层次分析法正反矩阵

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作出选择或形成选择 方案的原则。
2 构造判断(成对比较)矩阵
在建立递阶层次结构以后，上下层次之 间元素的隶属关系就被确定了。假定上一层 次 的 元 素 Ck 作 为 准 则 ， 对 下 一 层 次 的 元 素 A1, …, An 有支配关系，我们的目的是在准则 Ck 之下按它们相对重要性赋予 A1, …, An 相 应的权重。
RI
一般，当一致性比率 CR CI 0.1 时，认为A
RI
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。否则要重新构造成对比较矩阵A，对 aij 加以调整。
一致性检验：利用一致性指标和一致性比率<0.1 及随机一致性指标的数值表，对A进行检验的过程。
判断矩阵一致性检验的步骤如下： (1) 计算一致性指标 C.I.：
一个典型的层次可以用下图表示出来：
几点注意
1.处于最上面的的层次通常只有一个元素， 一般是分析问题的预定目标或理想结果。 中间层次一般是准则、子准则。最低一层 包括决策的方案。层次之间元素的支配关 系不一定是完全的，即可以存在这样的元 素，它并不支配下一层次的所有元素。
2.层次数与问题的复杂程度和所需要分析的详尽 程度有关。每一层次中的元素一般不超过9个，因 一层中包含数目过多的元素会给两两比较判断带 来困难。
3.一个好的层次结构对于解决问题是极为重要的。 层次结构建立在决策者对所面临的问题具有全面 深入的认识基础上，如果在层次的划分和确定层 次之间的支配关系上举棋不定，最好重新分析问 题，弄清问题各部分相互之间的关系，以确保建 立一个合理的层次结构。

层次分析法正反矩阵层次分析法（Analytic Hierarchy Process，简称AHP）是一种用于多目标决策的定量分析方法，也是一种基于专家知识的决策支持技术。

层次分析法通过分解一个问题为多个层次，然后对各个层次进行比较和评估，最终得出每个层次的权重，进而进行综合评价和决策。

在层次分析法中，正反矩阵是一种用于比较两个因素相对重要性的工具。

正反矩阵是一个对称矩阵，用于描述两个因素之间的直接关系。

在正反矩阵中，每个元素表示一个因素对另一个因素的相对重要性，这个重要性可以是正的也可以是负的。

正数表示正向关系，即一个因素对另一个因素的重要性越高，数值越大；负数表示负向关系，即一个因素对另一个因素的重要性越低，数值越小。

0表示两个因素之间没有关系。

正反矩阵是通过专家判断和经验得出的，通常采用9分法，即重要性从1到9依次递增。

当两个因素的重要性相同时，对应的正反矩阵元素取值为1；当一个因素相对于另一个因素更重要时，取值根据经验和专家判断进行调整，可能是2、3或更大的数；当一个因素相对于另一个因素更不重要时，取值为原来的倒数，即1/x。

正反矩阵的构建是层次分析法的关键步骤之一、下面以一个简单的例子来说明正反矩阵的构建过程。

假设我们要选择一家餐厅去享用晚餐，有三个因素需要考虑：价格、口味和环境。

首先，我们需要确定每个因素对其他因素的重要程度。

1.构建正反矩阵：-，价格，口味，环境:-------:，:---:，:----:，:---:价格，1，2，3口味，1/2，1，1/2环境，1/3，2/3，1在这个例子中，价格对于自身的重要程度是1，对于口味的重要程度是2，对于环境的重要程度是3、同理，口味对于价格的重要程度是1/2，对于自身的重要程度是1，对于环境的重要程度是1/2、环境对于价格的重要程度是1/3，对于口味的重要程度是2/3，对于自身的重要程度是12.计算正反矩阵的特征向量：下一步是计算正反矩阵的特征向量，即每个因素的权重。

