AHP法的随机一致性(RC)指标
- 格式:pdf
- 大小:91.55 KB
- 文档页数:1
ahp理论中关于判断矩阵一致性问题研究以《Ahp理论中关于判断矩阵一致性问题研究》为题,本文通过分析Ahp理论中一致性判断矩阵的思想,阐明其在实践中的作用,以期更全面的探讨Ahp理论的一致性判断矩阵的重要性。
AHP理论(Analytic Hierarchy Process)即分析层次结构,它是一种多层次的评价方法,可以将数据和信息变换成有意义的决策表达。
首先,把决策建模中的目标分解成若干个层次,并且给出层次之间的层次关系;其次,建立各层次之间的各种关系表;最后,由多种关系表得到最优结果。
要实现AHP理论,需要将准则矩阵由小矩阵发展为大矩阵,以及建立大矩阵的一致性性质。
在AHP理论中,一致性性质指示了每个层级框架的判断矩阵是否一致。
一致性性质主要指“比较矩阵”和“准则矩阵”,其设置是为了实现AHP理论的实现。
“比较矩阵”是比较各层级框架之间的级别,也就是对层级框架客观性比较,而“准则矩阵”是制定AHP理论求同程度的参考,提供AHP理论的实现。
为了检验一致性判断矩阵的一致性,通常使用一致性比率(CR)的检验。
CR的值指的是两个不同层次的矩阵的关系,该值越大,表明两个层次矩阵的一致性越强。
CR的测试是一个比较复杂的过程,而“计算机算法”是解决它的主要的有效的方法之一。
要实现AHP理论,需要满足一致性矩阵的一致性条件,因此一致性性质判断矩阵,是AHP理论中非常重要的一个组成部分。
大量的研究表明,一致性性质判断矩阵在AHP理论中起到了很大的作用,有助于提高决策效率和决策质量。
在实践中,一致性性质判断矩阵在多种决策中得到广泛应用,为决策者提供了重要的建议和依据,从而指导和优化决策。
例如,在制定灾后重建策略时,一致性性质判断矩阵可以帮助决策者更好的了解不同可行方案之间的关系,以及所有可行方案与最终决策的关联性,并有助于根据客观分析和评价准则选择出最佳方案。
总之,一致性性质判断矩阵在AHP理论中发挥着重要的作用,因此它是多层次决策的重要依据之一。
层次分析法一致性检验在层次分析法中,我们通常需要判定所设计的判断矩阵是否一致性,以保证计算结果的准确性。
下面,我们将介绍如何进行层次分析法的一致性检验。
层次分析法简介层次分析法,又称AHP(Analytic Hierarchy Process),是一种根据专家主观判断构建的层次结构模型,用于定量化分析多个方案或选择问题的方法。
通过对不同因素在目标达成中的相对重要程度进行比较,得出最终的方案或选择。
该方法在科研、经济、管理等领域得到广泛应用。
判断矩阵在层次分析法中,需要构建判断矩阵,用于表示两两因素之间的重要程度。
判断矩阵通常是一个n×n的矩阵,其中n表示因素的个数,矩阵中的每个元素用aij表示第i个因素相对于第j个因素的重要程度,其取值范围为1到9。
其中,1表示两者同等重要,9表示第i个因素是第j个因素的9倍重要。
对于判断矩阵,需要满足以下两个条件:1.对角线上的元素均为1,即每个因素相对于其自身的重要程度为1;2.对于任意i和j,aij=1/aji。
一致性检验在实际应用中,我们需要对所构建的判断矩阵进行一致性检验,以保证计算结果的准确性。
一致性检验的原理一致性检验的原理是:当判断矩阵中的一个元素发生变化,会引起整个判断矩阵的一致性变化。
一致性检验的目的是通过计算判断矩阵的一致性指标,检查判断矩阵是否满足一致性。
如果判断矩阵不满足一致性,我们需要对判断矩阵进行调整,直到满足一致性要求。
一致性指标一致性指标是用来判断判断矩阵是否满足一致性的数学指标。
常用的一致性指标为CR值(Consistency Ratio),其计算如下:CR = CI/RI其中,CI为判断矩阵的一致性指标,RI为与判断矩阵规模相同的随机一致性指标,其值可以从一致性指标对照表中查找。
当CR小于等于0.1时,可认为判断矩阵满足一致性。
当CR大于0.1时,需要对判断矩阵进行调整,使其满足一致性。
一致性检验步骤以下是进行一致性检验的详细步骤:1.计算判断矩阵的特征向量。
AHP法的随机一致性(RC)指标AHP法的随机一致性(RC)指标在层次分析(AHP)法中,为了对判断矩阵的数值进行一致性检验,需要根据矩阵的阶次(n)计算判断一致率(consistency ratio, CR)。
