【数模笔记01】层次分析法

已于 2024-07-17 21:09:25 修改
阅读量118 收藏
点赞数 2
分类专栏： 数模笔记——啊听说你也在学数模嘛 文章标签： 笔记
于 2024-07-17 20:55:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_79843311/article/details/140505227
版权

评价类问题

明确评价指标、方案、评价的准则和指标（查找背景资料、常识进行确定）

问题引入：如何进行最基本的评价来打分，依据可量化的分数来做出决定？解决一些思虑不周的情况。比如说本来更适合小明的是A大学，却在身边人的鼓吹下因为B大学的某些地方选择了B大学。

解决方法：列个表格一一打分，综合所有指标得到总分来确定最终的选择。就像这样：

。。。。。。（下次补）

Jilly_llll
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数学建模模型学习笔记之层次分析法
weixin_43657029的博客
05-02 787
层次分析法 模型简介 层次分析法(Analytic Hierarchy Process，简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。尤其适合于对决策结果难于直接准确计量的场合。是建模比赛中最基础而又最重要的模型之一，主要用于解决评价类问题（比如最佳方案的原则、评选优秀员工等）。 例题导入 我们通过一道例题引出层次分析法。 现在正值五一...
深度学习高数学习笔记
03-09
1. 微积分：深度学习中的优化问题通常涉及求解损失函数的最小值，这需要用到微积分中的梯度下降法。此外，反向传播算法也基于链式法则，这是微分学的核心部分。理解多元函数的偏导数、全微分以及泰勒展开，有助于...
数模笔记之层次分析法
m0_73084262的博客
05-22 94
数模笔记：层次分析法
qq_44280122的博客
02-16 642
层次分析法 图片来自于：哔哩哔哩 数学建模学习交流 公开课PPT 若想了解更多，可以关注原作者，其视频质量极高，免费且通俗易懂，本文仅为个人观看之后所做笔记。 层次分析法模型： 1.构建判断矩阵AAA， 2.利用判断矩阵计算权重 ω\omegaω， 计算权重的时候，一定要将矩阵 归一化 ！ 一致矩阵可以记为一秩矩阵因为各行各列成比例，因而 rank(A)=1rank(A)=1rank...
数模笔记：层次分析法（思路方法）
qq_62801838的博客
12-04 1685
目录 一、什么是层次分析法 二、我们直接来一个例子 题目： 在这里，我们的思维经过了三个问题的思考： 确定权重 判断矩阵： 最后一步 三、收获 在这里我想先诉苦，因为中间有些内容因为手抖删掉了，重新写了一下，可能没有第一遍写的那么精致，我也很难受，但是没办法……重写真的难受。 一、什么是层次分析法 1.层次分析法是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。 二、我们直接来一个例子 题目： 假期旅游有 P1、 P2 、 P3 3 个.
数模笔记（二）：层次分析法
刘躺的博客
10-05 1957
1.这种方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。将定量分析与定性分析相结合。 2.三大典型应用 🙉用于最佳方案的选取（选择运动员、选择地址） 🙉用于评价类问题（评价水质状况、评价环境） 🙉用于指标体系的优选（兼顾科学和效率）...
层次分析法 学习笔记
qq_52139682的博客
02-16 671
学习清风老师课程记录的学习笔记
【数模学习笔记】层次分析法权重计算
2301_79920063的博客
01-25 1992
由于一致性判断需要求特征值，所以可以先算权重再进行一致性检验（论文里不能这么写），总代码如下判断是否为方阵、正互反矩阵、非一致性矩阵clear;clcA = input("请输入矩阵A的值: ");% 判断是否为方阵Error = 0;if row ~= col % 行数和列数不等Error = 1;end% 判断是否为正互反矩阵(对称矩阵)if A'.*A ~= ones(row) & Error == 0 % A和A转置的元素相乘Error = 2;end。
层次分析法详细讲解+Python代码实现
m0_64336780的博客
07-13 7206
层次分析法(Analytic HierarchyProcess，简称AHP)是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题它是美国运筹学家 T.L. Saaty 教授于上世纪 70年代初期提出的一种简便、灵活而又实用的多准则决策方法。
清风数学建模学习笔记（一）层次分析法
weixin_57697258的博客
06-18 2662
