将决策总是有关的元素分解成目标、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。该方法是美国运筹学家匹茨堡大学教授萨蒂于本世纪70年代初，在为美国国防部研究"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