AHP——模糊综合评价方法的理论根底1.层次分析法理论根底1970—1980年期间,着名学者Saaty最先开创性地建立了层次分析法,英文缩写为AHP.该模型可以较好地处理复杂的决策问题,迅速受到学界的高度重视.后被广泛应用到经济方案和治理、教育与行为科学等领域.AHP建立层次结构模型,充分分析少量的有用的信息,将一个具体的问题进行数理化分析, 从而有利于求解现实社会中存在的许多难以解决的复杂问题.一些定性或定性与定量相结合的决策分析特别适合使用AHP.被广泛应用到城市产业规划、企业治理和企业信用评级等等方面,是一个有效的科学决策方法.Diego Falsini、Federico Fondi 和Massimiliano M. Schiraldi〔2021〕运用AHP 与DEA的结合研究了物流供给商的选择；Radivojevi、Gordana和Gajovi, Vladimir 〔2021〕研究了供给链的风险因素分析；.Maniya和.Bhatt〔2021〕研究了多属性的车辆自动引导机制；朱春生〔2021〕利用AHP分析了高校后勤HR配置的风险治理；蔡文飞〔2021〕运用AHP分析了煤炭治理中的风险应急处理；徐广业〔2021〕研究了AHP与DEA的交互式应用；林正奎〔2021〕研究了城市保险业的社会责任.第一,递阶层次结构的建立一般来说,可以将层次分为三种类型：〔1〕最高层〔总目标层〕：只包含一个元素,表示决策分析的总目标,因此也称为总目标层.〔2〕中间层〔准那么层和子准那么层〕：包含假设干层元素,表示实现总目标所涉及的各子目标,包含各种准那么、约束、策略等,因此也称为目标层.〔3〕最低层〔方案层〕：表示实现各决策目标的可行方案、举措等,也称为方案层.典型的递阶层次结构如下列图1：一个好的递阶层次结构对解决问题极为重要,因此,在建立递阶层次结构时,应注意到：〔1〕从上到下顺序地存在支配关系,用直线段〔作用线〕表示上一层次因素与下一层次因素之间的关系,同一层次及不相邻元素之间不存在支配关系.〔2〕整个结构不受层次限制.〔3〕最高层只有一个因素,每个因素所支配元素一般不超过9个,元素过多可进一步分层.〔4〕对某些具有子层次结构可引入虚元素,使之成为典型递阶层次结构.第二,构造比拟判断矩阵设有m个目标〔方案或元素〕,根据某一准那么,将这m个目标两两进行比较,把第i个目标.=1,2,…,m〕对第j个目标的相对重要性记为a i「这样构造的m 阶矩阵用于求解各个目标关于某准那么的优先权重,成为权重解析判断矩阵, 简称判断矩阵,记作A =〔a〕.ij m x nSatty于1980年根据一般人的认知习惯和判断水平给出了属性间相对重要性等级表〔见表1〕.利用该表取的a^值,称为1-9标度方法.表1目标重要性判断矩阵A中元素的取值假设决策者能够准确估计a..,那么有：a二-1,a=a *a ,a=1 ,其根本的定1]ij a ij ik kj li理如下：第一,设A=(a ij)mxm,A>0,(即2产0间=12・.・加),如果满足条件(1)a ii =1 (i =12・・・,m)；⑵a ij=1/a ji(i,j =1,2,…,m),那么称矩阵A为互反正矩阵.第二,设A=(a ij)mxm,A>0,如果满足条件a j= a ik-a kj(i,j,k=12・・・,m)那么称矩阵A为一致性矩阵.第三,对于任何一个m阶互反正矩阵A,均有X ma x Nm,其中勺曲是矩阵A 的最大特征值.第三,m阶互反正矩阵A为一致性矩阵的充分必要条件是A的最大特征根为m.第三,单准那么下的排序层次分析法的信息根底是比拟判断矩阵.由于每个准那么都支配下一层假设干因素,这样对于每一个准那么及它所支配的因素都可以得到一个比拟判断矩阵. 因此根据比拟判断矩阵如何求得各因素w1,w2,…,w m对于准那么A的相对排序权重的过程称为单准那么下的排序.这里设A=(a ij)mxm,A>0.方法一：本征向量法利用AW=九W求出所有九的值,其中！_为九的最大值,求出X max对应的特征向量W*,然后把特征向量W*规一化为向量W,那么W=[W],w2, ・・.w m]T为各个目标的权重.求九需要解m次方程,当mN3时,计算比拟麻烦,可以利用matlab 来求解.(2)判断矩阵的近似解法判断矩阵是决策者主观判断的定量描述,求解判断矩阵不要求过高的精度. 这里,介绍三种近似计算方法：根法、和法及幂法.幂法适于在计算机上运算.第一,根法①A中每行元素连乘并开m次方,得到向量W* =(狡*,狡*,...,狡*)T其中,12 mw* = 1r m a. ml%「1j j=②对W*作归一化处理,得到权重向量W=(w1,w2,…w )T,其中w = w*/£w* 12m l lll=1③对A中每列元素求和,得到向量S=(s1,s2,…s m),其中s j= E a j l=1④计算入max的值,九max=£s w = SW = -!