层次分析法简介层次分析法的特点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。

尤其适合于对决策结果难于直接准确计量的场合。

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。

层次分析法定义所谓层次分析法，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法，称为层次分析法。

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。

是说物体之间的重要性程度满足一致性要求。一般 地，若正互反矩阵 A 满足
aij a jk aik
i, j,， k 1,2,, n
(3.3.4)则称
为完全一致性矩阵，简称为一致性矩阵或一致阵。 A
显然，对于一致性矩阵 A 而言，每列元素对应成比例 ，因而 A 的秩为1。又因为主对角线上的元素均为1 ，因而 A 有唯一的非零特征根为
对于（3.3.2）式中的矩阵 A，计算得到 m ax 5.206， 归一化的特征向量为 w (0.461,0.195,0.091,0.194,0.059)T 。由式（3.3.6）得到 CI 0.0515 ，再在表3.3.2中查出
RI 1.12 ，然后由式（3.3.7）计算
CR 0.0515 1.12 0.0460 0.1 ，故矩阵
断矩阵的随机一致性指标值。
表3.3.2
随机一致性指标值
当 n 1或2时，矩阵 A为一致性矩阵；当 标 RI 作比值，即
n 3时
，将 A 的一致性指标 CI 与它的同阶随机一致性指
CR CI RI .
（3.3.7）
CR称为一致性比率。 CR的值越小，说明判断矩阵 A
的一致性就越好。一般地，当 CR 0.1时，可以认 为 A的不一致性在容许的范围之内，此时 A具有满 意的一致性，利用 A的最大特征值对应的特征向量 对因素进行排序。若 C R 0 .1 ，则需要对判断矩阵 A 进行修正，或者重新构造矩阵 A 。
假设要比较层次结构中某一层 n个因素 C 1 , C 2 , , C n对 上一层次因素O 的影响，对因素 C i 和 C j 进行对比 ，并用 a ij 来表示因素 C i 相对于因素 C j 来说对因素

