层次分析法（一）

@刹那芳华逝

已于 2022-06-25 14:52:57 修改

阅读量8.4k

点赞数 9

分类专栏： MATLAB数学建模文章标签： matlab

于 2022-05-18 22:03:37 首次发布

本文链接：https://blog.csdn.net/m0_58071164/article/details/124737974

版权

MATLAB数学建模专栏收录该内容

11 篇文章 0 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

层次分析法简介

层次分析法（The analytic hierarchy process，简称AHP）。是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得更优秀）。

层次分析法（The Analytic Hierarchy Process即 AHP)是由美国运筹学家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。

层次分析法引例

引例：小明高考结束了，是选择华科还是武大呢？

小明最关心大学里的这四个方面：

学习氛围(0.4)、就业前景(0.3)、男女比例(0.2)、校园景色(0.1)。括号里面的数值表示小明认为的重要性程度（权重），其和为1。

现已知：

学习氛围：华科:武大=0.7:0.3

就业前景：华科:武大=0.5:0.5

男女比例：华科:武大=0.3:0.7

校园景色：华科:武大=0.25:0.75

最终小明整理出如下的权重表：

	指标权重	华科	武大
学习氛围	0.4	0.7	0.3
就业前景	0.3	0.5	0.5
男女比例	0.2	0.3	0.7
校园景色	0.1	0.25	0.75

华科最终得分： $0.7\times 0.4+0.5\times0.3+0.3\times0.2+0.25\times0.1=0.515$

武大最终得分： $0.3\times0.4+0.5\times0.3+0.7\times0.2+0.75\times0.1=0.485$

小明最终选择华科。

层次分析法模型

填好志愿后，小明想出去旅游，在查阅网上的攻略后，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。

解决评价类问题，首先想到以下三个问题：

我们评价的目标是什么；
我们为了达到这个目标有哪几种可选择的方案；
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)。

一般来说，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。

搜索小技巧

搜索网站：https://search.chongbuluo.com/

优先级：谷歌搜索、微信搜索、知乎搜索

经查询后我们选择以下五个指标：

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

构造判断矩阵

在确定影响某因素的诸因子在该因素中所占的比重时，遇到的主要困难是这些比重常常不易定量化。此外，当影响某因素的因子较多时，直接考虑各因子对该因素有多大程度的影响时，常常会因考虑不周全、顾此失彼而使决策者提出与他实际认为的重要性程度不相一致的数据，甚至有可能提出一组隐含矛盾的数据。——司守奎《数学建模算法与应用》

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：两个指标进行比较，最终根据两两比较结果来推算出权重。

上面这个表是一个5*5的方阵，我们记为A，对应的元素为 $a_{ij}$ ，这个方阵有如下的特点：

$a_{ij}$ 表示的意义是，与指标j相比，i的重要程度。
当i=j时，两个指标相同，因此同等重要记为1，这就解释了主对角线元素为1。
$a_{ij}>0$ 且满足 $a_{ij}\times a_{ji}=1$ （我们称满足这一条件的矩阵为正互反矩阵）。

实际上，上面这个矩阵就是层次分析法中的判断矩阵。

接下来我们要计算苏杭、北戴河与桂林在景色方面所占的权重：

同理，可分别得出这三个城市在花费、居住、饮食、交通方面的权重：

【注意】：我们所构造的判断矩阵必须是一致矩阵，即满足 $a_{ik}=a_{ij}\times a_{jk}$ ，各行/各列之间成倍数关系。

一致性检验

【目标】：检验我们构造的判断矩阵和一致矩阵是否有太大差别。

【原理】：

【一致性检验步骤】：

step1：计算一致性指标CI

$CI=\frac{\lambda _{max}-n}{n-1}$

step2：查找对应的平均随机一致性指标RI

n	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
RI	0.00	0.00	0.52	0.89	1.12	1.26	1.36	1.41	1.46	1.49	1.52	1.54	1.56	1.58	1.59

【注意】在实际运用中，n很少超过10，如果指标的个数大于10，则可考虑建立二级指标体系，或使用我们以后要学习的模糊综合评价模型。

step3：计算一致性比例CR

$CR=\frac{CI}{IR}$

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的一致性进行修正。

【两个小问题】：

一致性指标 $CI=\frac{\lambda _{max}-n}{n-1}$ ，一致性比例 $CR=\frac{CI}{RI}=\left\{\begin{matrix} <0.1 &Judege\ matrix\ consensus & \\ \geqslant 0.1& Judege\ matrix\ unconsensus & \end{matrix}\right.$ 。

