层次分析法判断矩阵求权值以及一致性检验程序
- 格式:doc
- 大小:63.50 KB
- 文档页数:5
层次分析法判断矩阵求权值以及一致性检验程序层次分析法(Analytic Hierarchy Process,AHP)是一种用于多准则决策的数学模型和方法。
它是由美国管理学家托马斯·L·赛蒙在20世纪70年代提出的。
AHP方法能够帮助决策者在多个准则和多个选择之间进行有效的决策,通过定量和定性的方式来对选择进行评估和比较。
在AHP方法中,决策问题被分解成一个层次结构,其中包含目标层、准则层和选择层。
每个层次都有不同的准则和可能的选择。
决策者需要对每个层次中的准则和选择进行配对比较,从而确定它们之间的重要性和权重。
通过对一系列两两比较的判断矩阵求权值,最终得到每个准则和选择的权重,进而做出最终决策。
下面是一种求解AHP中矩阵权值和进行一致性检验的程序:1. 建立判断矩阵:根据决策问题的结构,建立一个判断矩阵。
判断矩阵的大小是n×n,其中n是比较对象的数量。
矩阵的每个元素(a_ij)表示第i个对象相对于第j个对象的重要性或影响程度。
2. 进行两两比较:对矩阵的每个元素(a_ij),决策者需要进行两两比较,确定它们之间的相对重要性。
比较的结果可以使用系数1-9进行量化,其中1表示相等重要性,9表示绝对重要性的差异。
3.归一化判断矩阵:将比较得到的判断矩阵归一化,使得每一列的元素之和等于1、这可以通过将每个元素除以其所在列的元素之和来实现。
4.求解权值:通过归一化后的判断矩阵,可以计算每个对象的权重。
权重可以通过计算每一行的元素之和来得到。
5.计算一致性指标:在AHP方法中,一致性是指判断矩阵中的数值是否在合理范围内。
为了检验一致性,需要计算一致性指标。
一致性指标的计算方法是通过求解最大特征值和一致性比率来得到。
6.进行一致性检验:计算一致性指标后,需要将其与预先给定的随机一致性指标进行比较。
如果计算得到的一致性指标小于预先给定的一致性指标,则认为判断矩阵中的数值具有一致性。
层次分析法的具体步骤(1)建立层次结构模型如上所述,家纺纺织产业实施循环经济评价指标体系可被分为四层,最上层为最高层(目标层),即纺织企业循环经济各个方面的综合水平;第二层为准则层,即相互独立、分别隶属于总系统层的子系统;第三层为指数层,是对准则层的进一步细分和阐述;最底层为指标层,该层隶属于准则层,是对纺织企、Ek循环经济各个方面具体的评价指标。
在层次分析法巾多采用三层分析,即目标层、准则层和指标层。
(2)构造比较判断矩阵根据层次结构模型,通过对某层次中各元素的相对重要性做出比较判断,即对于上一层次某一推则而言,在其下一层次中所有与之相关的元素中依次两两比较,从而得出逐层进行判断评分,进而构成两两判断矩阵,如表6—2所示。
如A1,A2,…,久,在考虑相对上一层准则H:前提下构造判断矩阵H‘—A。
具体的做法是:先将矩阵左侧的指标A1依次与矩阵上边一排所列的指标Al—A。
相对于目标Hf做两两比较,比较结果按AHP法设计的范围标度(表6—3)对它的重要性给予量化,并相应填入矩阵第一行;接着依次用左列指标A2,A3,…,A4重复进行上述比较,以完成矩阵的第二行至第n行。
对于每个准则层以及每个准则下的指标群,进行同样过程,这样也就形成了多级比较判断矩阵。
AHP采用这种标度方法,不仅能克服一些指标和指标子系统无标度情况下无法测量、统计等困难,而且这种标度法有特定的科学依据,这主要表现为:第一。
实验心理学有关研究表明,人们对不同程度刺激的感觉区别,最佳的区别个数为7土2,若取其最大的极限,恰好是9个。
也就是说,人们对某个事物的属性同时进行比较,要使其前后的判断基本保持一致,最多只能对9个不向事物向时进行比较判断。
按照人们惯用的相邻标度差为1的离散标度值确定法,对1—9种事物进行比较判别时,其比例标度恰好为[1,9]间的整数。
第二,人们在估计事物问区别时,习惯采用五种判断表述:相等、较强、强、4硼、绝对强。
若需要更高精度,还可在这五种相邻判断之间做出比较,这样共有9个等级。
层次分析法步骤及案例分析层次分析法(AHP)是一种通过对比判断不同因素的重要性来进行决策的方法。
它由匹兹堡大学的数学家托马斯·萨蒙在20世纪70年代初提出,并逐渐应用于各个领域。
本文将介绍层次分析法的步骤,并通过一个实际案例来进行分析。
一、层次分析法的步骤层次分析法主要包括以下几个步骤:1. 确定层次结构:首先,需要明确决策问题的层次结构。