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kStep1、 构造成对比较矩阵假设比较某一层k 个因素12,,,k C C C L 对上一层因素ο的影响,每次两个因素i C 与j C ,用ij C 表示i C 与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 >,1ij jiC 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1i 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 9i C 比j C 的影响绝对地强2,4,6,8i C 与j C 的影响之比在上述两个相邻等级之间11,,29Li 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 kkkkkQ q qq ,其中的ikq 就就是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与相应的特征向量、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 :max1kCI k λ-=-其中maxλ表示矩阵C 的最大特征值,式中k 正互反矩阵的阶数,CI 越小,说明权重的可靠性越高、2)平均随机一致性指标RI ,下表给出了1－14阶正互反矩阵计算1000次得到3）当0.1CR RI=<时,(CR 称为一致性比率,RI 就是通过大量数据测出来的随机一致性指标,可查表找到)可认为判断就是满意的,此时的正互反矩阵称之为一致性矩阵、进入Step4、 否则说明矛盾,应重新修正该正互反矩阵、转入Step2、 Step4、 得到最终权值向量将该一致性矩阵任一列或任一行向量归一化就得到所需的权重向量、计算出来的准则层对目标层的权重即不同因素的最终权重,这样一来,我们就可以按权重大小将进行排序了、 (3)组合权向量的计算成对比较矩阵显然非常好体现了我们研究对象——各个因素之间权重的比较状态,能够有效地全面而深刻地表现出有关的数据信息,显然也就是矩阵数学模型的重要应用价值、 因素往往就是有层次的,我们经常在进行决策分析时,要进行多方面、多角度、多层次的分析与研究,把我们的决策选择建立在深刻而广泛的分析研究基础之上的、一个总的指标下面可以有第一层次的各个方面的指标、因素、成份、特征性质、组成成分等等,而每个这种因素又有新的成份在里面、这就就是决策分析的数学模型的真正的意义之所在、定理1:对于三决策问题,假设第一层只有一个因素,即这就是总的目标,决策总就是最后要集中在一个总目标基础之上的东西,然后才能进行最后的比较、又假设第二层与第三层因素各有n 、m 个,并且记第二层对第一层的权向量(即构成成份的数量大小、成份的比例、影响程度的大小的数量化指标的量化结果、所拥有的这种属性的程度大小等等多方面的事情的量化的结果)为:(2)(2)(2)(2)12(,,,)Tn w w w w =L , 而第3层对第2层的全向量分别就是:(3)(3)(3)(3)12(,,,)Tk k k km w w w w =L ,这表示第3层的权重大小,具体表示的就是第2层中第k 个因素所拥有的面对下一层次的m 个同类因素进行分析对比所产生的数量指标、那么显然,第三层的因素相对于第一层的因素而言,其权重应当就是:先构造矩阵,用 (3)k w 为列向量构造一个方阵 (3)(3)(3)(3)12(,,)nWw w w=L,这个矩阵的第一行就是第3层次的m 个因素中的第1个因素,通过第2层次的n 个因素传递给第1层次因素的权重,故第3层次的m 个因素中的第i 个因素对第1层次的权重为 (2)(3)1nkkik w w=∑,从而可以统一表示为:(1)(3)(2)wWw=,它的每一行表示的就就是三层(一般就是方案层)中每一个因素相对总目标的量化指标、定理2:一般公式如果共有s 层,则第k 层对第一层(设只有一个因素)的组合权向量为()()(1),3,4,k k k k s wWw-==L ,其中矩阵 ()k W的第i 行表示第k 层中的第i 个因素,相对于第1k -层中每个因素的权向量;而列向量 (1)k w-则表示的就是第1k -层中每个因素关于第一层总目标的权重向量、于就是,最下层对最上层的的组合权向量为:()()(1)(3)(2)s s s wWWWw-=L ,实际上这就是一个从左向右的递推形式的向量运算、逐个得出每一层的各个因素关于第一层总目标因素的权重向量、 (4)灰色关联度综合评价法灰色系统的关联分析主要就是对系统动态发展过程的量化分析,它就是根据因素之间发展态势的相似或相异程度,来衡量因素间接近的程度,实质上就就是各评价对象与理想对象的接近程度,评价对象与理想对象越接近,其关联度就越大、关联序则反映了各评价对象对理想对象的接近次序,即评价对象与理想对象接近程度的先后次序,其中关联度最大的评价对象为最优、因此,可利用关联序对所要评价的对象进行排序比较、利用灰色关联度进行综合评价的步骤如下:1)用表格方式列出所有被评价对象的指标、2)由于指标序列间的数据不存在运算关系,因此必须对数据进行无量纲化处理、3)构造理想对象,即把无量纲化处理后评价对象中每一项指标的最佳值作为理想对象的指标值、4)计算指标关联系数、其计算公式为:min max imax()()ik k ρρξ+=+∆∆∆∆其中min()()minminiikk k x x =-∆,max()()maxmaxiikk k x x =-∆,()ik ∆=()()ik k x x -,1,2,i n =L ,1,2,k m =L 、式中n 为评价对象的个数;m 为评价对象指标的个数;()ik ξ为第i 个对象第k 个指标对理想对象同一指标的关联系数;A 表示在各评价对象第k 个指标值与理想对象第k 个指标值的最小绝对差的基础上,再按1,2,,i n =L 找出所有最小绝对差中的最小值;max ∆表示在评价对象第k 个指标值与理想对象第k 个指标值的最大绝对差的基础上,再按1,2,,i n =L 找出所有最大绝对差中的最大值;min ∆为评价对象第k 个指标值与理想对象第k 个指标值的绝对差、ρ为分辨系数,ρ越小分辨力越大,一般ρ的取值区间[0,1],更一般地取ρ=0、5、5)确立层次分析模型、6)确定判断矩阵,计算各层次加权系数及加权关联度,加权关联度的计算公式为:()mk iikk γξω=∑,式中7为第i 个评价对象对理想对象的加权关联度,kω为第k 个指标的权重、7)依加权关联度的大小,对各评价对象进行排序,建立评价对象的关联序,从而可以得出关联度较大的对象,关联度越大其综合评价结果也越好、 (5)线性回归分析法假如对象(因变量)y 与p 个因素(自变量)12,,,p x x x L 的关系就是线性的,为研究她们之间定量关系式,做n 次抽样,每一次抽样可能发生的对象之值为12,,ny y yL它们就是在因素(1,2,,)i i p x =L 数值已经发生的条件下随机发生的、把第j 次观测的因素数值记为:12,,,jjpj x xx L (1,2,j n =L )那么可以假设有如下的结构表达式:1111011212201213011p p p p n np p y x x y x x y x x βββεβββεβββε⎧=++++⎪⎪=++++⎪⎨⎪⎪=++++⎪⎩L L L L L L L L L L L L L L L L L L 其中,01,,,pβββL 就是1p +个待估计参数,12,,,n εεεL 就是n 个相互独立且服从同一正态分布2(0,)N σ的随机变量、这就就是多元线性回归的数学模型、若令12n y y y y ⎛⎫ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M ,111212122212111p p n n np x xx x xx x xxx ⎛⎫ ⎪ ⎪=⎪ ⎪⎪⎝⎭L L L LLL L L,012p βββββ⎛⎫⎪ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪ ⎪⎝⎭M ,12n εεεε⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭M则上面多元线性回归的数学模型可以写成矩阵形式:y x βε=+在实际问题中,我们得到的就是实测容量为n 的样本,利用这组样本对上述回归模型中的参数进行估计,得到的估计方法称为多元线性回归方程,记为%011p p y b b x b x =+++L式中,012,,,,p b b b b L 分别为01,,,p βββL 的估计值、 (6)主成分分析法1)主成分的定义设有p 个随机变量12,,,p x x x L ,它们可能线性相关,通过某种线性变换,找到p 个线性无关的随机变量12,,,pz z zL ,称为初始向量的主成分、设12(,,,)Tp αααα=L为p 维空间pR 中的单位向量,并记所有单位向量的集合为{}0|1TR ααα==,且记X ＝12(,,,)Tp X X X L 、2)用相关矩阵确定的主成分令*i E X -=,**(,),ij i j E r X X =1,2,,j p =L 、*X=***12(,,)Tp X X X L ,则1212121211()1pp ij p p R r r r rr r r⎛⎫ ⎪⎪== ⎪ ⎪ ⎪⎝⎭L LL L LLL 为*X 的协方程、类似地,我们可对R 进行相应的分析、3)主成分分析的一般步骤 第一步、选择主成分设X 的样本数据经过数据预处理后计算出的样本相关矩阵为121*21212111*()11()()pT p p p R ij n r r r rr XX r r⎛⎫ ⎪ ⎪=== ⎪- ⎪ ⎪⎝⎭L LL L LLL %%、 由特征方程0R I λ-=,求出p 个非负实根,并按值从大到小进行排列:120p λλλ≥≥≥≥L 、将iλ带入下列方程组,求出单位特征向量iα()0,1,2,,i i R I i m λα-==L确定m的方法就是使前m个主成分的累计贡献率达到85％左右、第二步、利用主成分进行分析在实际分析时,通常把特征向量的各个分量的取值大小与符号(正负)进行对照比较,往往能对主成分的直观意义作出合理的解释、利用主成分可以进行以下分析:a)对原指标进行分类;b)对原指标进行选择;c)对样品进行分类;d)对样品进行排序;e)预测分析、。

