灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。 灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。 [2] 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。[2] 灰色关联分析的步骤[2] 灰色关联分析的具体计算步骤如下： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。 设参考数列（又称母序列）为Y={Y(k) | k= 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k) | k = 1,2,Λ,n},i= 1,2,Λ,m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。
科技信息 SCIENCE&TECHNOLOGY INFORMATION 2010年第17期 1关联度的概念 关联度是事物之间、因素之间关联性大小的量度。它定量地描述 了事物或因素之间相互变化的情况，即变化的大小、方向与速度等的 相对性。如果事物或因素变化的态势基本一致，则可以认为它们之间 的关联度较大，反之，关联度较小。对事物或因素之间的这种关联关 系，虽然用回归、相关等统计分析方法也可以做出一定程度的回答，但 往往要求数据量较大、数据的分布特征也要求比较明显。而且对于多 因素非典型分布特征的现象，回归相关分析的难度常常很大。相对来 说，灰色关联度分析所需数据较少，对数据的要求较低，原理简单，易 于理解和掌握，对上述不足有所克服和弥补。 2关联度的计算 灰色关联度分析的核心是计算关联度。一般说来，关联度的计算 首先要对原始数据进行处理，然后计算关联系数，由此就可计算出关 联度。 2.1原始数据的处理 由于各因素各有不同的计量单位，因而原始数据存在量纲和数量 级上的差异，不同的量纲和数量级不便于比较，或者比较时难以得出 正确结论。因此，在计算关联度之前，通常要对原始数据进行无量纲化 处理。其方法包括初值化、均值化等。 2.1.1初值化。即用同一数列的第一个数据去除后面的所有数据，得 到一个各个数据相对于第一个数据的倍数数列，即初值化数列。一般 地，初值化方法适用于较稳定的社会经济现象的无量纲化，因为这样 的数列多数呈稳定增长趋势，通过初值化处理，可使增长趋势更加明 显。比如，社会经济统计中常见的定基发展指数就属于初值化数列。 2.1.2均值化。先分别求出各个原始数列的平均数，再用数列的所有 数据除以该数列的平均数，就得到一个各个数据相对于其平均数的倍 数数列，即均值化数列。一般说来，均值化方法比较适合于没有明显升 降趋势现象的数据处理。 2.2计算关联系数 设经过数据处理后的参考数列为： {x0(t)}＝{x01，x02，…，x0n} 与参考数列作关联程度比较的p个数列(常称为比较数列)为： {x1(t)，x2(t)，…，x p(t)}＝ x11x12…x1n x21x22…x2n ………… x p1x p2…x pn 上式中，n为数列的数据长度，即数据的个数。 从几何角度看，关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡比较数列与参考数列的曲线形状接近，则两者间的关联度较大；反之，如果曲线形状相差较大，则两者间的关联度较小。因此，可用曲线间的差值大小作为关联度的衡量标准。 将第k个比较数列(k＝1，2，…，p)各期的数值与参考数列对应期的差值的绝对值记为： Δok(t)=x0(t)-x k(t)t＝1，2，…，n 对于第k个比较数列，分别记n个Δok(t)中的最小数和最大数为Δok(min)和Δok(max)。对p个比较数列，又记p个Δok(min)中的最小者为Δ(min)，p个Δok(max)中的最大者为Δ(max)。这样Δ(min)和Δ(max)分别是所有p个比较数列在各期的绝对差值中的最小者和最大者。于是，第k个比较数列与参考数列在t时期的关联程度(常称为关联系数)可通过下式计算： ζok(t)=Δ(min)+ρΔ(max) ok 式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响。人为引入这个系数是为了提高关联系数之间的差异显著性。0＜ρ＜1。 可见，关联系数反映了两个数列在某一时期的紧密程度。例如，在使Δok(t)＝Δ(min)的时期，ζok(t)＝1，关联系数最大；而在使Δok(t)＝Δ(max)的时期，关联系数最小。由此可知，关联系数变化范围为0＜ζok(t)≤1。 显然，当参考数列的长度为n时，由p个比较数列共可计算出n×p个关联系数。 2.3求关联度 由于每个比较数列与参考数列的关联程度是通过n个关联系数来反映的，关联信息分散，不便于从整体上进行比较。因此，有必要对关联信息作集中处理。而求平均值便是一种信息集中的方式。即用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度，其计算公式为： r ok=1 n n i=1 Σζok(t) 式中，r ok为第k个比较数列与参考数列的关联度。 不难看出，关联度与比较数列、参考数列及其长度有关。而且，原始数据的无量纲化方法和分辩系数的选取不同，关联度也会有变化。 