将问题划分为若干个层次,从总目标到具体的子目标,形成一棵树状结构。
例如,在一个购车的决策问题中,总目标可以是“选择一辆适合自己的车”,下面的子目标可以包括“价格”、“外观”、“安全性”等因素。
2. 构造判断矩阵:在每个层次中,需要对不同因素之间的两两比较进行判断。
判断可以基于专家经验、问卷调查或实际数据。
对于两两比较,通常采用一个1到9的比较尺度,其中1表示相等,3表示略微重要,5表示中等重要,7表示强烈重要,9表示绝对重要。
如果因素A相对于因素B的重要性大于1,则B相对于A的重要性是1/A。
3. 计算权重向量:根据判断矩阵中的比较结果,可以计算出每个层次中各个因素的权重向量。
通过对判断矩阵的特征值和特征向量进行计算,可以得到各个因素的权重。
4. 一致性检验:在进行层次分析时,需要检验判断矩阵的一致性。
一致性是指在两两比较中的逻辑关系的一致性。
通常使用一致性指数和一致性比率来判断判断矩阵的一致性程度。
5. 综合评价:通过将各层次中因素的权重向量进行乘积运算,并将结果汇总得到最后的评价结果。
在这一步骤中,可以对不同的决策方案进行排序或进行多目标决策。
二、案例分析为了更好地了解层次分析法的应用,我们来看一个实际案例。
假设某公司需要选择新的供应商,供应商选择的主要考虑因素包括产品质量、交货周期和价格。
我们可以按照以下步骤进行决策:1. 确定层次结构:总目标是选择合适的供应商,下面的子目标是产品质量、交货周期和价格。
2. 构造判断矩阵:对于每个子目标,可以进行两两比较。
层次分析法实验报告层次分析法实验报告一、引言层次分析法(Analytic Hierarchy Process,简称AHP)是一种多准则决策方法,由美国运筹学家托马斯·L·塞蒂(Thomas L. Saaty)于1970年提出。
该方法通过对决策问题进行层次结构分解,建立判断矩阵,计算权重,最终得出决策结果。
本实验旨在通过使用层次分析法解决一个实际问题,验证该方法在决策问题中的应用效果。
二、实验目的1. 了解层次分析法的基本原理和步骤;2. 掌握构建层次结构和判断矩阵的方法;3. 熟悉计算权重和一致性检验的过程;4. 验证层次分析法在决策问题中的实际应用效果。
三、实验过程1. 确定决策问题:选择一个实际的决策问题,例如购买一台新电脑;2. 构建层次结构:将决策问题分解为准则层、子准则层和方案层,形成层次结构;3. 制作判断矩阵:对每个层次的元素进行两两比较,根据重要性进行评分,构建判断矩阵;4. 计算权重:通过特征向量法计算每个层次的权重;5. 一致性检验:计算一致性指标,判断判断矩阵是否合理;6. 决策结果:根据权重计算得出最终的决策结果。
四、实验结果在购买新电脑的决策问题中,我们构建了准则层、子准则层和方案层的层次结构。
准则层包括性能、价格和品牌三个元素;子准则层包括CPU、内存、硬盘、显卡和屏幕五个元素;方案层包括若干个不同品牌和型号的电脑。
通过对每个层次的元素进行两两比较,我们制作了判断矩阵。
以性能为例,我们对CPU、内存、硬盘、显卡和屏幕进行了两两比较,根据其重要性进行评分。
同样地,我们对价格和品牌也进行了两两比较,得到了相应的判断矩阵。
接下来,我们通过特征向量法计算了每个层次的权重。
将判断矩阵的列向量归一化后,求得特征向量,并计算了每个元素的权重。
通过一致性检验,我们发现判断矩阵的一致性指标在合理范围内,说明判断矩阵的构建是可靠的。
最终,根据权重计算得出了最佳决策结果。
层次分析法及Matlab程序一、层次分析法简介层次分析法(Analytic Hierarchy Process,简称AHP)是一种用于决策分析的工具,由美国数学家托马斯·L·萨蒂(Thomas L. Saaty)在1970年代创立。
AHP通过将决策问题划分为多个层次和多个因素,将主要因素和次要因素划分归纳,以定量化的方法分析各因素间优先级的关系,从而对决策方案进行综合评价。
AHP的基本原理是通过构造判断矩阵、计算判断矩阵的特征向量、确定权重,最终得到决策方案的优先级,从而找到最终的最优决策方案。
其主要优点是可定量化、简单易行,适用于大部分决策问题。
二、层次分析法的步骤AHP的具体步骤如下:1.确定决策目标;2.确定影响决策的因素,并将它们分成若干类别,即形成层次结构;3.为每个因素构建判断矩阵,评估每个因素的重要程度(用1~9的数字表示);4.将各判断矩阵进行一致性检验,并计算其权重;5.对计算得到的权重进行优先级排序,选出最优决策方案。