正互反矩阵
11
构造所有相对于不同准则的方案层判断矩阵
相对于景色
P P 1 2 P 2 1 1 B1 P2 1 / 2 1 P3 1 / 5 1 / 2 P 3 5 2 ` 1
相对于费用
P P P 1 2 3 P 1 1 1/ 3 1/ 8 B2 P2 3 1 1 / 3 P3 ` 1 8 3
1 1 1
……
15
~ ~ ~ b. 对 wij 按行求和得：wi wij
j 1
n
~ /w ~ , w ( w , w ,..., w ) T ~ 归一化 wi w c. 将 w 1 2 i i n ，即为近似特征根（权向量） i
i 1
n
0.6 0.615 0.545 按行求和 0.3 0.308 0.364 0.1 0.077 0.091
20
利用层次结构图绘出从目标层到方案层的计算结果：
选择旅游地
0.263 景 色 0.475 费 用 0.055 居 住 0.099 饮 食 0.110 旅 途
P1
P1 P2 P3
P2
0.429 0.429 0.142
P3
0.633 0.193 0.175 0.166 0.166 0.668
1 1 1
1.760 0 . 972 0.268
归一 化
0.587 0 . 324 0.089
得到排序结果：w=(0.587, 0.324, 0.089)T
AW maxW
16
n ( )i 1 d. 计算 Aw n i 1 wi

1. 层次分析法（The analytic hierarchy process, 简称AHP）用于解决评价类问题,例如：选择那种方案最好、哪位运动员或者员工表现的更优秀。

评价类问题可以用打分解决。

层次分析法 (The Analytic Hierarchy Process即 AHP)是由美国运筹学家、匹兹堡大学教授T. L. Saaty于20世纪70年代创立的一种系统分析与决策的综合评价方法, 是在充分研究了人类思维过程的基础上提出来的, 它较合理地解决了定性问题定量化的处理过程。

AHP的主要特点是通过建立递阶层次结构, 把人类的判断转化到若干因素两两之间重要度的比较上, 从而把难于量化的定性判断转化为可操作的重要度的比较上面。

在许多情况下, 决策者可以直接使用AHP进行决策, 极大地提高了决策的有效性、可靠性和可行性, 但其本质是一种思维方式, 它把复杂问题分解成多个组成因素, 又将这些因素按支配关系分别形成递阶层次结构, 通过两两比较的方法确定决策方案相对重要度的总排序。