为此,数学家引入了随机一致性(random consistency, RC)指标。
随机一致性指标又称随机指数(random index, RI)。
目前,国内流行的教科书中大多沿用了Saaty早年提供的检验标准(表1)。
在2008年的一项研究中,Saaty基于5万次随机试验得到更为精确的RC数值(表2)。
RC值是就统计平均意义而言的,故称平均一致性。
表1 不同阶次的随机矩阵及其平均一致性指标RC值(旧指标)n 1 2 3 4 5 6 7 8 9 10 RC 0.0 0.0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49资料来源:Saaty T L, Alexander J M. 1981. Thinking with Models: Mathematical Models in the Physical, Biological, and Social Sciences. Oxford or New York: Pergamon Press: 151 表2 不同阶次的随机矩阵及其平均一致性指标RC值(新指标)n 1 2 3 4 5 6 7 8 RC 0.00 0.00 0.52 0.89 1.11 1.25 1.35 1.40续表2 n 9 10 11 12 13 14 15 …RC 1.45 1.49 1.52 1.54 1.56 1.58 1.59 …资料来源:Saaty T L. 2008. Relative measurement and its generalization in decision making: Why pairwise comparisons are central in mathematics for the measurement of intangible factors—The Analytic Hierarchy/Network Process. Review of the Royal Spanish Academy of Sciences A: Mathematics, 102 (2): 251–318。
层次分析法 、效益分配、幻方陶志穗主讲层次分析法(Ana1ytic Hierarchy Process,简称AHP 法)是美国运筹学家、匹兹堡大学教授T.L.Saaty 于20世纪70年代提出来的,它是一种对较为模糊或较为复杂的决策问题使用定性与定量分析相结合的手段作出决策的简易方法. 特别是将决策者的经验判断给予量化,它将人们的思维过程层次化,逐层比较相关因素,逐层检验比较结果的合理性,由此提供较有说服力的依据. 很多决策问题通常表现为一组方案的排序问题, 这类问题就可以用AHP 法解决. 近几年来,此法在国内外得到了广泛的应用.以下我们用一个简单例子来说明AHP 法的基本步骤。
例 6.8.1 某工厂在有一笔企业留成的利润,厂领导要决策如何合理使用这笔资金.根据各方面的意见,可供领导决策的方案有:(1)作为奖金发给职工;(2)扩建职工福利的设施;(3)对职工进行技术培训;(4)引进新设备扩大生产.领导在决策时,要顾及到调动职工生产积极性,提高职工技术水平,改善职工物质文化生活状况等方面. 工厂领导希望知道应按什么比例来使用这笔资金才较为合理。
1.建立层次结构模型在AHP 法研究问题时,要根据问题中各因素的因果关系将其分成若干个层次。
较简单的问题通常可分为三层:目标层(最高层)、准则层(中间层)和措施层(最低层)。
目标自然是合理使用这笔资金。
准则是有利于调动职工的积极性;有利于提高企业的生产能力;有利于改善职工的工作、生活环境。
措施就是具体的花钱方案。
按决策者的意图,可以建立起本问题的层次结构模型如图6.8.1所示。
图中的连线反映了各因素的关联关系。
合理使用企业利润调动职工的积极性C 1 提高企业的技术水平C 2 目标层O准则层C措施层P改善职工的工作与生活环境C 3给职工发奖金P 1 扩建职工的福利设施P 2 提高职工的技术水平P 3 扩大生产规模P 4图6.8.1描绘层次结构图是一项细致的分析工作,要有一定经验.根据层次结构图确定每一层的各因素的相对重要性的权数,直至计算出措施层各方案的相对权数.利用这些权重,可计算资金的分配比例.2.构造判断矩阵要比较n 个因子12,,n B B B 对某因素F 的影响大小, 通常采取对因子进行两两比较的办法,建立成对比较矩阵。