三、Matlab程序实现AHP计算在Matlab中,可以通过编写程序实现AHP的计算。
以下是一份简单的Matlab 程序,用于计算AHP的权重:% 输入判断矩阵A = [1 4 5;1/4 1 2;1/5 1/2 1];% 计算特征向量[V, D] = eig(A);[m, idx] = max(max(D));w = V(:,idx)';w = w/sum(w);% 一致性检验RI = [0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49];CR = (max(D) - 3)/2/RI(length(A));CI = sum(CR)/length(A);if CI < 0.1disp('一致性较好,权重为:');disp(w);elsedisp('一致性差,需重新评估判断矩阵!');end该程序用于计算一个3x3的判断矩阵的权重,并输出一致性检验的结果。
层次分析法1)建立层次结构模型:(2)构造判断矩阵判断矩阵()ij A a =应为正互反矩阵,而且ij a 的判断如下(1~9尺度法):(3)单层排序及一致性检验1、单层排序求解判断矩阵A 的最大特征值max λ,再由最大特征值求出对应的特征向量ω()max A ωλω=,并将ω标准化,即为同一层相对于上一层某一因素的权重,根据此权重的大小,便可确定该层因素的排序。
2、一致性检验取一致性指标max 1nCI n λ-=-,(n 为A 的阶数)令CR RI=,若0.1CR <,则认为A 具有一致性。
否则,需要对A 进行调整,直到具有满意的一致性为止。
(4)层次总排序及一致性检验假定准则层12,,,n C C C 排序完成,其权重分别为12,,,n a a a ,方案层P 包含m 个方案:12,,,m P P P 。
其相对于上一层的()1,2,,j C j n =对方案层P 中的m 个方案进行单层排序,其排序权重记为12,,,j j mj b b b ()1,2,,j n =,则方案层P 中第i 个方案Pi 的总排序权重为1nj ijj a b=∑,见下表:从而确定层的排序。
例:纯文本文件txt3.txt 中的数据格式如下:1 1 1 4 1 1/2 1 1 2 4 1 1/2 1 1/2 1 53 1/2 1/4 1/4 1/5 1 1/3 1/3 1 1 1/3 3 1 12 2 23 3 11 1/4 1/24 1 32 1/3 11 1/4 1/54 1 1/25 2 11 3 1/31/3 1 1/73 7 11 1/3 53 1 71/5 1/7 11 1 71 1 71/7 1/7 11 7 91/7 1 11/9 1 1matlab程序:>> fid=fopen('txt3.txt','r');n1=6;n2=3;a=[];for i=1:n1tmp=str2num(fgetl(fid));a=[a;tmp]; %读准则层判断矩阵endfor i=1:n1str1=char(['b',int2str(i),'=[];']);str2=char(['b',int2str(i),'=[b',int2str(i),';tmp];']); eval(str1);for j=1:n2tmp=str2num(fgetl(fid));eval(str2); %读方案层的判断矩阵endendri=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45]; %一致性指标[x,y]=eig(a);lamda=max(diag(y));num=find(diag(y)==lamda);w0=x(:,num)/sum(x(:,num));cr0=(lamda-n1)/(n1-1)/ri(n1)for i=1:n1[x,y]=eig(eval(char(['b',int2str(i)])));lamda=max(diag(y));num=find(diag(y)==lamda);w1(:,i)=x(:,num)/sum(x(:,num));cr1(i)=(lamda-n2)/(n2-1)/ri(n2);endcr1, ts=w1*w0, cr=cr1*w0层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法层次分析法实例与步骤结合一个具体例子,说明层次分析法的基本步骤和要点。