-£ (AW：l=1l=1l方法二：和法①将A的元素按列作归一化处理,得矩阵QXqJmm.其中,q j = ajZa jk=1②将Q的元素按行相加,得向量a = (a ,a,…,a ).其中,a =£q12 mljjT③对向量a作归一化处理,得权重向量W=(w/w2, ・・.w m)T,其中w^a. /£a kk=1④求出最大特征值九=1£〞乜max m ,w ,方法三：幂法幂法是一种逐步迭代的方法,经过假设干次迭代计算,根据规定的精度,求出判断矩阵A的最大特征值及其对应的特征向量.设矩阵A=(a..)mxm,A>0,那么lim2土= CW,其中,W是A的最大特征值对应的的特征向量,C为常数, e T A k e k-8向量 e=(1,1,…,1)T .幂法的计算步骤是：①任取初始正向量X (0)=(x 1(0), x 2(0),…,X m (0))T ,计算=max { X 〔0〕}, Y 〔0〕= X 〔0〕/ mi②迭代计算,对于k=0,1,2,…计算X 〔 k +i 〕= AY 〔 k 〕, m = |X 〔 k +i 〕I = max { X 〔8i③精度检查.当|m k +1 -m j<£时,转入步骤④；否那么,令卜=卜+1,转入步骤②. ④求最大特征值和对应的特征向量,将Y (k+1)归一化,即： W = Y (k +1) / £ y ( k +1),九 =mi =1第四,单准那么下的一致性检验由于客观事物的复杂性,会使我们的判断带有主观性和片面性,完全要求 每次比拟判断的思维标准一致是不太可能的.因此在我们构造比拟判断矩阵时, 我们并不要求n(n-1)/2次比拟全部一致.但这可能出现甲与乙相比明显重要,乙 与丙相比极端重要,丙与甲相比明显重要,这种比拟判断会出现严重不一致的 情况.我们虽然不要求判断具有一致性,但一个混乱的,经不起推敲的比拟判 断矩阵有可能导致决策的失误,所以我们希望在判断时应大体一致.而上述计 算权重的方法,当判断矩阵过于偏离一致性时,其可靠程度也就值得疑心了. 因此,对于每一层次作单准那么排序时,均需要作一致性的检验.一致性指标〔Consistency Index,CI 〕 : CI =九 maxmm — 1 随机指标〔Random Index,RI 〕一致性比率〔Consistency Rate,CR 〕 :CR=CI/RI当CR 取时,最大特征值为=CI ・〔m-1〕+m=・RI ・〔m-1〕+mmaxm = ||X 〔0〕X 〔k +1〕}, Y 〔k +1〕=X 〔 k +i 〕/ m k +1表2随机指标RI ,九 取值表max表中当n=1,2时,RI=0,这是由于1,2阶判断矩阵总是一致的.当nN3时,假设CR^P X ma x＜认为比拟判断矩阵的一致性可以接受,否那么应对判断矩阵作适当的修正,直到X max小于X max通过一致性检验时,求得的W 才有效.第五,层次总排序计算同一层次中所有元素对最高层(总目标)的相对重要性标度(又称权重向量)称为层次总排序.(1)层次总排序的步骤为：第一,计算同一层次所有因素对最高层相对重要性的权重向量,这一过程是自上而下逐层进行；第二,设已计算出第k-i层上有叱1个元素相对总目标的权重向量为K-1W(k-1)=(W1(k-1), W2(k-1),…,W n(k-1)(k-1))T第三,第k层有个n k个元素,他们对于上一层次(第k-1层)的某个元素j 的单准那么权重向量为p j(k)=(w1j(k), W2j(k),…,W nkj)(k))T (对于与k-1层第j个元素无支配关系的对应W j取值为0)；第四,第k层相对总目标的权重向量为W k= (p1(k), p2(k),…p k-1(k),)W(k-1)(2)层次总排序的一致性检验人们在对各层元素作比拟时,尽管每一层中所用的比拟尺度根本一致,但各层之间仍可能有所差异,而这种差异将随着层次总排序的逐渐计算而累加起来,因此需要从模型的总体上来检验这种差异尺度的累积是否显着,检验的过程称为层次总排序的一致性检验.第k 层的一致性检验指标CIk=(CI1(k-1), CI2(k-1),・・・, CIn K(k-1))W(k-1)RI k=(RI1(k-1), RI2(k-1),・・・, RIn K(k-1))W(k-1)CR k=CR k-1+CI k/RI k(34k4n)当CR k ＜,可认为评价模型在第k层水平上整个到达局部满意一致性.第六,递阶层次结构权重解析过程(1)树状结构目标体系目标可分为多个层次,每个下层目标都隶属于一个而且只隶属一个上层目标,下层目标是对上层目标的具体说明.对于树状结构的目标体系,需由上而下逐步确定权重,即由树干向树梢,求树杈各枝相对于树杈的权重.