2.4排关联度 由上述分析可见，关联度只是因素间关联性比较的量度，只能衡量因素间密切程度的相对大小，其数值的绝对大小常常意义不大，关键是反映各个比较数列与同一参考数列的关联度哪个大哪个小。 当比较数列有p个时，相应的关联度就有p个。按其数值的大小顺序排列，便组成关联序。它反映了各比较数列对于同一参考数列的“主次”、“优劣”关系。 灰色关联度分析方法的运用之一，就是因素分析。在实际工作中，影响一个经济变量的因素很多。但由于客观事物很复杂，人们对事物的认识有信息不完全性和不确定性，各个因素对经济总量的影响作用不是一下子就能够看清楚的，需要进行深入的研究，这就是经济变量的因素分析。运用灰色关联度进行因素分析是非常有效的，而且特别适用于各个影响因素和总量之间不存在严格数学关系的情况。 例1：利用关联度分析方法研究某公路施工企业工资序列（表1）。 表1某公路施工企业工资序列表单位：千元 根据表1中数据，以工资总额为参考数列x0(t)，以计时工资x1(t)、档案工资x2(t)和承包工资x3(t)为比较数列，计算三种工资对于工资总额的关联度。 第一步，对各数列作均值化处理。 工资总额和三种工资的均值分别为： 浅议灰色关联度分析方法及其应用 孙芳芳 (濮阳市公路管理局河南濮阳457000) 【摘要】灰色关联度是灰色数学中的一种方法，用来研究事物相互关联、相互作用的复杂因素的影响作用，确定影响事物的本质因素，使各种影响因素之间的“灰色”关系清晰化。本文介绍了灰色关联度在实际工作中的分析方法和步骤，为定量描述事物或因素之间相互变化的情况提供了理论依据。 【关键词】灰色关联度；分析方法；综合评价；应用 年份工资总额计时工资档案工资承包工资 200313974.23831.06587.23556.0 200415997.64228.07278.04491.6 200517681.35017.07717.44946.9 200620188.35288.69102.25797.5 200724020.35744.011575.26701.0 x i軃18372.34821.78450.05098.6○公路与管理○ 880
二、模型的假设 1、假设我们所统计和分析的数据，都是客观真实的； 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，具有典型性和普遍性，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、全面地分析和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，再根据计算成对比较矩阵的特征值获得权重向量k W . Step1. 构造成对比较矩阵 假设比较某一层k 个因素12,,,k C C C 对上一层因素ο的影响，每次两个因素i C 和j C ，用ij C 表示i C 和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 >，1 ij ji C 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 1 i 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 9 i C 比j C 的影响绝对地强 2,4,6,8 i C 与j C 的影响之比在上述两个相邻等级之间 11 ,,29 i 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 k k k kk Q q q q ，其中的ik q 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 和相应的特征向 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 ：
2 灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?= =?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区 间上的灰数。不难看出，△ij (t)的最小值是min ?，
复杂系统决策模型与层次分析法
费用居住饮食交通例3?科研课题 科研课題 承徳 可行性 实用价值学 术 意 义 人 才 培 养 §3.4复杂系统决策模型与层次分析法 Analitic Hierachy Process （AHP） T. L. Saaty 1970* —种定性和定量相结合的、系统化、层次化的分析方法。—?问题举例 1.在海尔、新飞、容声和雪花四个牌号的电冰箱中选购一种。要考虑品牌的信誉、冰箱的功能、价格和耗电量。 2.在泰山、杭州和承德三处选择一个旅游点。要考虑景点的景色、居住的环境、饮食的特色、交通便利和旅游的费用。 3.在基础研究、应用研究和数学教育中选择一个领域申报科研课题。要考虑成果的贡献（实用价值、科学意义），可行性（难度、周期和经费）和人才培养。 -?模型和方法 1.层次结构模型的构造 步骤一：确定层次结构，将决策的目标、考虑的因素（决策准则）和决策对象按它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。 对于相邻的两层，称高层为目标层，低层为因素层。 例1.选购冰箱迭购冰箱步骤二：通过相互比较，确定下一 层各因素对上一层目标的影响的权重，将定性的判断定量化，即构 造因素判断矩阵。 例2.