层次分析法流程层次分析法,是将与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。
以下是店铺为大家整理的关于层次分析法流程,给大家作为参考,欢迎阅读!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。
[1]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,但其效果仍然不够企业所做出来的效果好。
层次分析法的计算步骤层次分析法(Analytic Hierarchy Process, AHP)是一种用于多准则决策的定量分析方法,由美国学者Thomas L. Saaty于1970年代提出。
它通过将一个复杂的多准则问题分解为一系列的层次结构,然后利用专家判断来确定每个层次的权重以及相对优先级,最终得出最佳决策。
下面将详细介绍层次分析法的计算步骤。
1.确定决策的目标和准则:首先明确决策的目标,以及实现这一目标所需的准则。
例如,如果我们要决定购买一台新的汽车,目标可能是选择性价比最高的汽车,准则可能包括价格、燃油经济性、安全性、舒适性等。
3.构建判断矩阵:为了确定每个层次之间的重要性比较,需要构建判断矩阵。
判断矩阵是一种由专家根据经验、知识或直觉所得到的关于准则之间相对重要性的矩阵。
对于每个层次,需要构建一个判断矩阵。
例如,在准则层次,专家需要判断每个准则与其他准则之间的相对重要性。
4.对判断矩阵进行标准化:将判断矩阵进行标准化是为了消除专家主观性的影响。
标准化的方法可以有多种,最常用的方法是将每列元素除以该列元素之和,使每列元素之和等于15.计算权重向量:通过对标准化的判断矩阵进行特征值分解,可以得到特征值和对应的特征向量。
特征向量的元素表示各个准则相对于目标的权重。
为了保证权重之和等于1,需要将特征向量进行归一化。
归一化的方法是将每个元素除以所有元素之和。
6.一致性检验:进行一致性检验是为了评估专家的判断是否一致和合理。
一致性指标(Consistency Index, CI)是用来度量判断矩阵的一致性程度的指标,其计算方法为CI=(λmax-n)/(n-1),其中λmax为最大特征值,n为准则数目。
为了验证判断矩阵的一致性,还需要计算一个随机一致性指标(Random Index, RI)作为对照。
如果CI<0.1,则认为判断矩阵是一致的。
7.一致性修正:如果判断矩阵不一致,可以通过进行一致性修正来提高一致性。
function [w,CR]=mycom(A,m,RI)
[x,lumda]=eig(A);
r=abs(sum(lumda));
n=find(r==max(r));
max_lumda_A=lumda(n,n);
max_x_A=x(:,n);
w=A/sum(A);
CR=(max_lumda_A-m)/(m-1)/RI;
end
本matlab程序用于层次分析法中计算判断矩阵给出的权值已经进行一致性检验。
其中A为判断矩阵,不同的标度和评定A将不同。
m为A的维数
RI为判断矩阵的平均随机一致性指标:根据m的不同值不同。
当CR<0.1时符合一致性检验,判断矩阵构造合理。
下面是层次分析法的简介,以及判断矩阵构造方法。
一.层次分析法的含义
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上的实用性和有效性,很快在世界范围得到重视。
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。
二.层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一样的。
(1)层次分析法的原理
层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后得用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。
这里所谓“优先权重”是一种相对的量度,它表明各备择方案在某一特点的评价准则或子目标,标下优越程度的相对量度,以及各子目标对上一层目标而言重要程度的相对量度。
层次分析法比较适合于具有分层交错评价指标的目标系统,而且目标值又难于定量描述的决策问题。
其用法是构造判断矩阵,求出其最大特征值。
