目录
一.确定指标(各大搜索平台):景点景色、旅游花费、居住环境、饮食情况、交通便利程度
二.确定指标权重和每一个地方的每一个指标的满意度:两两考虑比较。重要性或者满意度
评价类问题:选择哪种方案最好、哪位运动员或者员工表现优秀。
题目问“请你确定评价指标、形成评价体系来选择最佳的方案”
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?
2.我们为了达到这个目标有哪几种可选的方案?
3.评价的准则或者说指标是什么?(可以自己确定:根据背景材料、常识以及网上搜集到的参考资料,优先选择知网、谷歌学术等平台引用文献,可以使用他人的研究方法)虫部落-快搜:http://search.chongbuluo.com/
层次分析法缺点:1.评价的决策层不能太多,太多的话n很大,判断矩阵个一致矩阵差异会很大(平均随机一致性指标RI的表格中n最多是15)2.指标权重是自己填的(应该是专家填)不能做到客观。
一,层次分析法(AHP)
例如: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。
一.确定指标(各大搜索平台):景点景色、旅游花费、居住环境、饮食情况、交通便利程度
二.确定指标权重和每一个地方的每一个指标的满意度:两两考虑比较。重要性或者满意度
2.1先两两比较列矩阵。
表中数字组成层次分析法中的判断矩阵(正负反矩阵)
一致矩阵:各行各列成倍数关系。
2.2一定要一致性检验。
有两种结果:一致矩阵和经过一致性检验的判断矩阵
对于一致矩阵:归一化处理。
对于判断矩阵:
2.3.1算术平均法算权重
可以直接放在论文里
2.3.2几何平均法求权重
2.3.3特征值法求权重(论文比赛中最常用)
类似的,把各个地点的各个指标得分情况填入下表。计算得分即可。
三.EXCEL计算得分(Fn和F4 一起锁定权重列)
再向右拉。
四.论文要有的
4.1层次结构图
做法一(ppt)
分两段写这些文字,
选中文字,“开始”--“提高列表级别”
全选第一段,右键,“转换为SmartArt”,选择层次结构图
剩余三个做一个结构层次图,后在“插入”里找小线段,把他连起来。
做法二(亿图图示)
自己构造方格、线条直至美观。
4.2判断矩阵:三线表
结合实际自己填,如若题目中有数据,考虑利用这些数据进行计算。
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)。看上右图,有一致性检验。如果本身是一致矩阵就不需要一致性检验
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,(并形成表格?),并且说上这句话
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,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。
4.3合成权重(EXCEL)
五.局限性
六.代码讲解(不可直接用于论文)
基础部分在另一篇:Matlab知识点中
一致性检验----计算权重
数据都在EXCEL中的话,可以再Matlab工作区中新建一个表格,双击,把EXCEL中的数据复制粘贴到Matlab中。
1.输入判断矩阵
%% 输入判断矩阵
clear;clc
%清空代码
disp('请输入判断矩阵A: ')
A = input('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]
% matlab矩阵有两种写法,可以直接写到一行:
% [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]
%同行用空格,不同行用分号
% 也可以写成多行:
[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]
% 两行之间以分号结尾(最后一行的分号可加可不加),同行元素之间以空格(或者逗号)分开。
2.一致性检验
%% 计算一致性比例CR
%要算特征值,所以可以在求权重后再检验(按理说是先检验)
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
%RI要查表,想返回那个就打RI(n)
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
3.算术平均法求权重
%% 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)
Sum_A = sum(A)
%sum(A)对每一列求和,不是对整个矩阵
[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
% 另外一种替代的方法如下:
SUM_A = [];
for i = 1:n %循环哦,这一行后面不能加冒号(和Python不同),这里表示循环n次
SUM_A = [SUM_A; Sum_A]
end
clc;A
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,他们的和是n
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(注意这里也可以用./哦)
4.几何平均法求权重
%% 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); %按行(2)相乘
% 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))
5.特征值求权重
%% 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(:))哦~,最大特征值要max两遍
% 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。r=c
% 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)) )%归一化
% 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。