步骤三：由矩阵的特征值确定判别的一致性；由相应的特征向量表示各因素的影响 权重，计算权向量。 步骤四：通过综合计算给出最底层（各方案）对最高层（总目标）影响的权重， 权重最大的方案即为实现目标的最由选择。 2. 因素判断矩阵 比较n 个因素y 二（y“兀,…,yJ 对目标z 的影响. 采用两两成对比较，用弘表示因素y ：与因素力对目标z 的影响程度之比。 通常用数字r 9及其倒数作为程度比较的标度，即九级标度法 Xi/Xj 相当 较重要 重要 很重要绝对重要 Si ； 1 3 5 7 9 2, 4, 6, 8 居于上述两个相邻判断之间。 当弘＞ 1时，对目标Z 来说Xi 比X ：重要，其数值大小表示重要的程度。 同时必有3二1/氐＜1,对目标Z 来说X ：比血不重要，其数值大小表示不重 要的程度。 称矩阵A = （ aij ）为因素判断矩阵。 因为＞0且a.i =1/ 故称A 二（％ ）为正互反矩阵。 例.选择旅游景点Z ：目标，选择景点 y ：因素，决策准则 如果a ￡j a jk =a ik i, j, k=l, 2,n.则称正互反矩阵A 具有一致性.这表明对 各个因素所作的两两比较是可传递的。 —致性互正反矩阵A=（如）具有性质： A 的每一行例）均为任意指定行（列）的正数倍数，因此wnk （A ）二1. A 有特征值九二n,其余特征值均为零. 记A 的对应特征值九二n 的特征向量为w 二（w : w 2,…，wj 贝IJ a ￡j 二w, w ；1 如果在目标Z 中n 个因素y= (yi, y 2,…,yj 所占比重分别为w 二(w 】w?,…，wj, 则 =1,且因素判断矩阵为A=(w i w ；1) o 因此，称一致性正互反矩阵A 相应于特征值n 的归一化特征向量为因素 y= (yi> y?,…,yJ 对目标z 的权向量 4. 一致性检验与因素排序 定理1： n 阶正互反矩阵A 是一致性的当且仅当其最大特征值为n. 定理2：正互反矩阵具有模最大的正实数特征值九，其重数为1,且相应特征向量 为正向量. 为刻画n 阶正互反矩阵A=(如)与一致性接近的程度，定义一致性指标(Consensus index): 1 2 7 5 5 1/2 1 4 3 3 4 = 1/7 1/4 1 1/2 1/3 1/5 1/3 I 1 J/5 1/3 3 1 1 yi 费用, 景色, ys 居住, 3.—致性与权向量 yi 饮食，ys 交通
灰色关联分析法原理及解题步骤 ---------------研究两个因素或两个系统的关联度（即两因素变化大小,方向与速度的相对性） 关联程度——曲线间几何形状的差别程度 灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。 灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密 1>曲线越接近,相应序列之间的关联度就越大,反之就越小 2>灰色关联度越大，两因素变化态势越一致 分析法优点 它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。 灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定 参考数列——反映系统行为特征的数据序列 比较数列——影响系统行为的因素组成的数据序列 2》无量纲化处理参考数列和比较数列 （1）初值化——矩阵中的每个数均除以第一个数得到的新矩阵
（2）均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵 （3）区间相对值化 3》求参考数列与比较数列的灰色关联系数ξ（Xi） 参考数列X0 比较数列X1、X2、X3…………… 比较数列相对于参考数列在曲线各点的关联系数ξ（i） 称为关联系数，其中ρ称为分辨系数，ρ∈（0，1），常取0.5.实数第二级最小差，记为Δmin。两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式： 4》求关联度ri 关联系数——比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线
第五章灰色关联度分析 目录 壹、何谓灰色关联度分析----------------------------------------- 5-2 贰、灰色联度分析实例详说与练习 ---------------------------- 5-8 负责组员 工教行政硕士班二年级 周世杰591701017 陶虹沅591701020 林炎莹591701025