整个过程体现了人类决策思维的基本特征，即分解、判断、综合，克服了其他方法回避决策者主观判断的缺点。

1.1模型介绍1.1.1引例高考结束了，小明该选择华科还是五武大？小明最关心四个方面：学习氛围0.4、就业前景0.3、男女比例0.2、校园景色0.19（权重和为1）（1）学习氛围：经查阅资料查到“学在华工，玩在武大，爱在华师”一句话，因此在学习氛围方面给华科0.7，给武汉大学0.3.（2）就业前景：搜索两所学校就业率差不多，因此在就业前景方面对两所学校均赋予0.5的权重。

（3）男女比例：经查询，华科男女比例2：1，武大1.35：1，因此武大0.7分，华科0.3分（4）校园景色：华科0.25分，武大0.75分整理权重表格：指标权重华科武大学习氛围0.40.70.3就业前景0.30.50.5男女比例0.20.30.7校园景色0.10.250.75华科最终的得分：0.7*0.4+0.5*0.3+0.3*0.2+0.25+*0.1=0.515分武大最终得分：0.3*0.4+0.5*0.3+0.7*0.2+0.75*0.1=0.485分1.1.2 模型1、关键词：打分法、确定评价指标、形成评价体系2、解决评价类问题，首先确定以下三个问题：（1）评价的目标是什么（2）为了达到这个目标有哪几种可选的方案（3）评价的准则或者说指标是什么（我们根据什么东西来评价好坏）。

层次分析法一、层次分析法概述层次分析法（Analytic Hierarchy Process ）是美国运筹学家T. L. Saaty教授于20世纪70年代初期提出的一种简便、灵活而又实用的多方案或多目标的决策方法，它是一种定性和定量相结合的、系统化的、层次化的分析方法，是一种具有定性分析与定量分析相结合的决策方法，可将决策者对复杂对象的决策思维过程系统化、模型化、数量化。

其基本思想是通过分析复杂问题包含的各种因素及其相互关系，将问题所研究的全部元素按不同的层次进行分类，标出上一层与下层元素之间的联系，形成一个多层次结构。

在每一层次，均按某一准则对该层元素进行相对重要性判断，构造判断矩阵，并通过解矩阵特征值问题，确定元素的排序权重，最后再进一步计算出各层次元素对总目标的组合权重，为决策问题提供数量化的决策依据。

层次分析法特别适用于无结构问题的建模。

自1982年被介绍到我国以来，由于它在处理复杂的决策问题上的实用性和有效性，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、科研评价行为科学、军事指挥、运输、农业、教育、人才、医疗、环境保护、冲突求解及决策预报等领域得到了广泛的重视和应用。

二、层次分析法的基本思想基本思想层次分析法的采用先分解后综合的系统思想，整理、综合人们的主观判断，将所要分析的问题层次化，根据问题的性质和要达到的总目标，将问题分解成不同的组成因素，按照因素间的相互关系及隶属关系，将因素按不同层次聚集组合，形成一个多层分析结构模型，最终归结为最低层（方案、措施、指标等）、中间层（准则层）、最高层（总目标）。

把实际问题转化为分析同层因素间相对重要程度的权重值或相对优劣次序的问题，使定性分析与定量分析有机结合，实现定量化决策。

三、确定权重值的基本原理人们在进行社会、经济以及科学管理领域问题的系统分析中，面临的常常是一个相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。

正互反矩阵的一致性 价格 性能 重量
↓ ↓ 5 1 C (cij ) = 1 / 5 1 1/ 7 1/ 3
↓ 7← 3← 1←
价格 性能 重量
λmax = 3.0649
λmax − 3
CI CR = = RI 3−1 0.58
3.0649 − 3 3−1 = = 0.056 < 0.1 0.58
CX = λ X
λmax = 3.0649
0.9628 X = 0.2483 0.1067
权值的确定(方法二 权值的确定 方法二) 方法二 2.按列“归一化”: 按列“归一化” 按列
0.9628 0.7361 X = 0.2483 ⇒ w = 0.1884 0.1067 0.0810
↓ ↓ 5 1 C (cij ) = 1 / 5 1 1/ 7 1/ 3
↓ 7 ← 价格 3 ← 性能 1 ← 重量
正互反矩阵 价格C 准则下 四个方案的正互反矩阵. 准则下, 在“价格 1”准则下 四个方案的正互反矩阵 价格
9 3 1 1/ 9 1 5 C1 (aij ) = 1 / 3 1 / 5 1 1/ 5 1/ 5 1/ 2
含意 aij
5← 5← 2 ← 1←
联想 苹果 戴尔 索尼
i与 j影响 i比 j 影响 i比 j 影响 i比 j 影响 i比 j 影响 与 影响 比 比 比 比 稍强 相同 强 明显强 绝对强
1
3
5
7
9
aij 取 2, 4, 6, 8 表示影响之比在上述相邻等级之间 表示影响之比在上述相邻等级之间.
0.075 0.059 0.273 0.823 0.581 0.193 0.404 0.257