AHP法简介层次分析法(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方法。
它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次,使之条理化,根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来,将一层次元素两两比较的重要性进行定量描述。
而后,利用数学方法计算反映每一层次元素的相对重要性次序的权值,通过所有层次之间的总排序计算所有元素的相对权重并进行排序。
该方法自1982年被介绍到我国以来,以其定性分析与定量分析相结合地处理各种决策因素的特点,以及其系统灵活简洁的优点,迅速地在我国社会经济各个领域内,如能源系统分析、城市规划、经济管理、科研评价等,得到了广泛的重视和应用中文名AHP外文名Analytic Hierarchy Process人物T. L. Saaty教授时间20世纪70年代例如,某人准备选购一台电冰箱,他对市场上的6种不同类型的电冰箱进行了解后,在决定买哪一款式时,往往不是直接进行比较,因为存在许多不可比的因素,而是选取一些中间指标进行考察。
例如电冰箱的容量、制冷级别、价格、型式、耗电量、外界信誉、售后服务等。
然后再考虑各种型号冰箱在上述各中间标准下的优劣排序。
借助这种排序,最终作出选购决策。
在决策时,由于6种电冰箱对于每个中间标准的优劣排序一般是不一致的,因此,决策者首先要对这7个标准的重要度作一个估计,给出一种排序,然后把6种冰箱分别对每一个标准的排序权重找出来,最后把这些信息数据综合,得到针对总目标即购买电冰箱的排序权重。
有了这个权重向量,决策就很容易了。
(1)通过对系统的深刻认识,确定该系统的总目标,弄清规划决策所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等,广泛地收集信息。
AHP法的随机一致性(RC)指标
在层次分析(AHP)法中,为了对判断矩阵的数值进行一致性检验,需要根据矩阵的阶
次(n)计算判断一致率(consistency ratio, CR)。
为此,数学家引入了随机一致性(random consistency, RC)指标。
随机一致性指标又称随机指数(random index, RI)。
目前,国
内流行的教科书中大多沿用了Saaty早年提供的检验标准(表1)。
在2008年的一项研究中,Saaty基于5万次随机试验得到更为精确的RC数值(表2)。
RC值是就统计平均意义而言的,故称平均一致性。
表1 不同阶次的随机矩阵及其平均一致性指标RC值(旧指标)
n 1 2 3 4 5 6 7 8 9 10 RC 0.0 0.0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49
资料来源:Saaty T L, Alexander J M. 1981. Thinking with Models: Mathematical Models in the Physical, Biological, and Social Sciences. Oxford or New York: Pergamon Press: 151
表2 不同阶次的随机矩阵及其平均一致性指标RC值(新指标)
n 1 2 3 4 5 6 7 8 RC 0.00 0.00 0.52 0.89 1.11 1.25 1.35 1.40
续表2 n 9 10 11 12 13 14 15 …
RC 1.45 1.49 1.52 1.54 1.56 1.58 1.59 …
资料来源:Saaty T L. 2008. Relative measurement and its generalization in decision making: Why pairwise comparisons are central in mathematics for the measurement of intangible factors—The Analytic Hierarchy/Network Process. Review of the Royal Spanish Academy of Sciences A: Mathematics, 102 (2):
251–318。