数学建模学习笔记（层次分析法）
AHP（层次分析法）学习笔记及多层权重Python实践
热门推荐
肖永威的专栏
09-07 2万+
层次分析法（The analytic hierarchy process）简称AHP，它是将与决策有关的因素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。 本文为简明AHP学习笔记，并通过Python实践构建多层权重。
计体笔记1_计体笔记_
10-02
3. 数据表示：二进制、八进制、十进制和十六进制的转换，以及二进制数的加减乘除运算。此外，还会涉及二进制补码表示法和浮点数表示。 4. 计算机的算术逻辑单元（ALU）如何执行基本的算术和逻辑操作。 5. 指令系统：...
传播图谱、意见领袖、社区分析笔记
07-29
人物相似性计算包括关注信息相似性、粉丝信息相似性、交互信息相似性以及微博内容相似性，这些可以通过层次分析法确定权重。在实际应用中，可能需要对相似性进行对数处理以增强对比度。微博圈子分析通常涉及加权有向...
计算机组成原理大一笔记
04-23
3. 存储系统：内存层次结构，包括高速缓存（Cache）、主存、硬盘等，以及它们如何影响程序的执行速度。此外，了解RAM（随机访问存储器）和ROM（只读存储器）的区别。 4. 输入/输出（I/O）系统：I/O设备的工作原理，...
22年408统考笔记总结.zip
02-23
5. 存储系统：内存层次结构（寄存器、高速缓存、主存、磁盘），RAM和ROM的工作原理。 6. CPU设计：指令集架构（ISA）、运算器、控制器，时钟周期、指令周期、机器周期。 7. 控制单元：微程序控制、硬布线控制，指令...
vite5+vue3开发阅读APP实战笔记20240725
Python私教
07-25 592
修改src/page/home/index.vue，使用组件和API。注意，这里无论是组件还是API，都不需要我们手动引入，我们配置了自动导入以后，vite会帮我们自动导入。创建 src/page/home/index.vue。修改 vite.config.js。修改vite.config.js。修改 src/main.js。修改src/App.vue。
谷粒商城实战笔记-62-商品服务-API-品牌管理-OSS整合测试
epitomizelu的专栏
07-25 978
通过上述步骤，你可以在Java项目中轻松地整合阿里云OSS服务，实现文件的上传、下载等功能。阿里云OSS提供了丰富的API和工具，可以根据你的业务需求进一步定制和扩展。希望这篇博客能帮助你在Java项目中顺利整合阿里云OSS服务。如果有任何疑问或需要进一步的帮助，请随时提问！
谷粒商城实战笔记-63-商品服务-API-品牌管理-OSS获取服务端签名
最新发布
epitomizelu的专栏
07-25 1036
因此，上传文件涉及到第三方服务阿里云OSS，以后还会有第三方短信服务等，为了统一管理第三方服务，创建一个专门的模块third-party。
【机器学习西瓜书学习笔记——模型评估与选择】
m0_51148715的博客
07-25 522
若一个学习器的 ROC 曲线被另个学习器的曲线完全“包住”，则可断言后者的性能优于前者;我们通常会把学习器的实际预测输出与样本的真实输出之间的差异称为误差。以查准率为纵轴、查全率为横轴作图,就得到了查准率-查全率曲线,简称**“P-R曲线”**，显示该曲线的图称为“P-R图”.③查准率越高，说明模型预测结果中真正例的比例越高，模型对于正样本的识别能力越强。③查全率越高，说明模型能够成功预测出的正样本比例越高，模型的识别能力越全面。目的：对于一个模型，根据p不同，找到使得代价总期望最小的模型的阈值。
python数模笔记
12-07
Python数模笔记是一本介绍Python在数学建模中应用的书籍或笔记。它包含了PuLP库、StatsModels统计回归、Sklearn、NetworkX、模拟退火算法等多个主题，涵盖了常用的降维思想和方法、线性规划、聚类分析、主成分分析、支持向量机、多变量函数优化、约束条件的处理、整数规划问题、旅行商问题等内容。这些主题都是在数学建模中非常常见的，而Python作为一种高效、易用的编程语言，被广泛应用于数学建模领域。 以下是Python数模笔记中的一些主题和方法的简介： 1. PuLP库：用于线性规划问题的求解，包括线性规划入门、线性规划进阶、线性规划实例等。 2. StatsModels统计回归：用于统计回归问题的求解，包括简介、线性回归、模型数据的准备、可视化等。 3. Sklearn：用于机器学习问题的求解，包括介绍、聚类分析、主成分分析、线性回归、支持向量机等。 4. NetworkX：用于图论问题的求解，包括图的构建、最短路径、最小生成树等。 5. 模拟退火算法：用于多变量函数优化、约束条件的处理、整数规划问题、旅行商问题等。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值