层次分析法:(The analytic hierarchy process, 简称AHP) 建模比赛中最基础的模型之一,其主要用于解决 评价类问题(例如:选择哪种方案最好、哪位运 动员或者员工表现的更优秀)。
1.评价类问题可用打分解决
2.根据权重表格计算得分
一道引出层次分析法的例题:
填好志愿后,小明同学想出去旅游。在查阅了网上的攻略后,他初步选择 了苏杭、北戴河和桂林三地之一作为目标景点。 请你确定评价指标、形成评价体系来为小明同学选择最佳的方案。
填好志愿后,小明同学想出去旅游。在查阅了网上的攻略后,他初步选择 了苏杭、北戴河和桂林三地之一作为目标景点。 请你确定评价指标、形成评价体系来为小明同学选择最佳的方案。
评价类问题
解决评价类问题,大家首先要想到以下三个问题:
① 我们评价的目标是什么?
答:为小明同学选择最佳的旅游景点。
② 我们为了达到这个目标有哪几种可选的方案?
答:三种,分别是去苏杭、去北戴河和去桂林。
③ 评价的准则或者说指标是什么?(我们根据什么东西来评价好坏)
答:题目没给相关数据支撑,需要我们确定。
一般而言,前两个问题的答案是显而易见的,第三个问题的答案 需要我们根据题目中的背景材料、常识以及网上搜集到的参考资料进行结合,从中筛选出最合适的指标。
优先选择知网(或者万方、百度学术、谷歌学术等平台)搜索相关的文献
虫部落‐快搜 : https://search.chongbuluo.com/
优先级:
谷歌搜索(国内进不去的话就使用百度搜索吧)
微信搜索
知乎搜索
例如本题我们可以搜索关键字: 旅游选择因素、根据什么因素选择旅游景点、旅游景点评价指标等
假如我们查询了资料后选择了以下五个指标:
①景点景色 ②旅游花费 ③居住环境 ④饮食情况 ⑤交通便利程度
分而治之:我们先来确定指标的权重吧~
问题: 一次性考虑这五个指标之间的关系,往往考虑不周。
解决方法: 两个两个指标进行比较,最终根据两两比较的结果来推算出权重。
如果用1‐9表示重要程度(见下表),请你两两比较上述这五个指标对 于选择最终的旅游景点的重要性。
(注:这里的重要性有时候解释为满意度更方便理解)
若矩阵中每个元素𝑎ij>0且满足𝑎ij*𝑎ji=1 ,则我们称该矩阵为正互反矩阵。
在层次分析法中,我们构造的判断矩阵均是正互反矩阵。
若正互反矩阵满足𝑎ij*𝑎jk= 𝑎ik,则我们称其为一致矩阵。
注意:在使用判断矩阵求权重之前,必须对其进行一致性检验。
原理:检验我们构造的判断矩阵和一致矩阵是否有太大的差别。
一致性检验的步骤:
第一步:计算一致性指标CI
第二步:查找对应的平均随机一致性指标RI
第三步:计算一致性比例CR
如果CR < 0.1, 则可认为判断矩阵的一致性可以接受;否则需要对 判断矩阵进行修正。
CR > 0.1 如何修正?答:往一致矩阵上调整, 一致矩阵各行成倍数关系
判断矩阵计算权重:
方法1:算术平均法求权重
第一步:将判断矩阵按照列归一化 (每一个元素除以其所在列的和)
第二步:将归一化的各列相加(按行求和)
第三步:将相加后得到的向量中每个元素除以n即可得到权重向量
方法2:几何平均法求权重
第一步:将A的元素按照行相乘得到一个新的列向量
第二步:将新的向量的每个分量开n次方
第三步:对该列向量进行归一化即可得到权重向量
方法3:特征值法求权重
一致矩阵有一个特征值为n,其余特征值均为0.
假如我们的判断矩阵一致性可以接受,那么我们可以仿照一致矩阵权重的求法。
第一步:求出矩阵A的最大特征值以及其对应的特征向量
第二步:对求出的特征向量进行归一化即可得到我们的权重
层次分析法(The Analytic Hierarchy Process即 AHP)是由美国运筹学家、 匹兹堡大学教授T . L. Saaty于20世纪70年代创立的一种系统分析与决策的综合 评价方法,是在充分研究了人类思维过程的基础上提出来的,它较合理地解 决了定性问题定量化的处理过程。
AHP的主要特点是通过建立递阶层次结构,把人类的判断转化到若干因 素两两之间重要度的比较上,从而把难于量化的定性判断转化为可操作的重 要度的比较上面。在许多情况下,决策者可以直接使用AHP进行决策,极大 地提高了决策的有效性、可靠性和可行性,但其本质是一种思维方式,它把 复杂问题分解成多个组成因素,又将这些因素按支配关系分别形成递阶层次 结构,通过两两比较的方法确定决策方案相对重要度的总排序。整个过程体 现了人类决策思维的基本特征,即分解、判断、综合,克服了其他方法回避 决策者主观判断的缺点。
层次分析法第一步:
1.分析系统中各因素之间的关系,建立系统的递阶层次结构.
