层次分析法

层次分析法（AHP）

应用

层次分析法是对难以完全定量的复杂系统作出决策的模型和方法。

结构

层次分析法的结构如下。

步骤

1. 建立层次结构模型
2. 构造判别矩阵（正反交矩阵）
3. 层次单排序及其一致性检验
4. 层次总排序及其一致性检验

建立层次结构模型

这里使用一个例子，比如我们的目标是选出学校附近最好的餐馆，这里我们就会考虑每个餐馆的卫生、口味、价格、服务这个几个方面，而候选的餐馆只有赵六小炒、张二干锅。所以根据上述叙述，我们得到了我们的目标，就是选出最好的餐馆，而准则就是卫生、口味、价格和服务，方案就是赵六小炒、张二干锅和肖三水饺。准则最好不要超过9个。

构造判别矩阵

这个问题的主要困难在于，这些因素通常不易定量的表示，比如口味5分，卫生6分等。人们凭自己的经验和知识进行判断。而层次分析法做的，一是不把所有因素放在一起比较，而是两两相互对比，二是对比时采用相对尺度，以尽可能地减少性质不同的诸因素相互比较的困难，提高准确度。

• 这是Santy 1-9的标度
  

• 我们根据这个标度，按照我们认为的重要性构造判别矩阵，例如准则层的判别矩阵如下（判别矩阵的主对角线均为1，因为每个准则与他自己是同样重要的，而左下的三角是右上三角的倒数，表明A的重要性是B的2倍，那么B的重要性就是A的0.5倍）
  
  这里的打分都是按照个人认为的重要程度来的，比如卫生-口味为2，表示我们认为评价一个餐馆的好坏，卫生比口味更重要一些。

层次单排序及其一致性检验

1. 接着进行一致性检验，我们可以在这个网站将这个矩阵复制进去，计算这个矩阵的最大特征值$M$，然后根据检验一致性（n为矩阵的阶数，这里是4阶的）。
   $一致性指标CI=\frac{M-n}{n-1}$
   $随机一致性指标RI=这个要靠查表得到了，表如下$
   
   $一致性比率CR=\frac{CI}{RI}$
   当$一致性比率CR<0.1$则表明一致性检验通过，反之没有通过一致性检验，需要重新修改判别矩阵中的元素直到一致性检验通过。
   这里的检验如下，通过一致性检验
   

2. 然后将方案层也按准则层这样操作一遍，一致性检验均通过，得到如下结果
   

3. 现在开始计算准则层的特征向量，这里我们在excel中使用PRODUCT()函数计算行积再计算标准化特征向量（$\frac{每行乘积的n次方}{n次方和}$）。
   
   同样的最后要将其余4个特征向量也计算出来，如下
   

层次总排序及其一致性检验

将所有数据按此列出，在总排序权上按SUM(方案层特征向量*TRANSPOSE(准则层特征向量))（编程的话也就是$A{B}^T$）计算总排序权值。

接下来进行总的一致性检验，同上使用SUM(方案层CI*TRANSPOSE(准则层特征向量))计算总的一致性指标，再除上0.58的随机一致性指标得到总的一致性比率，若任然小于0.1，则通过一致性检验，我们接受这个结果。

可以看出总权相加为1，且肖三水饺占的总排序权最大，一致性检验通过。所以我们认为最好的校外餐馆是肖三水饺。当然层次分析法非常主观，不同的人会得到不同答案，毕竟在吃货心中口味才是最重要的~

层次分析法优缺点

• 优点：系统型、实用性、简洁性
• 缺点： 囿旧、粗略、主观