数学建模—层次分析法

数学建模—层次分析法

​ 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）

步骤方法

​ 例题：小明想出去旅游。在查阅了网上的攻略之后，他初步选择了苏杭、北戴河和桂林三地之一作为目标景点。

​ 请你确定指标、形成评价体系为小明同学选择最佳的方案

​ 首先解决评价类问题，首先需要分析需求：

​ ①我们评价的目标是什么？

​ ②我们为了这个目标有几种方案？

​ ③评价的准则或者说指标是什么？

​ 这三个也是我们评价问题时候建立的评价系统。

层次分析法第一步：分析需求

层析分析法第二步：构造判断矩阵

O	C1	C2	C3	C4	C5
C1	1	1/2	4	3	3
C2	2	1	7	5	5
C3	1/4	1/7	1	1/2	1/3
C4	1/3	1/5	2	1	1
C5	1/3	1/5	3	1	1

注：优秀论文可参考2008国赛B题一等奖

层次分析法第三步：

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）算数平均法

（2）几何平均法

（3）特征值法

在开始之前应先进行一致性检验的步骤

第一步： 计算一致性指标CI
$$CI=\frac{{\lambda }_{max}-n}{n-1}$$
第二步： 查找对应的平均随即将一致性指标RI(网上查阅可得)

n	1	2	3	4	5	…
RI	0	0	0.52	0.89	1.12	…

第三步： 计算一致性比例CR
$$CR=\frac{CI}{RI}$$
如果CR<0.1,则可以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。

第四步： 根据权重矩阵计算得分，并进行排序

MATLAB代码模块部分（待更新）

%% 输入判断矩阵
clear;clc
disp('请输入判断矩阵A： ')
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]
 
 %% 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）
Sum_A = sum(A)

[n,n] = size(A)  % 也可以写成n = size(A,1)
% 因为我们的判断矩阵A是一个方阵，所以这里的r和c相同，我们可以就用同一个字母n表示
SUM_A = repmat(Sum_A,n,1)   %repeat matrix的缩写
SUM_A
Stand_A = A ./ SUM_A
% 这里我们直接将两个矩阵对应的元素相除即可

% 第二步：将归一化的各列相加(按行求和)
sum(Stand_A,2)

% 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
disp('算术平均法求权重的结果为：');
disp(sum(Stand_A,2) / n)
% 首先对标准化后的矩阵按照行求和，得到一个列向量
% 然后再将这个列向量的每个元素同时除以n即可

%% 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
clc;A
Prduct_A = prod(A,2)
% prod函数和sum函数类似，一个用于乘，一个用于加  dim = 2 维度是行

% 第二步：将新的向量的每个分量开n次方
Prduct_n_A = Prduct_A .^ (1/n)
% 这里对每个元素进行乘方操作，因此要加.号哦。  ^符号表示乘方哦  这里是开n次方，所以我们等价求1/n次方

% 第三步：对该列向量进行归一化即可得到权重向量
% 将这个列向量中的每一个元素除以这一个向量的和即可
disp('几何平均法求权重的结果为：');
disp(Prduct_n_A ./ sum(Prduct_n_A))

%% 方法3：特征值法求权重
% 第一步：求出矩阵A的最大特征值以及其对应的特征向量
clc
[V,D] = eig(A)    %V是特征向量, D是由特征值构成的对角矩阵（除了对角线元素外，其余位置元素全为0）
Max_eig = max(max(D)) %也可以写成max(D(:))
% 那么怎么找到最大特征值所在的位置了？ 需要用到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。
% 那么问题来了，我们要得到最大特征值的位置，就需要将包含所有特征值的这个对角矩阵D中，不等于最大特征值的位置全变为0
% 这时候可以用到矩阵与常数的大小判断运算
D == Max_eig
[r,c] = find(D == Max_eig , 1)
% 找到D中第一个与最大特征值相等的元素的位置，记录它的行和列。

% 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
V(:,c)
disp('特征值法求权重的结果为：');
disp( V(:,c) ./ sum(V(:,c)) )
% 我们先根据上面找到的最大特征值的列数c找到对应的特征向量，然后再进行标准化。

计算一致性比例

clc
CI = (Max_eig - n) / (n-1);
RI=[0 0 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];  %注意哦，这里的RI最多支持 n = 15
CR=CI/RI(n);
disp('一致性指标CI=');disp(CI);
disp('一致性比例CR=');disp(CR);
if CR<0.10
    disp('因为CR < 0.10，所以该判断矩阵A的一致性可以接受!');
else
    disp('注意：CR >= 0.10，因此该判断矩阵A需要进行修改!');
end

注：代码仅供参考，请读者具体问题具体分析！！！