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。

【案例分析】市政工程项目建设决策：层次分析法问题提出市政部门管理人员需要对修建一项市政工程项目进行决策，可选择的方案是修建通往旅游区的高速路（简称建高速路）或修建城区地铁（简称建地铁）。

除了考虑经济效益外，还要考虑社会效益、环境效益等因素，即是多准则决策问题，考虑运用层次分析法解决。

1. 建立递阶层次结构应用AHP解决实际问题，首先明确要分析决策的问题，并把它条理化、层次化，理出递阶层次结构。

AHP要求的递阶层次结构一般由以下三个层次组成：●目标层（最高层）：指问题的预定目标；●准则层（中间层）：指影响目标实现的准则；●措施层（最低层）：指促使目标实现的措施；通过对复杂问题的分析，首先明确决策的目标，将该目标作为目标层（最高层）的元素，这个目标要求是唯一的，即目标层只有一个元素。

然后找出影响目标实现的准则，作为目标层下的准则层因素，在复杂问题中，影响目标实现的准则可能有很多，这时要详细分析各准则因素间的相互关系，即有些是主要的准则，有些是隶属于主要准则的次准则，然后根据这些关系将准则元素分成不同的层次和组，不同层次元素间一般存在隶属关系，即上一层元素由下一层元素构成并对下一层元素起支配作用，同一层元素形成若干组，同组元素性质相近，一般隶属于同一个上一层元素（受上一层元素支配），不同组元素性质不同，一般隶属于不同的上一层元素。

在关系复杂的递阶层次结构中，有时组的关系不明显，即上一层的若干元素同时对下一层的若干元素起支配作用，形成相互交叉的层次关系，但无论怎样，上下层的隶属关系应该是明显的。

最后分析为了解决决策问题（实现决策目标）、在上述准则下，有哪些最终解决方案（措施），并将它们作为措施层因素，放在递阶层次结构的最下面（最低层）。

明确各个层次的因素及其位置，并将它们之间的关系用连线连接起来，就构成了递阶层次结构。

【案例分析】市政工程项目进行决策：建立递阶层次结构在市政工程项目决策问题中，市政管理人员希望通过选择不同的市政工程项目，使综合效益最高，即决策目标是“合理建设市政工程，使综合效益最高”。

层次分析法判断矩阵层次分析法判断矩阵程序先确定判断矩阵；然后用以下程序就好了：%层次分析法的matlab程序%%%%diertimoxingyiclc,cleardisp(输入判断矩阵);% 在屏幕显示这句话A=input(A=);% 从屏幕接收判断矩阵[n,n]=size(A);% 计算A的维度，这里是方阵，这么写不太好x=ones(n,100);% x为n行100列全1的矩阵y=ones(n,100);% y同xm=zeros(1,100);% m为1行100列全0的向量m(1)=max(x(:,1));% x第一列中最大的值赋给m的第一个分量y(:,1)=x(:,1);% x的第一列赋予y 的第一列x(:,2)=A*y(:,1);% x的第二列为矩阵A*y(:,1)m(2)=max(x(:,2));% x 第二列中最大的值赋给m的第二个分量y(:,2)=x(:,2)/m(2);% x的第二列除以m(2)后赋给y的第二列p=0.0001;i=2;k=abs(m(2)-m(1));% 初始化p，i，k为m(2)-m(1)的绝对值while k>p% 当k>p是执行循环体i=i+1;% i 自加1x(:,i)=A*y(:,i-1);% x的第i列等于A*y的第i-1列m(i)=max(x(:,i));% m的第i个分量等于x第i列中最大的值y(:,i)=x(:,i)/m(i);% y的第i列等于x的第i列除以m的第i个分量k=abs(m(i)-m(i-1));% k等于m(i)-m(i-1)的绝对值enda=sum(y(:,i));% y的第i列的和赋予aw=y(:,i)/a;% y的第i 列除以at=m(i);% m的第i个分量赋给tdisp(权向量:);disp(w);% 显示权向量wdisp(最大特征值:);disp(t);% 显示最大特征值t %以下是一致性检验CI=(t-n)/(n-1);% t-维度再除以维度-1的值赋给CIRI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];% 计算的标准CR=CI/RI(n);% 计算一致性if CR摘要在定性问题的决策中，ＡＨＰ是一种优秀的方法，其基础是对评价对象的两两比较，并用比较结果构造判断矩阵，而这些都依赖于决策者选用的偏好关系。

