数模笔记 (一) : 评价类模型

学习参考视频链接

评价类问题概述

评价类问题的基本范畴

• 对题中所给目标按照一定的标准进行分类
• 将题中数据运用数学模型进行处理，并得到唯一指标结果进行比较或排序
• 探究某一综合问题的不同方面并计算验证其总体实现程度

评价类问题基本要素

• 被评价对象 如（工厂产品、员工绩效）
• 评价指标 如（生产成本、运输损耗）
• 权重系数 如（原料价格优先级高，维护费用优先度低）
• 评价模型 如（灰色模型、模糊综合）
• 评价主体 如（商场经理、上游经销商）

评价类问题的步骤

1. 明确评价问题目的
2. 建立评价指标体系
3. 对数据进行预处理
4. 判断评价指标权重
5. 计算综合评价总值

层次分析法

问题引入

选择大学问题, 将自己关心的要素列举出来, 并根据重要程度给出权重 (权重和为1) .

要素	权重
学习氛围	0.4
就业前景	0.3
男女比例	0.2
校园景色	0.1

最终评分后表格如下:

要素	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
总分	1	0.515	0.485

指标如何选择

• 学术网站查找文献资料
• 自己编或者直接百度

指标的权重如何赋值

不同指标两两比较，通过比较结果计算权重.
可以用1-9表示重要程度，表示指标的相互关系.

标度	含义
1	重要性相同
3	一个因素比另一个因素稍微重要
5	明显重要
7	强烈重要
9	极端重要
2，4，6，8	上述相邻判断的中值
倒数	如果A和B相比是3，那么B和A相比就是1/3

判断矩阵

根据上面的赋值可以通过 $C_n^2$ 次比较完成填写判断矩阵.

	景色	花费	居住	饮食	交通
景色	1	1/2	4	3	3
花费	2	1	7	5	5
居住	1/4	1/7	1	1/2	1/3
饮食	1/3	1/5	2	1	1
交通	1/3	1/5	3	1	1

• $a_{ij}$的意义是和 $j$ 相比 $i$ 的重要程度.
• 当 $i=j$ 时,两个指标相同, 因此同等重要记作1.
• $a_{i,j}>0$ 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 .

同样的, 对于同一个指标来说, 对不同选择进行两两比较也可以得到对于某个指标的判断矩阵.

景色	苏杭	北戴河	桂林
苏杭	1	2	5
北戴河	1/2	1	2
桂林	1/5	1/2	1

通过两两比较,有时会出现矛盾的情况 (即不一致现象).我们引入一致矩阵.

一致矩阵

景色	苏杭	北戴河	桂林
苏杭	1	2	4
北戴河	1/2	1	2
桂林	1/4	1/2	1

$$a_{ij}=\frac{i的重要程度}{j的重要程度}{a}_{jk}=\frac{j的重要程度}{k的重要程度}$$

$$a_{ik}=\frac{i的重要程度}{k的重要程度}=a_{ij}\times a_{jk}$$

若正互反矩阵满足上式, 则称它为一致矩阵.

一致矩阵的特点: 各行(各列)成倍数关系.

在求权重之前, 必须进行 一致性检验.

一致性检验

原理: 检验判断矩阵是否和一致矩阵有太大差距.

$n$阶正互反矩阵$A$为一致矩阵当且仅当最大特征值 ${\lambda }_{max}=n$,
正互反矩阵$A$非一致时, 一定满足 ${\lambda }_{max}>n$

第一步: 计算一致性指标$CI$
$$CI=\frac{{\lambda }_{max}-n}{n-1}$$

第二步: 查找相应的平均随机一致性指标$RI$

第三步: 计算一致性比例 $CR$
$$CR=\frac{CI}{RI}$$

如果$CR<0.1$ 则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.

权重的计算

方法一: 算数平均法求权重

景色	苏杭	北戴河	桂林
苏杭	1	2	5
北戴河	1/2	1	2
桂林	1/5	1/2	1

仅用第一列数据计算的权重:

• 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

第二列, 第三列分别为:

• 苏杭=0.5714, 0.625
• 北戴河=0.2857, 0.25
• 桂林=0.1429, 0.125

综合三列,可以求平均权重:

• 苏杭=(0.5882+0.5714+0.625)/3=0.5949
• 北戴河=…=0.2766
• 桂林=…=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(按行就和)
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.

$$假设判断矩阵A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right],$$

$$那么算数平均法求得权重向量{\omega }_i=\frac{1}{n}\sum _{j=1}^n\frac{a_{ij}}{{\sum }_{k=1}^n{a}_{kj}}(i=1,\mathrm{2...}n)$$

方法二: 几何平均法求权重

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(按行就和)
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.

$$假设判断矩阵A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right],$$

$$那么算数平均法求得权重向量{\omega }_i=\frac{({\prod }_{j=1}^n{a}_{ij}{)}^{\frac{1}{n}}}{{\sum }_{k=1}^n({\prod }_{j=1}^n{a}_{kj}{)}^{\frac{1}{n}}}(i=1,\mathrm{2...}n)$$

思路跟上一种方法差不多, 只是把算数平均换成了几何平均.

方法三: 特征值法求权重

第一步: 求出矩阵 $A$ 的最大特征值和对应的特征向量
第二步: 对求出的特征向量进行归一化处理即可得到权重

最后根据权重可求出各个选择方案的得分.

课后作业