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
C
I
=
λ
m
a
x
−
n
n
−
1
CI=\frac{\lambda _{max}-n }{n-1}
CI=n−1λmax−n
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
C
R
=
C
I
R
I
CR=\frac{CI}{RI}
CR=RICI
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!!!