层次分析法、模糊综合评测法实例分析（涵盖各个过程讲解、原创实例示范、MATLAB源码公布）

为了不浪费您的时间，我会在此处说明本文要讲些什么

您在阅读本文之前对层次分析法有些了解那是再好不过啦。 因为本文内容大多基于实例进行分析。您如果是来获取层次分 析法和模糊综合评测源码的，可以直接拉到最低，源码很好使。 思路来源于某高校数学建模题

一、先定个小目标

       假设我们现在要做一个大学生在线学习影响因素的排序，现在我给出这么些个因素，自制力、网络条件、平台数目、家里事务、课程内容实现。

图 1-1 ：在线学习影响因素

       而这些个因素是较为抽象笼统的，我们进一步具体化，具体化时要注意各个因素之间仍然要保持互不相关,如下：

$$\text{ 白制力 }\{\begin{array}{l}\text{ 作业完成度 }\\ \text{ 课堂在线率 }\\ \text{ 课堂准时率 }\end{array}$$

$$\text{ 网络条件 }\{\begin{array}{l}\text{ 使用设备 }\\ \text{ 网络配置 }\\ \text{ 课程平台服务器 }\end{array}$$

$$\text{ 平台数目 }\{\begin{array}{l}\text{ 教师教学需求 }\\ \text{ 学生课后需求 }\end{array}$$

$$\text{ 家里事务 }\{\begin{array}{l}\text{ 辅助父母事务 }\\ \text{ 家庭亲戚活动 }\end{array}$$

$$\text{ 课程内容实现 }\{\begin{array}{l}\text{ 实践环境 }\\ \text{ 可用有效资源 }\end{array}$$

把以上内容整理一下，翻译成论文样式就是：

在遵循参考统计数据、文献资料、合理的设计原则上，通过文献资料分析和专家访谈，并结合所获取的全国高校统计数据情况，将大学生在线学习影响因素分为五个一级指标：①自制力；②网络条件；③平台数目；④家里事务；⑤课程内容实现。而每一个一级指标下又包含2到3个二级指标（即为不相关综合影响因素）

整理一下得到：

图 1-2 ：层次结构图

       本文目标就是将二级指标进行排序，排序依据为因素的影响权重。那么如果将这种抽象的评价进行数据量化呢？
       倘若避开数据不谈，你我按照自己心理的度量，也是一定能够将12个二级指标按照从重要到不重要的顺序排出来的。但可惜的是您也不知道具体，也不知道各个因素的影响差距，和他人述说这个顺序时，你也难以去说服他人，更别说是论文啦。
       而层次分析法能将你心目中的抽象化为数据，咱们继续。

二、层次分析法部分

2.1 思路总括

       层次分析法，顾名思义，以不同层次来进行分析，本文不画什么层次结构图，但是您若是书写论文，对原理的阐述尽量还是加上。
       层次分析法分层将决策的目标、考虑的因素(决策准则)和决策对象按他们之间的相互关系分成最高层、中间层和最低层。

画个流程图：

图 2-1 ：层次分析法流程图

需注意我们是将准则层给具体细分，所以此处我们实际上例子只有两层。计算时，我们先将B的权重计算出来，然后$B_1$、$B_2$、$B_3$、$B_4$、$B_5$。继而又将B的各个权重进行拆分。（比如$B_1$权重为0.4，后续的$B_{11}$、$B_{12}$、$B_{13}$这里无非是对这个0.4进行拆分，也就是$B_{11}$、$B_{12}$、$B_{13}$对$B_1$的权重）

把结构图画一下：

图 2-2 ：分层示意图

       每构造一次两两比较矩阵即可求出后者对前者的权重，即将$B$各个构造两两比较矩阵，即可求出准则层各项对$A$的权重）。同理，按照我们构建的结构，对$B_{11}$、$B_{12}$、$B_{13}$构造一次两两比较矩阵，可以求出$B_{11}$、$B_{12}$、$B_{13}$对$B_1$的权重。