第五章灰色关联度分析 壹、何谓灰色关联度分析 一.关联度分析 灰色系统分析方法针对不同问题性质有几种不同做法，灰色关联度分析(Grey Relational Analysis)是其中的一种。基本上灰 色关联度分析是依据各因素数列曲线形状的接近程度做发展 态势的分析。 灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素) 之间的数值关系。简言之，灰色关联度分析的意义是指在系统 发展过程中，如果两个因素变化的态势是一致的，即同步变化 程度较高，则可以认为两者关联较大；反之，则两者关联度较 小。因此，灰色关联度分析对于一个系统发展变化态势提供了 量化的度量，非常适合动态(Dynamic)的历程分析。 灰色关联度可分成「局部性灰色关联度」与「整体性灰色关联度」两类。主要的差别在于「局部性灰色关联度」有一参 考序列，而「整体性灰色关联度」是任一序列均可为参考序列。 二.直观分析 依据因素数列绘制曲线图，由曲线图直接观察因素列间
的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。 表一某一老师给学生的评分表单位：分/ % 由曲线图直观分析，是可大略分析因素数列关联度，可看出考试成绩与总成绩曲线形状较接近，故较具关联度，但若能以量化分析予以左证，将使分析结果更具有说服力。
第四讲层次分析法 在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。 比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化，构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次： （1） 最高层（目标层）：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； （2） 中间层（准则层）：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； （3） 最低层（方案层）：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。 比如旅游景点问题，我们可以得到下面的决策系统： 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从额确定它们在目标中占的比重。如旅游问题中，五个准则对于不同决策者在进行决策是肯定会有不同的重要程度，而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的
灰色关联分析法原理及解题步骤
灰色关联分析法原理及解题步骤 ---------------研究两个因素或两个系统的关联度（即两因素变化大小,方向与速度的相对性） 关联程度——曲线间几何形状的差别程度 灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。 灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密 1>曲线越接近,相应序列之间的关联度就越大,反之就越小 2>灰色关联度越大，两因素变化态势越一致 分析法优点 它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。 灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定 参考数列——反映系统行为特征的数据序列 比较数列——影响系统行为的因素组成的数据序列 2》无量纲化处理参考数列和比较数列 （1）初值化——矩阵中的每个数均除以第一个数得到的新矩阵
（2）均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵 （3）区间相对值化 3》求参考数列与比较数列的灰色关联系数ξ（Xi） 参考数列X0 比较数列X1、X2、X3…………… 比较数列相对于参考数列在曲线各点的关联系数ξ（i） 称为关联系数，其中ρ称为分辨系数，ρ∈（0，1），常取0.5.实数第二级最小差，记为Δmin。两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式： 4》求关联度ri 关联系数——比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻
数学建模算法--复杂系统决策模型与层次分析法 §3.4 复杂系统决策模型与层次分析法 Analitic Hierachy Process (AHP) T.L.Saaty 1970’ 一种定性和定量相结合的、系统化、层次化的分析方法。 一. 问题举例 1. 在海尔、新飞、容声和雪花四个牌号的电冰箱中选购一种。要考虑品牌的信誉、冰箱的功能、价格和耗电量。 2. 在泰山、杭州和承德三处选择一个旅游点。要考虑景点的景色、居住的环境、饮食的特色、交通便利和旅游的费用。 3. 在基础研究、应用研究和数学教育中选择一个领域申报科研课题。要考虑成果的贡献（实用价值、科学意义），可行性（难度、周期和经费）和人才培养。 二. 模型和方法 1. 层次结构模型的构造 步骤一：确定层次结构，将决策的目标、考虑的因素（决策准则）和决策对象按它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。 对于相邻的两层，称高层为目标层，低层为因素层。 例 1. 选购冰箱 例2. 旅游景点 例3. 选购冰箱 品牌 功能 价格 耗电 海尔 新飞 容声 雪花 旅游景点 居住 景色 费用 饮食 交通 泰山 杭州 承德 科研课题 贡献 可行性 实 用 价 值 学 术 意 义 人 才 培 养 难 度 周 期 经 费 基础 应用 教育
步骤二： 通过相互比较，确定下一层各因素对上一层目标的影响的权重，将定性的判断定量化，即构造因素判断矩阵。 步骤三：由矩阵的特征值确定判别的一致性；由相应的特征向量表示各因素的影响权重，计算权向量。 步骤四： 通过综合计算给出最底层（各方案）对最高层（总目标）影响的权重，权重最大的方案即为实现目标的最由选择。 2. 因素判断矩阵 比较n 个因素y=(y 1,y 2,…,y n )对目标 z 的影响. 采用两两成对比较，用a ij 表示因素 y i 与因素y j 对目标z 的影响程度之比。 通常用数字 1~ 9及其倒数作为程度比较的标度， 即九级标度法 x i /x j 相当 较重要 重要 很重要 绝对重要 a ij 1 3 5 7 9 2, 4, 6, 8 居于上述两个相邻判断之间。 当a ij > 1时，对目标 Z 来说 x i 比 x j 重要, 其数值大小表示重要的程度。 同时必有 a ji = 1/ a ij ≤1，对目标 Z 来说 x j 比 x i 不重要，其数值大小表示不重要的程度。 称矩阵 A = （ a ij ）为因素判断矩阵。 因为 a ij >0 且 a ji =1/ a ij 故称A = (a ij )为正互反矩阵。 例. 选择旅游景点 Z ：目标，选择景点 y ：因素，决策准则 y 1 费用，y 2 景色，y 3 居住，y 4 饮食，y 5 交通 3. 一致性与权向量 如果 a ij a jk =a ik i, j, k=1,2,…,n， 则称正互反矩阵A 具有一致性. 这表明对各个因素所作的两两比较是可传递的。 一致性互正反矩阵A=( a ij )具有性质: A 的每一行(列)均为任意指定行(列)的正数倍数,因此 rank(A)=1. A 有特征值λ=n, 其余特征值均为零. 记A 的对应特征值λ=n 的特征向量为w=(w 1 w 2 ,…, w n ) 则 a ij =w i w j -1 如果在目标z 中n 个因素y=(y 1,y 2,…,y n )所占比重分别为w=(w 1 w 2 ,…, w n ), 则 ∑i w i =1, 且因素判断矩阵为 A=(w i w j -1) 。 因此，称一致性正互反矩阵A 相应于特征值n 的归一化特征向量为因素y=(y 1,y 2,…,y n )对目标z 的权向量 4. 一致性检验与因素排序 定理1: n 阶正互反矩阵A 是一致性的当且仅当其最大特征值为 n. 定理2: 正互反矩阵具有模最大的正实数特征值λ1, 其重数为1, 且相应特征向量为正向量. 为刻画n 阶正互反矩阵A=( a ij )与一致性接近的程度, 定义一致性指标(Consensus index) : CI=(λ1-n)/(n-1) CI = 0, A 有完全的一致性。CI 接近于 0, A 有满意的一致性 。 Saaty 又引入平均随机一致性指标RT n 1 2 3 4 5 6 7 8 9 RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 当CR = CI / RI < 0.1 时, 认为A 有满意的一致性。 ????????????????=1133/15/11123 /15/13/12/114/17/133412/155 721A