〔2〕网状结构目标体系网状结构的目标也分为多个层次,每个下层目标隶属于某几个上层目标〔至少有一个下层目标隶属于不止一个上层目标〕.AHP方法的根本步骤：层次分析法大体分为以下六个步骤：〔1〕明确问题；〔2〕建立层次结构；〔3〕两两比拟,建立判断矩阵；〔4〕层次单排序及其一致性检验；〔5〕层次总排序及其一致性检验；〔6〕根据分析计算结果,考虑相应的决策.2.模糊综合评价方法理论根底模糊综合评价是以模糊数学为根底.应用模糊关系合成的原理,将一些边界不清,不易定量的因素定量化,进行综合评价的一种方法.在校园环境质量综合评价中,涉及到大量的复杂现象和多种因素的相互作用,而且,评价中存在大量的模糊现象和模糊概念.因此,在综合评价时,常用到模糊综合评价的方法进行定量化处理,评价出校园环境的质量等级,取得了良好的效果.但权重确实定需要专家的知识和经验,具有一定的缺陷,为此,本文采用层次分析法来确定各指标的权系数.使其更有合理性,更符合客观实际并易于定量表示, 从而提升模糊综合评判结果的准确性.此外,模糊综合评价中常取的取大取小算法,信息丧失很多,常常出现结果不易分辨〔即模型失效〕的情况.模糊综合评价方法和步骤的流程如下列图2：模糊综合评价是通过构造等级模糊子集把反映被评事物的模糊指标进行量化〔即确定隶属度〕,然后利用模糊变换原理对各指标综合.流程如下：〔1〕确定评价对象的因素论域P个评价指标,u=k u2,, u｝.〔2〕确定评语等级论域v = 11,\,・・・・・・,V p｝,即等级集合.每一个等级可对应一个模糊子集.〔3〕建立模糊关系矩阵R在构造了等级模糊子集后,要逐个对被评事物从每个因素ui〔i = 1,2, ・・・・・・,p〕上进行量化,即确定从单因素来看被评事物对等级模糊子集的隶属度〔R I u.〕, 进而得到模糊关系矩阵：一u r r• • •r11112 1 mR I u r r• • •rR =2一2122 2 m• •*• • •• • •« • ••rR I u r r• • •p 1 p 2pm」p . m矩阵R 中第i 行第/列元素r j,表示某个被评事物从因素4来看对匕等级模糊子 集的隶属度.一个 被评事物在某个因素4方面的表现,是通过模糊向量 〔R ।匕〕=〔/%,……,0来刻画的,而在其他评价方法中多是由一个指标实际值来刻画的,因此,从这个角度讲模糊综合评价要求更多的信息［10. 〔4〕确定评价因素的权向量在模糊综合评价中,确定评价因素的权向量：A = 〔a ,a ,・・・・・・,a 〕.权向量A12p中的元素a.本质上是因素u 对模糊子｛对被评事物重要的因素｝的隶属度.本文使 用层次分析法来确定评价指标间的相对重要性次序.从而确定权系数,并且在 合成之前归一化.即寸a .=1,a0 , i = 1,2,・・・・・・,n i =1〔5〕合成模糊综合评价结果向量利用适宜的算子将4与各被评事物的R 进行合成,得到各被评事物的模糊 综合评价结果向量B .即：AoR =C a ,a ,……,a ) p r11 r21• • •r 12 r22 • • •• • • • • • • • •r 1 m r2 m• • •=(b , b , (12)•••, b m )=BL r r• • •rp 1 p 2pm」其中?是由4与R 的第j 列运算得到的,它表示被评事物从整体上看对匕等级模 糊子集的隶属程度.〔6〕对模糊综合评价结果向量进行分析实际中最常用的方法是最大隶属度原那么,但在某些情况下使用会有些很勉 强,损失信息很多,甚至得出不合理的评价结果.提出使用加权平均求隶属等 级的方法,对于多个被评事物并可以依据其等级位置进行排序.多级模糊综合评价方法的步骤如下,以二级模糊评价为例：(1)进行一级因素的综合评价即按某一类中的各个因素进行综合评价.设对第i(1=12,,N)类中的第川=12加)元素进行综合评价,评价对象隶属于评价集合中的第k(k=1,2〃,m)个元素的隶属度为争(i=1,2,,,N；j=1,2,,,n；k=1,2〃,m),那么该综合评价的单因素隶属度矩阵为：Ci11 …RmR=()i C ... C in i inm于是第i类因素的模糊综合评价集合为：C11…C i i mB — W .R —(w , w ,.... w ).()i i ii1i2 in C ... Cin i inm同理确定B i.....B n的单因素模糊评价行向量：B -(,,,,) B；=(,,,,) ...B n -(,,,,)I=1,2,,,N,Bi为B层第i个指标所包含的各下级因素对于它的综合模糊运算结果, b 为B层第i个指标下级各因素相对于它的权重；R为模糊评价矩阵.i(2)进行二级因素的模糊综合评价最底层模糊综合评价仅仅是对某一类中的各个因素进行综合,为了考虑各类因素的综合影响,还必须在类之间进行综合.进行类之间因素的综合评价时, 所进行的评价为单因素评价,而单因素评价矩阵应为最底层模糊综合评价矩阵：B i ii - B i i mA — W .R —(w , w,….w ).()i i ii1 i2 in B ... Bin1inm。
