层次分析法AHP、ANP与熵值法(带例子和软件操作说明)
- 格式:ppt
- 大小:515.00 KB
- 文档页数:47
简介AHP层次分析法1. 何谓AHP呢?层次分析法((Analytical Hierarchy Process, 简称AHP)是个很有趣又很有用的东西,它提供一个有效的方法去进行复杂的决策,无论在一般生活、商业或学术研究上,都有很精采的应用。
例如:●软件开发管理之应用---- 在微软的MSDN文件里,其利用AHP方法来评析与比较3个信息系统的质量,以决定那一个系统的质量最好●一般生活上之应用---- 例如本章所举的例子,想找一个理想的工作,其所谓理想的评选标准有三:钱多、事少、离家近。
那么就可以利用AHP方法来从多个工作时机中评选出一个比较合乎理想的工作了。
●商业上之应用---- 例如全球性运输公司利用AHP方法评选最正确转运港口。
简而言之,AHP是将复杂的决策情境切分为数个小部份,再将这些部分组织成为一个树状的层次结构。
然后,对每一个部份的相对重要性给予权数值,然后进行分析出各个部份优先权。
对决策者而言,以层次结构去组织有关替代方案(alternative)的评选条件或标准(criteria)、权数(weight)和分析(analysis),非常有助于对事物的了解。
此外,AHP可协助捕捉主观和客观的评估测度,检验评估的一致性,以及团队所建议的替代方案,减少团队决策之失误,如失焦、无计划、无参予等。
AHP将整个问题细分为多个较不重要的评估,但还维持整体的决策。
AHP方法是由Thomas L. Saaty教授所研究发展出来的,其适合多评选标准(Multi-Criteria)的复杂决策。
目前市面上有许多软件工具可用,包括最著名的Expert Choice软件系统,以及免费网络上AHP软件或服务,可下载Java版本的AHP系统。
2. AHP的分析步骤AHP分析包含4个步骤:Step-1. 分解(Decomposing)将整个问题分解为多个小问题。
例如,整个问题是:想找一个理想的工作。
各项工作都有三个属性(attribute),因而将理想分为三个评选条件:「钱多、事少、离家近」。
熵值法和层次分析法在权重确定中的应用一、本文概述权重确定作为决策分析的核心环节,其准确性和合理性直接影响到决策的质量和效果。
在众多权重确定方法中,熵值法和层次分析法因其独特的优势,被广泛应用于各种决策场景中。
本文旨在深入探讨熵值法和层次分析法在权重确定中的应用,分析两种方法的原理、特点、适用场景,并对比其优劣。
通过对这两种方法的深入研究,我们期望能为决策者提供更科学、更合理的权重确定方法,提高决策的有效性和准确性。
本文还将结合具体案例,对两种方法的实际应用进行展示,以便读者更好地理解和掌握这两种方法。
二、熵值法在权重确定中的应用熵值法是一种基于信息熵理论来确定权重的客观赋权方法。
在信息论中,熵是对不确定性的一种度量,它可以反映信息的无序程度或者信息的效用价值。
在权重确定中,熵值法通过计算各个评价指标的信息熵,来度量各个指标值的离散程度,从而确定各个指标的权重。
数据标准化处理:消除不同指标量纲的影响,对原始数据进行标准化处理,使得各指标值都处于同一数量级上。
计算指标熵值:根据标准化后的数据,计算每个指标的熵值。
熵值反映了该指标值的离散程度,熵值越大,指标的离散程度越大,该指标对综合评价的影响越小。
计算指标差异系数:用1减去熵值,得到指标的差异系数。
差异系数越大,该指标对综合评价的影响越大。
确定指标权重:根据差异系数的大小,确定各指标的权重。
差异系数越大,该指标的权重越大。
熵值法的优点在于其客观性强,不需要事先设定权重,而是根据数据的实际情况来确定权重。
熵值法也适用于多指标综合评价问题,能够有效地处理不同量纲的指标。
然而,熵值法也存在一定的局限性,例如它忽略了指标之间的相关性,并且对于数据的要求较高,需要数据量足够大且分布均匀。
在实际应用中,熵值法常常与其他方法相结合,如层次分析法、主成分分析法等,以提高权重确定的准确性和科学性。
通过综合运用这些方法,可以更加全面地考虑各种因素,使得权重确定更加合理和可靠。