评价决策类——层次分析法+数学建模+实战分析

​

前言

层次分析模型（Analytic Hierarchy Process, AHP）是一种系统化的多准则决策分析方法，适用于需要在多个相互冲突或互补的准则下做出决策的情景。它通过构建层次结构来明确决策目标、准则和备选方案，并使用0~9标度法进行两两比较来确定各准则和方案的相对重要性，进而通过一致性检验保证比较的一致性。层次分析模型适用于各种复杂决策问题，如项目选择、资源分配、供应商选择等，特别是在需要整合定性和定量信息，以及涉及多个决策者意见的情况中尤为有效。

历年题型分析

上述就是这几年数学建模比赛所考察的算法，以及每个算法求解的模型。下面把这几类算法，给大家归纳出最常用的解决方法，供大家参考。

优化类算法

线性规划、非线性规划、多目标规划、最短路径、最小生成树、动态规划

预测类算法

灰色预测、时间序列、回归分析、支持向量机、神经网络、马尔科夫模型

评价决策类

层次分析、TOPSIS法、灰色关联分析、模糊综合评价、主成分分析、聚类分析

NP-hard类

蚁群算法、粒子群算法、遗传算法、模拟退火

对于这几年数学建模比赛，评价优化类题目出现的频率还是蛮多滴，其中评价优化类题目一个常用解法就是层次分析法 (AHP)和多指标评价法(MCDA)。我找了很多资源进行学习，自我感觉层次分析法和多指标评价法的用法和解题思路大差不差，都是将一个评价类问题分成几个指标进行评估，计算最后的得分进行排序，层次分析将问题分成了三层，目标层、准则层和方案层，主要思想是分而治之，而多指标评价法更多的是针对数据本身特点进行分析，使得评价结果更具有客观性。以下就是我从其他地方copy过来的两者的对比介绍，大家用辩证的思想来看待。

本次任务我带大家如何使用这个层次分析法，根据实例将问题如何拆解划分

​