题目灰色关联分析及其应用 学生姓名魏婧学号 1109014115 所在学院数学与计算机科学学院 专业班级数学与应用数学数教1101班 指导教师马引弟 完成地点陕西理工学院 2015年06月08日
灰色关联分析及其应用 魏婧 （陕西理工学院数计学院数学与应用数学（师范类)专业数教1101班,陕西汉中 723000） 指导教师：马引弟 [摘要] 本文对灰色关联分析相关理论进行研究和总结,通过建立教师教育教学的评价指标体系,用灰色关联度模型进行决策,将定性与定量方法有机结合,使决策简单清晰,计算简单,便于实用. [关键词] 灰色关联分析;教育教学;评价;决策 1 引言 灰色系统理论是20世纪80年代,由中国华中理工大学邓聚龙教授首次在“含未知数系统的控制问题”的学术报告中提出“灰色系统”一词,它是以数学理论为基础的系统工程学科,为灰色系统理论鉴定基础[1].自灰色系统理论诞生以来,灰色关联分析理论作为其中最重要 的一部分就受到学术界的广泛关注.它不仅是灰色系统理论的重要组成部分,也是灰色系统、预测和决策的基石. 随着灰色系统在各个方面的推广、应用,对灰色关联分析的关注也越来越多,同时也存在一些不足.因此,为了更好的将灰色关联应用到实际生活中,对灰色关联分析理论探讨及实际应用进行研究是十分必要的. 党的十八大明确提出深化教育领域综合改革,努力办好人民满意的教育,要坚持教育优先发展,全面贯彻党的教育方针,对教师进行教育教学评价是十分有必要的.由于影响教师教育教学评价的因素很多,如何建立灰色关联模型进行合理的评价,是灰色关联分析应用实际教育教学评价体系的重点. 2 灰色关联分析概述 灰色关联分析理论的基本思想就是根据描述所研究系统指标序列曲线的几何形状与所选的标准系统指标序列曲线的相似程度来判断它们的关联程度是否紧密[1].曲线形状越接近,说明相对应的指标序列关联程度越大;曲线形状差异越大,说明相对应的指标序列的关联程度越小. 由此可以看出,对于如何定义关联度以及关联度的计算方法是灰色关联分析理论的重要组成部分[2].同时在进行关联分析时,必须先确定参考序列,然后比较其他序列的接近程度, 这样才能对其他序列进行比较,进而做出判断. 2.1灰色关联主要基本概念 X为表征系统特征行为的量,其在序号k上的观测数据为定义1[1]:设
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 k
2灰色关联分析
精品资料 仅供学习与交流，如有侵权请联系网站删除 谢谢2 2 灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因 素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为 ｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?==?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区间上的灰数。不难看出，△ij (t)的最小值是min ?，
1.地梭梭生长量与气候因子的关联分析 下表为1995年3年梭梭逐月生长量（X0）、月平均气温（X1）、月降水量（X2）、月日照（X3）时数和月平均相对湿度（X4）的原始数据，试排出影响梭梭生长的关联序，并找出主要的影响因子。 灰色系统理论提出了灰色关联度的概念，它是提系统中两个因素关联性大小的量度，关联度的大小直接反映系统中的各因素对目标值的影响程度。运用灰色关联分析法进行因素分析的一般步骤为： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。（Y）设参考数列（又称母序列）为Y = {Y （k）| k = 1，2，Λ，n}；影响系统行为的因素组成的数据序列，称比较数列。（X）比较数列（又称子序列）Xi = {Xi（k）| k = 1,2,Λ,n}，i = 1，2，Λ，m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此为了保证结果的可靠性，在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。 第三步，计算关联系数。X 0（k）与x i （k）的关联系数 记，则 ，称为分辨系数。ρ越小，分辨力越大，一般ρ的取值区间为(0,1),具体