平均随机一致性指标RI怎么计算来的

RI的值：用随机方法构造500个样本矩阵，随机地从1-9及其倒数中抽取数字构造正互反矩阵，求得最大特征根的平均值 $\lambda ^{'}_{max}$ ，并定义

$RI=\frac{\lambda ^{'}_{max}-n}{n-1}$

为什么要这样构造CI，为什么要以0.1为划分依据

大家有兴趣的话可以去查看作者的原论文，作者是通过多次蒙特卡罗模拟得到的最佳的方案。

判断矩阵、一致矩阵计算权重

一致矩阵归一化：

苏杭：1/(1+0.5+0.25)

北戴河：0.5/(1+0.5+0.25)

桂林：0.25/(1+0.5+0.25)

判断矩阵归一化：

仅使用第一列数据计算得权重：

苏杭：1/(1+0.5+0.2)=0.5882、北戴河：0.5/(1+0.5+0.2)=0.2941、桂林：0.2/(1+0.5+0.2)=0.1177

仅使用第二列数据计算得权重：

苏杭：2/(2+0.5+1)=0.5714、北戴河：1/(1+2+0.5)=0.2941、桂林：0.5/(1+0.5+2)=0.1429

仅使用第三列数据计算得权重：

苏杭：5/(2+5+1)=0.625、北戴河：2/(1+2+5)=0.25、桂林：1/(1+5+2)=0.125

【方法1】算术平均法求权重

综合上述三列，我们可求得平均权重：

苏杭：(0.5882+0.5714+0.625)/3=0.5949

北戴河：(0.2941+0.2857+0.25)/3=0.2766

桂林：(0.1177+0.1429+0.125)/3=0.1285

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。

假设判断矩阵 $A=\begin{bmatrix} a_{11} &a_{12} &...&a_{1n} \\ a_{21} &a_{22} &...&a_{2n} \\ . &. & &.\\ .& .& &. \\ .& .& & .\\ a_{n1}&a_{n2} &... &a_{nn} &\\ \end{bmatrix}$

那么算数平均法求得的权重向量 $\omega _{i}=\frac{1}{n}\sum_{j=1}^{n}\frac{a_{ij}}{\sum_{k=1}^{n}a_{kj}},(i=1,2,3,...,n)$

【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。

假设判断矩阵 $A=\begin{bmatrix} a_{11} &a_{12} &... &a_{1n}\\ a_{21}&a_{22} &... &a_{2n} \\ .& .& & .& \\ .& .& & .& \\ .& .& & .& \\ a_{n1}&a_{n2}&...&a_{nn} \end{bmatrix}$

那么几何平均法求得的权重向量 $\omega _{i}=\frac{(\prod_{j=1}^{n}a_{ij})^{\frac{1}{n}}}{\sum_{k=1}^{n}(\prod_{j=1}^{n}a_{kj})^{\frac{1}{n}}},(i=1,2,...,n)$

	算术平均法权重	几何平均法权重
苏杭	0.5949	0.5954
北戴河	0.2766	0.2764
桂林	0.1285	0.1283

【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。另外我们很容易得到当特征值为n时，对应的特征向量刚好为 $k\begin{bmatrix} \frac{1}{a_{11}} &,&\frac{1}{a_{12}}&, &\frac{1}{a_{13}} &... &\frac{1}{a_{1n}} \end{bmatrix}^{T}(k\neq 0)$ 。这一特征向量刚好为矩阵的第一列。

最大特征值为3.0055 , 一致性比例CR=0.0053。对应的特征向量：[‐0.8902,‐0.4132,‐0.1918] 对其归一化：[0.5954,0.2764,0.1283]。

【计算结果汇总】

将计算结果填入权重表

苏杭得分0.299，北戴河得分0.245，桂林得分0.455，最终选择最佳旅游景点桂林。

层次分析法步骤

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。

使用SmartArt生成：

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）。

左边这个矩阵的名称是：判断矩阵O — C

理想：采用专家群体判断

现实：几乎都是自己填

准则层—方案层的判断矩阵的数值要结合实际来填写，如果题目中有其他数据，可以考虑利用这些数据进行计算。

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：算术平均法、几何平均法、特征值法

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。

【注意】

（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。