及其所对应的特征向量W,归一化后,即为某一层次指标对于上一层次某相关指标的相对重要性权值。
(2)层次分析法的步骤
a)建立系统的递阶层次结构;
b)构造两两比较判断矩阵;(正互反矩阵)
c)针对某一个标准,计算各备选元素的权重;
d)计算当前一层元素关于总目标的排序权重。
e)进行一致性检验。
小结:层次分析法的思路与步骤如图
层次分析法的思路与步骤
三. 模糊综合评价法的思路和步骤
模糊综合评价法是一种基于模糊数学的综合评标方法。
该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。
构建评价指标体系
对风险系统进行科学评价,需要首先分析各风险因素的构成和相互关系,在定性分析的基础上,建立一套科学合理的风险评价指标体系,即层次结构模型。
该模型分为目标层、准则层和指标层三个层次组成。
因为房地产行业的特殊性,开发项目不同,风险不同,而且其开发的不同阶段也面临不同的风险因素。
本为根据对房地产投资风险因素的构成分析,我们得出房地产投资风险实际上是一个由多层次、多因素构成的系统。
根据风险识别得出的主风险因素,进一步查找各主风险因素的来源,从而得出相应的子风险因素,即构成本项目风险评价的指标体系,指标体系是以房地产投资风险因素为主要依据,建立房地产投资风险层次模型。
构建该指标体系时,不考虑各层次风险的具体划分,以适应不同情况下房地产投资风险的评价。
四.确定各评价指标的权重
①建立权重判断矩阵
在构建层次结构模型之后,可聘请专家利用问卷法、专家调查法等方法,从最上面的准则层开始向下,逐步确定各层因素相对于上一层各因素的重要性权数。
层次分析法在确定各层不同因素相对于上一层各因素的重
要性时,利用两个因素之间两两比较的方法,即1-9标度法。
若针对上一层AK而言,本层次有关元素B1,B2,…,Bn之间的相对重要性为:Bi与Bj的相对重要性为Bij, Bij,通常为1-9标度,此时Bij,取1,2,。
,9及其倒数,1-9标度的含义为:
表5-17 标度含义
定义(Bij )标度
Bi因素比Bj因素一样重要 1
Bi因素比Bj因素稍微重要 3
Bi因素比Bj因素明显重要 5
Bi因素比Bj因素重要得多7
Bi因素比Bj因素极端重要9
Bi因素比Bj因素重要性在两个判
断尺度中间
2,4,6,8
判断矩阵的形式表示见表5-18
Ak B1 B2 …Bj …Bj
B1 B2 ...Bn B11 B12 ...B1j (1)
B21 B22 ...B2j (1)
…. …. …………Bn1 Bn2 …Bnj …Bnm
一化处理,使其满足
∑W=1,即可求出Bi对于Ak的相对重要程度,即权重。
A 计算判断矩阵B每一行数值的乘积Mi,并计算其n次方根:
(5-8)
B、计算的权数
(5-9)
C、计算判断矩阵的最大特征根
(5-10)
③判断矩阵的一致性检验
在评价过程中,评价者是不可能对所有因素的数值进行精确判断的,根据会存在误差,这就会导致判断矩阵的特征值会产生偏差。
在构造判断矩阵时,并不要求判断具有完全一致性,但是要求判断具有大体的一致性却是必须的,否则将无法进行分析。
因此,在求出最大特征根λmax 后,还要进行一致性检验。
A、计算一致性指标CI
CI=(λmax-n)/(n-1) (4-11)
当λmax稍大于n,其余特征根均接近于零,此判断矩阵才具有满意的一致性,此事应用特征根方法所得的权重向量W才能符合实际。
在一般情况下,判断矩阵阶数n越大,其CI值就越大。
为了度量不同阶判断矩阵的一致性,引入了判断矩阵的平均随机一致性指标RI值。
对于1-9阶矩阵,RI值见表5-19所示。
CR=CI/RI (5-12)
若计算随机一致性比例CR‹0.1,即认为判断矩阵具有满意的一致性,否则就需要重新调整判断矩阵直至满足一致性。
C 计算权重,层次排序
各级指标对上一级指标的权重计算出来以后,即可从最上一级开始,自上而下求出各级指标关于评价目标的综合权重。
系统权重向量计算公式为:
U=W*V (5-13)
其中,W是根据指标层C的风险因素相对准则层B的风险因素的特征向量集,V是准则层B的风险因素相对评判目标A的系统风险的特征向量,U是指标层C的风险因素相对于评判目标A的系统特征向量,此公式表示某一级指标的综合权重是该指标的权重和上一级指标的组合权重的乘积值。
要计算某一级的综合权重,必须先知道上一级的综合权重,因而综合权重总是由最高级开始,一次往下推算的。