取值可视情况而定。当时，分辨力最好，通常取ρ = 。 ξi（k）继比较数列xi的第k个元素与参考数列xo的第k个元素之间的关联系数。 第四步，计算关联度 因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下： 第五步，关联度排序 关联度按大小排序，如果r1 < r2，则参考数列y与比较数列x2更相似。 在算出Xi（k）序列与Y（k）序列的关联系数后，计算各类关联系数的平均值，平均值ri就称为Y（k）与Xi（k）的关联度。 本题解答过程： 第一步：数据处理 X 0（k）= {，，，，13，，18，，，，8，1 } X 1（k）= {，，10，，，，，，22，18，， } X 2（k）= {17，，，，，，，，，，， } X 3（k）= {，，，137，，，，，，84，， } X 4（k）= {81，79，75，75，77，79，83，86，83，82，81，82}
灰色关联分析法 根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，来衡量因素间关联程度。灰色关联分析法的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。 根据评价目的确定评价指标体系， 为了评价×××我们选取下列评价指标： 收集评价数据（此步骤一般为题目中原数据，便省略） 将m 个指标的n 组数据序列排成m*n 阶矩阵： '' ' 12''' '''1212''' 1 2(1)(1)(1)(2)(2)(2)(,,,)()() ()n n n n x x x x x x X X X x m x m x m ?? ? ? = ? ? ??? 对指标数据进行无量纲化 为了消除量纲的影响，增强不同量纲的因素之间的可比性，在进行关联度计 算之前，我们首先对各要素的原始数据作...变换。无量纲化后的数据序列形成如下矩阵： 01010101(1)(2) (1)(2)(2)(2)(,,,)()()()n n n n x x x x x x X X X x n x n x n ?? ? ?= ? ??? 确定参考数据列 为了比较...【评价目的】，我们选取...作为参考数据列，记作 ''''0000((1),(2),,())T X x x x n = 计算0()()i x k x k -，得到绝对差值矩阵 求两级最小差和两级最大差 01 1min min ()()min(*,*,*,*,*,*)*n m i i k x k x k ==-== 01 1 max max ()()max(*,*,*,*,*,*)*n m i i k x k x k ==-== 求关联系数 由关联系数计算公式0000min min ()()max max ()() ()()()max max ()() i i i k i k i i i i k x k x k x k x k k x k x k x k x k ρζρ-+?-= -+?-，取 0.5ρ＝，分别计算每个比较序列与参考序列对应元素的关联系数，得关联系数如 下：
五灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： rxy=ryx，即因素y对因素 x的相关程度与因素x对因素y的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x1，x2，…，xN为N个因素，反映各因素变化特性的数据列分别为 ｛x1(t)｝，｛x2(t)｝，…｛xN(t)｝，t=1，2，…，M。因素xj对xi的关联系数定义为 ξij(t)=?min+k?max ?ij(t)+k?maxt=1,2,3, ,M(1) (5)式中，ξij(t)为因素xj对xi在t时刻的关联系数； ?ij(t)=|xi(t)-xj(t)|,?max=maxmax?ij(t),?min=minmin?ij(t);k为介于[0，1]区jjjj 间上的灰数。不难看出，△ij(t)的最小值是?min， 当它取最小值时，关联系数ξij(t)取最大值maxξij(t)=1;?ij(t)的最大值为i ?max，当它取最大值时，关联系数ξij(t)取最小值minξij(t)=i?min1? k+ 1+k??max??，即? ξij(t)是一个有界的离散函数。若娶灰色k的白化值为1，则有 1??min 1+2??max??≤ξij(t)≤1?(2) 在实际计算时，取?min=0，这时有 0.5≤ξij≤1(3) 作出函数ξij=ξij(t)随时间变化的曲线，它就被称之为关联曲线。图中的水平线，说明任何时刻的关联系数为1，它代表xi与xi本身的关联曲线ξij≡1，因为自己与自己总可以认为是密切关联的。