层次单排序
层次单排序是指根据判断矩阵计算对于上一
层某元素而言本层次与之有联系的元素重要 性次序的权值。
对于判断矩阵A来说，其计
对于判断矩阵B1来说，其计
算结果为： 0.105 W= 0.637 0.258 Λmax=3.038，CI=0.019
RI=0.58， CR=0.033 具有满意一致性
j=1,2,3
)
C1
C2 C3 C4 C5
0.491
0
0.406
0.232 0.55 0.406 0.092 0.564 0.094 0.138 0.118 0.094 0.046 0.263 0
决策
通过数学运算可计算出最低层方案对最高总
目标相对优劣的排序权值，从而对备选方案 进行排序 综上所述，层次分析法大体分为六个步骤， 即明确问题；建立层次结构；构造判断矩阵； 层次单排序及其一致性检验；层次总排序； 做出相应决策。
层次分析法的模型和步骤
假设某一个企业经过发展，有一笔利润资金， 要企业高层领导决定如何使用。企业领导经过 实际调查和员工建议，现有如下方案可供选择 ： 作为奖金发给员工 扩建员工宿舍、食堂等福利设施 办员工进修班 修建图书馆、俱乐部等 引进新技术设备进行企业技术改造
构造层次分析结构
1 A= 5 3 1 1/2 B1= 1/3 ¼ 1/7
1/5 1/3 1 3 1/3 1 2 3 4 7 1 3 2 5 1/3 1 1/2 1 ½ 2 1 3 1/5 1 1/3 1
1 1/7 1/3 1/5 B2= 7 1 5 3 3 1/5 1 1/3 5 1/3 3 1
对于上述例子，假定企业领导对于资金使用这个问题 的态度是：首先是提高企业技术水平B2，其次是要改 善员工物质生活B3,最后是调动员工的工作积极性

3 6 1
例如
1 0 2 A= 3 6 1
则
1 AT = 0 2
矩阵的秩
定义：在一个m×n矩阵中，任取k行k列(1≤k≤min[m,n]), 位于这些行、列交叉点上的元素按原来次序排列构成的 k阶行列式叫做这个矩阵的一个k阶子式。 例如
2 0 1 5 A = 1 2 0 3 4 1 5 2
大系统 由多个层次组成
思 路
同一层次、 同一层次、高一层次 相对重要性比较 层次 层次 系 大
例1 层次分析法的基本思路：
选择旅游地点 景色、费用、居住、饮食、旅途 苏州、北戴河、桂林 将各个旅游地点的景色、费用、居住、饮食、旅途 进行排序，经综合分析决定去哪个旅游地点旅游。 与人们对某一复杂决策问题的思维、判断过程大体 一致。
λ −n
n −1
其中 n 为 A 的对角线元素之和，也为 A 的特征根 之和。
定义随机一致性指标 RI 随机一致性指标 随机构造500个成对比较矩阵 则可得一致性指标
A1 , A2 ,⋯, A500
CI1 , CI 2 ,⋯, CI 500
CI1 + CI 2 + ⋯ CI 500 RI = = 500
1/4 1/7 1/3 1/5 1/3 1/5
1/2 1/3 1 1 1 1
由上表，可得成对比较矩阵
1 2 1 A= 4 13 1 3
1
2 1 1 7 1 5 1 5
4 7 1 2 3
3 5 1 2 1 1
3 5 1 3 1 1
旅游问题的成对比较矩阵共有6个（一个5阶，5个3阶）。
a1CI1 + a2CI2 +⋯+ amCIm CI λmax − n CR = = = RI (n −1)RI a1RI1 + a2 RI2 +⋯+ amRIm