注意:如果你用到了层次分析法,那么层次结构图要放在建模论文中。
层次结构图:
(1)使用SmartArt生成
(2)使用专业软件:亿图图示
层次分析法第二步
2. 对于同一层次的各元素关于上一层次中某一准则的重要 性进行两两比较,构造两两比较矩阵(判断矩阵)。
层次分析法第三步
3. 由判断矩阵计算被比较元素对于该准则的相对权重, 并进行一致性检验(检验通过权重才能用).
三种方法计算权重: (1)算术平均法(2)几何平均法(3)特征值法
强烈建议大家在比赛时三种方法都使用: 以往的论文利用层次分析法解决实际问题时,都是采用其中某一种方法 求权重,而不同的计算方法可能会导致结果有所偏差。为了保证结果的 稳健性,本文采用了三种方法分别求出了权重后计算平均值,再根据得 到的权重矩阵计算各方案的得分,并进行排序和综合分析,这样避免了 采用单一方法所产生的偏差,得出的结论将更全面、更有效。
注:(1)一致矩阵不需要进行一致性检验,只有非一致矩阵的判断矩阵才需要进 行一致性检验;(2)在论文写作中,应该先进行一致性检验,通过检验后再计算 权重,视频中讲解的只是为了顺应计算过程
层次分析法第四步
4 . 根据权重矩阵计算得分,并进行排序。
层次分析法的一些局限性
(1)评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异 可能会很大。
(2)如果决策层中指标的数据是已知的,那么我们如何利用这些数据来使得 评价的更加准确呢?
这里用EXCEL计算可大大减轻工作量哦。 文件:根据权重矩阵计算得分.xlsx
要点: F4可以锁定单元格
1. Matlab基本的小常识
分号的作用、注释的快捷键、clc和clear、disp和input
2. sum函数
3. Matlab中如何提取矩阵中指定位置的元素?
4. size函数
5. repmat函数
6. Matlab中矩阵的运算(加点和不加点)
7. Matlab中求特征值和特征向量
8. find函数的基本用法
9. 矩阵与常数的大小判断运算
10. 判断和循环语句
%% Matlab基本的小常识 % (1)在每一行的语句后面加上分号(一定要是英文的哦;中文的长这个样子;)表示不显示运行结果 a = 3; a = 5 % (2)多行注释:选中要注释的若干语句,快捷键Ctrl+R % a = 3; % a = 5 % (3)取消注释:选中要取消注释的语句,快捷键Ctrl+T % 我想要取消注释下面这行 % 还有这一行 % clear可以清楚工作区的所有变量 clear % clc可以清除命令行窗口中的所有文本,让屏幕变得干净 clc % 所以大家在很多代码开头,都会见到: clear;clc % 分号也用于区分行。 % 这两条一起使用,起到“初始化”的作用,防止之前的结果对新脚本文件(后缀名是 .m)产生干扰。 %% 输出和输入函数(disp 和 input) % disp函数 % matlab中disp()就是屏幕输出函数,类似于c语言中的printf()函数 disp('我是清风,大家好鸭~~~记得投币关注我哦') a = [1,2,3] %同一行中间用逗号分隔,也可以不用逗号,直接用空格 a = [1 2 3] disp(a) % 注意,disp函数比较特殊,这里可要分号,可不要分号哦 disp(a); % matlab中两个字符串的合并有两种方法 % (1)strcat(str1,str2……,strn) strcat('字符串1','字符串2') % (2)[str 1,str 2,……, str n]或[str1 str2 …… strn] ['字符串1' '字符串2'] ['字符串1','字符串2'] % 一个有用的字符串函数:num2str 将数字转换为字符串 c = 100 num2str(c) disp(['c的取值为' num2str(c)]) disp(strcat('c的取值为', num2str(c))) % input函数 % 一般我们会将输入的数、向量、矩阵、字符串等赋给一个变量,这里我们赋给A A = input('请输入A:'); B = input('请输入B:') % 注意观察工作区,并体会input后面加分号和不加分号的区别 %% sum函数 % (1)如果是向量(无论是行向量还是列向量),都是直接求和 E = [1,2,3] sum(E) E = [1;2;3] sum(E) % (2)如果是矩阵,则需要根据行和列的方向作区分 clc E = [1,2;3,4;5,6] % a=sum(x); %按列求和(得到一个行向量) a = sum(E) a = sum(E,1) % a=sum(x,2); %按行求和(得到一个列向量) a = sum(E,2) % a=sum(x(:));%对整个矩阵求和 a = sum(sum(E)) a = sum(E(:)) %% 基础:matlab中如何提取矩阵中指定位置的元素? % (1)取指定行和列的一个元素(输出的是一个值) clc;A=[1 1 4 1/3 3;1 1 4 1/3 3;1/4 1/4 1 1/3 1/2;3 3 3 1 3;1/3 1/3 2 1/3 1]; A A(2,1) A(3,2) % (2)取指定的某一行的全部元素(输出的是一个行向量) clc;A A(2,:) A(5,:) % (3)取指定的某一列的全部元素(输出的是一个列向量) clc;A A(:,1) A(:,3) % (4)取指定的某些行的全部元素(输出的是一个矩阵) clc;A A([2,5],:) % 只取第二行和第五行(一共2行) A(2:5,:) % 取第二行到第五行(一共4行) A(2:2:5,:) % 取第二行和第四行 (从2开始,每次递增2个单位,到5结束) 1:3:10 10:-1:1 A(2:end,:) % 取第二行到最后一行 A(2:end-1,:) % 取第二行到倒数第二行 % (5)取全部元素(按列拼接的,最终输出的是一个列向量) clc;A A(:) %% size函数 clc; A = [1,2,3;4,5,6] B = [1,2,3,4,5,6] size(A) size(B) % size(A)函数是用来求矩阵A的大小的,它返回一个行向量,第一个元素是矩阵的行数,第二个元素是矩阵的列数 [r,c] = size(A) % 将矩阵A的行数返回到第一个变量r,将矩阵的列数返回到第二个变量c r = size(A,1) %返回行数 c = size(A,2) %返回列数 %% repmat函数 % B = repmat(A,m,n):将矩阵A复制m×n块,即把A作为B的元素,B由m×n个A平铺而成。 A = [1,2,3;4,5,6] B = repmat(A,2,1) B = repmat(A,3,2) %% Matlab中矩阵的运算 % MATLAB在矩阵的运算中,“*”号和“/”号代表矩阵之间的乘法与除法(A/B = A*inv(B)) A = [1,2;3,4] B = [1,0;1,1] A * B inv(B) % 求B的逆矩阵 B * inv(B) A * inv(B) A / B % 两个形状相同的矩阵对应元素之间的乘除法需要使用“.*”和“./” A = [1,2;3,4] B = [1,0;1,1] A .* B A ./ B % 每个元素同时和常数相乘或相除操作都可以使用 A = [1,2;3,4] A * 2 A .* 2 A / 2 A ./ 2 % 每个元素同时乘方时只能用 .^ A = [1,2;3,4] A .^ 2 A ^ 2 A * A %% Matlab中求特征值和特征向量 % 在Matlab中,计算矩阵A的特征值和特征向量的函数是eig(A),其中最常用的两个用法: A = [1 2 3 ;2 2 1;2 0 3] % (1)E=eig(A):求矩阵A的全部特征值,构成向量E。 E=eig(A) % (2)[V,D]=eig(A):求矩阵A的全部特征值,构成对角阵D,并求A的特征向量构成V的列向量。(V的每一列都是D中与之相同列的特征值的特征向量) [V,D]=eig(A) %% find函数的基本用法 % 下面例子来自博客:https://www.cnblogs.com/anzhiwu815/p/5907033.html 博客内有更加深入的探究 % find函数,它可以用来返回向量或者矩阵中不为0的元素的位置索引。 clc;X = [1 0 4 -3 0 0 0 8 6] ind = find(X) % 其有多种用法,比如返回前2个不为0的元素的位置: ind = find(X,2) %上面针对的是向量(一维),若X是一个矩阵(二维,有行和列),索引该如何返回呢? clc;X = [1 -3 0;0 0 8;4 0 6] ind = find(X) % 这是因为在Matlab在存储矩阵时,是一列一列存储的,我们可以做一下验证: X(4) % 假如你需要按照行列的信息输出该怎么办呢? [r,c] = find(X) [r,c] = find(X,1) %只找第一个非0元素 %% 矩阵与常数的大小判断运算 % 共有三种运算符:大于> ;小于< ;等于 == (一个等号表示赋值;两个等号表示判断) clc X = [1 -3 0;0 0 8;4 0 6] X > 0 X == 4 %% 判断语句 % Matlab的判断语句,if所在的行不需要冒号,语句的最后一定要以end结尾 ;中间的语句要注意缩进。 a = input('请输入考试分数:') if a >= 85 disp('成绩优秀') elseif a >= 60 disp('成绩合格') else disp('成绩挂科') end