2.2 构造两两比较矩阵

现在正式变成论文佬，开始一本正经胡说八道

       递阶层次结构完成建立，上下层次指标间的隶属支配关系得以确立。接下来对每一层次各因素的相关重要性给出判断，并把这些判断用数据表示出来既定量化描述，形成递阶层次结构的判断矩阵。本文使用AHP1-9标度法，如表2.2-1所示：

表2.2-1：AHP1-9标度表

标度	含义
1	表示两个因素相比，具有同样重要性
3	表示两个因素相比，一个因素比另一个因素稍微重要
5	表示两个因素相比，一个因素比另一个因素明显重要
7	表示两个因素相比，一个因素比另一个因素强烈重要
9	表示两个因素相比，一个因素比另一个因素极端重要
2、4、6、8	上述两相邻判断的中值
倒数	A和B相比如果标度为3，那么B和A相比就是1/3

       判断矩阵是$AHP$中具有重要性且十分关键的一环，将相同层次的指标两两比较进行赋值，形成一个由判断系统构成的判断矩阵。相关步骤如下：
       以表2.2-1的综合因素的一级指标为例，将其依照重要性转化为数值。假设指标 $B_1$，$B_2$，$B_3$，$B_4$、$B_5$的重要性数值分别为$a,b,c,d,e$构造判断矩阵，指标$B_1$、$B_2$、$B_3$、$B_4$、$B_5$同时为判断矩阵的行和列，将其矩阵的元素设为$a_{ij}$ ，$a_{ij}=\frac{a_i}{a_j}$ ，$a_i$为指标$B_i$的重要性数值，$a_j$为指标$B_j$的重要性数值。其中$i,j=1,2,3...n,(n=5)$，$i$ 和 $j$ 分别表示判断矩阵中的行数和列数。由此可得到下面表2.2-2：

表2.2-2：一级指标判断矩阵表格

$\frac{a_i}{a_j}$	$B_1$	$B_2$	$B_3$	$B_4$	$B_5$
$B_1$	$1$	$\frac{a}{b}$	$\frac{a}{c}$	$\frac{a}{d}$	$\frac{a}{e}$
$B_2$	$\frac{b}{a}$	$1$	$\frac{b}{c}$	$\frac{b}{d}$	$\frac{b}{e}$
$B_3$	$\frac{c}{a}$	$\frac{c}{b}$	$1$	$\frac{c}{d}$	$\frac{c}{e}$
$B_4$	$\frac{d}{a}$	$\frac{d}{b}$	$\frac{d}{c}$	$1$	$\frac{d}{e}$
$B_5$	$\frac{e}{a}$	$\frac{e}{b}$	$\frac{e}{c}$	$\frac{e}{d}$	$1$

同理可得二级指标的判断矩阵。

2.3 权重计算方法

       本文对于权重计算采用三种不同的方法，分别是算术平均法、几何平均法以及特征值法。考虑到以往论文利用层次分析法解决实际问题时，大部分只采用其中一种方法求得权重，而不同的计算方法可能会导致实际结果有不同的偏差。为了保证结果的稳健性，本文根据三种不同的方法分别求出权重，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。这样最大降低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。三种方法计算步骤和统一归一处理过程如下所示：

2.3.1 算术平均法求权重

       将判断矩阵内所有元素按照列进行归一化处理，再将归一化的各列按行求和，最后将相加后得到的向量中的每个元素除以 $n$,即可得到权重向量 $w_i$ , $(i=1,2...n)$。

       对于判断矩阵 $A$ ：

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

       依照上述原理利用求得的权重向量为：
$${\omega }_i=\frac{1}{n}\sum _{j=1}^n\frac{a_{ij}}{{\sum }_{k=1}^n{a}_{kj}}(i=1,2,\dots ,n)$$

2.3.2 几何平均法求权重

       先将 $A$ 的元素依照行相乘得到一个新的列向量，再将该新建立的向量的每个分量进行开 $n$ 次方得到一个开方后的列向量，对该列向量进行归一化处理得到所需权重向量。

       同样对于判断矩阵 $A$ ：

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

       进行几何平均法得到权重向量：
$${\omega }_i={\sum }_{k=1}^n{\left({\prod }_{j=1}^n{a}_{kj}\right)}^{\frac{1}{n}}$$