层次分析法步骤与实例1层次分析法的思想：将所有要分析的问题层次化；根据问题的性质和所要到达的总目标，将问题分为不同的组成因素，并按照这些因素间的关联影响即其隶属关系，将因素按不同层次聚集组合，形成一个多层次分析构造模型；最后，对问题进展优劣比拟排序.2次分析法的步骤：找准各因素之间的隶属度关系建立递阶层次构造构造判断矩阵〔成比照拟阵〕并赋值层次单排序〔计算权向量〕与检验〔一致性检验〕层次总排序〔组合权向量〕与检验〔一致性检验〕结果分析3以一个具体案例进展说明：【案例分析】市政工程工程建立决策：层次分析法问题提出市政部门管理人员需要对修建一项市政工程工程进展决策，可选择的方案是修建通往旅游区的高速路〔简称建高速路〕或修建城区地铁〔简称建地铁〕。

除了考虑经济效益外，还要考虑社会效益、环境效益等因素，即是多准那么决策问题，考虑运用层次分析法解决。

【案例分析】市政工程工程进展决策：建立递阶层次构造在市政工程工程决策问题中，市政管理人员希望通过选择不同的市政工程工程，使综合效益最高，即决策目标是“合理建立市政工程，使综合效益最高〞。

为了实现这一目标，需要考虑的主要准那么有三个，即经济效益、社会效益和环境效益。

但问题绝不这么简单。

通过深入思考，决策人员认为还必须考虑直接经济效益、间接经济效益、方便日常出行、方便假日出行、减少环境污染、改善城市面貌等因素〔准那么〕，从相互关系上分析，这些因素隶属于主要准那么，因此放在下一层次考虑，并且分属于不同准那么。

假设本问题只考虑这些准那么，接下来需要明确为了实现决策目标、在上述准那么下可以有哪些方案。

根据题中所述，本问题有两个解决方案，即建高速路或建地铁，这两个因素作为措施层元素放在递阶层次构造的最下层。

很明显，这两个方案于所有准那么都相关。

将各个层次的因素按其上下关系摆放好位置，并将它们之间的关系用连线连接起来。

同时，为了方便后面的定量表示，一般从上到下用A、 B、 C、 D。

若取重量向量W＝ [W1，W2，… ， Wn]T ，则有： AW＝n•W W是判断矩阵A的特征向量，n是A的一个特征值。根据线性代数 知识可以证明，n是矩阵A的唯一非零的，也是最大的特征值。

上述事实告诉我们，如果有一组物体，需要知道它们的重量，而又 没有衡器，那么就可以通过两两比较它们的相互重量，得出每一对 物体重量比的判断，从而构成判断矩阵；然后通过求解判断矩阵的 最大特征值λ max和它所对应的特征向量，就可以得出这一组物体 的相对重量。
5.3 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—目标层：决策的目的、要解决的问题。
中间层—准则层：考虑的因素、决策的准则。


最低层—方案层或措施层：决策时的备选方案。
n
归一化：
T
i
Wi W
T
W
i 1
n
i
(i 1,2,n)
则W W1,W2 ,,Wn 即为所求得特征向量

计算最大特征根
max
( AW ) i nWi i 1
n
( AW )i 表示向量AW的第i个分量
5.3 层次分析法的步骤


一致性检验
判断矩阵中的aij是根据资料数据、专家的意见和系统分析人 员的经验经过反复研究后确定。应用层次分析法保持判断思 维的一致性是非常重要的，只要矩阵中的aij满足三条关系式 （aii = 1；aji = 1/ aij；aij = aik/ ajk (i,j,k=1,2,….n) ）时，就说 明判断矩阵具有完全的一致性。

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查验。

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：按照m的不同值不同。

当CR<时符合一致性查验，判断矩阵构造合理。

下面是层次分析法的简介，和判断矩阵构造方式。

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（）正式提出。

它是一种定性和定量相结合的、系统化、层次化的分析方式。

由于它在处置复杂的问题上的实用性和有效性，专门快活着界范围取得重视。

它的应用已遍及经济和、能源政策和分派、行为科学、军事指挥、运输、农业、教育、人材、医疗和环境等领域。

二.层次分析法的大体思路与人对一个复杂的决策问题的思维、判断进程大体上是一样的。

（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，最后再加权和的方式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，和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织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。