数学建模 层次分析模型 论文
- 格式:doc
- 大小:110.00 KB
- 文档页数:7
数学建模 层次分析模型作业
鱼丸
10.6.21
【建模提出】
假设我想买一部新手机,但是21世纪的今天,科技发展迅速,选择太多,为此,建立一个
选择一部自己喜欢得手机的层次结构模型,在纷繁的选择中作出一个理性而又科学的决策。
【建立模型】
1) 选择因素
鉴于影响选择手机的不确定性因素过多,这里我们仅选择比较客观的因素作为本次层次分析
法建模的准则层。我们选择的因素包括:价格,操作系统,外观,摄头像素。
2) 假设模型
A.将此决策问题分解为3个层次,最上层为目标层,即选择符合要求的手机。
B.中间层为准则层,如前所述,这里选择4个因素作为选择手机的准则:
1.价格 2. 操作系统 3. 外观 4.摄头像素
C.最下层为方案层。这里我们选择4个型号的手机进行分析:诺基亚N97、诺基亚N86、
SHARP SH9030c、索爱U1。
所涉及的层次图:
目标层 购买一台喜欢的手机
准则层 价格 操作系统 内存 硬盘
C1 C2 C3 C4
方案层 联想 宏基 苹果 惠普
Y460A-ITH 4630ZG iPad WIFI 4592U
P1 P2 P3 P4
【构造判断矩阵】
比较它们对上一层某一准则(或目标)的影响程度,确定在该层中相对于某一准则所占的比
重。比较时取1~9尺度。用 表示第 个因素相对于第 个因素的比较结果,则
ji
ij
a
a1
ij
a
i
j
nnnnnnnnijaaaaaaaaaaA
21
22221
11211
成对比较矩阵
比较尺度1-9的含义
标度 含义
1 两因素同样重要
3 一个因素比另一个因素稍微重要
5 一个因素比另一个因素明显重要
7 一个因素比另一个因素非常明显重要
9 一个因素比另一个因素绝对重要
参照成对法和1-9比较尺度,建立准则层到目标层的判断矩阵,如下:
C1 C2 C3 C4
C1 1 3 3 5
C2 1/3 1 1 2
C3 1/3 1 1 2
C4 1/5 1/2 1/2 1
根据数据,建立方案层到准则层的判断矩阵,如下:
P1 P2 P3 P4
nnijaA
P1 1 3 3 4
P2 1/3 1 1 2
P3 1/3 1 1 2
P4 1/4 1/2 1/2 1
P1 P2 P3 P4
P1 1 1/2 1 1/2
P2 2 1 1 1/2
P3 1 1 1 2
P4 2 2 1/2 1
P1 P2 P3 P4
P1 1 1/3 1/3 1/4
P2 3 1 1 2
P3 3 1 1 3
P4 4 1/2 1/3 1
P1 P2 P3 P4
P1 1 1/3 1/2 1/2
A
【判断矩阵的一致性检验】
定义一致性指标:( 是互反矩阵的最大特征根, 是唯一非零特征根。)
C I越大,不一致越严重,引起的判断误差越大。定义随即一致性指标RI。随即
模拟得到 ,形成A,计算CI即得RI。
随机一致性指标 RI 的数值:
n 1 2 3 4
RI 0.00 0.00 0.58 0.90
定义一致性比率:
当 时,能通过一致性检验,认为 的不一致程度在容许范
围之内,可用其可用其归一化特征向量作为权向量,否则,要重新构造成对比较
矩阵,对 加以调整。
(1)运用MATLAB软件求出判断矩阵(1)的最大特征值 =4.0042,其对
应的特征向量V1=[ 0.5320,0.1854,0.1854,0.0971]
一致性指标
CI= -n/n-1=(4.0042-4)/4-1=0.0014
RI
CI
CR=0.0042/0.09=0.001556<0.1, 通过一致性检验
P2 3 1 1 2
P3 2 1 1 3
P4 2 1/ 2 1/3 1
n
A
ij
a
1.0RICICR
A
【计算矩阵的权向量与组合一致性检验】
>> a=[1 3 3 5;1/3 1 1 2;1/3 1 1 2;1/5 1/2 1/2 1]
a =
1.0000 3.0000 3.0000 5.0000
0.3333 1.0000 1.0000 2.0000
0.3333 1.0000 1.0000 2.0000
0.2000 0.5000 0.5000 1.0000
>> [V,d]=eig(a)
V =
Columns 1 through 3
-0.8852 0.9462 0.9462
-0.3085 -0.1092 + 0.1581i -0.1092 - 0.1581i
-0.3085 -0.1092 + 0.1581i -0.1092 - 0.1581i
-0.1616 -0.0586 - 0.1653i -0.0586 + 0.1653i
Column 4
0.0000
-0.7071
0.7071
-0.0000
d =
Columns 1 through 3
4.0042 0 0
0 -0.0021 + 0.1290i 0
0 0 -0.0021 - 0.1290i
0 0 0
Column 4
0
0
0
-0.0000
>> c=V(:,1)/sum(V(:,1))
c =
0.5320
0.1854
0.1854
0.0971