层次分析法笔记

评价类问题

确定评价指标，形成评价体系

三个问题

1.评价的目标
最佳旅游景点

2.有哪些可选的方案
上海，北京，苏州

3.评价的准则或指标
景色，花费，居住，饮食，交通
若题目没给相关数据支撑需要自行查阅相关资料

搜索文献的地方 ：
知网（优先），万方，百度学术，谷歌学术

美赛查文献推荐地址：美赛必备的两个网址
清风up推荐的：虫部落-快搜（此类型题的关键词：旅游选择因素，旅游景点评价指标），goog搜索，微信搜索，知乎搜索

权重表格

根据以上信息可以得到权重表格

	指标权重	上海	北京	苏州
景色
花费
居住
饮食
交通

备注：指标权重列和为1，每一行除了指标权重的和为1

如何确定具体权重

—— 层次分析法思想体现——

分而治之
比如考虑指标权重：一次性考虑五个指标间关系不周全

因此，两个两个指标进行比较，最终结果推算权重

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

标度	含义
1	同样重要
3	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

上述矩阵记为A，对应元素$a_{ij}$，这里的重要性也可以解释为满意度
有一下特点：

(1)$a_{ij}$表示，与指标j相比，i的重要程度
(2)$a_{ij}>0$且满足$a_{ij}\times a_{ji}=1$ (正互反矩阵）

对于横排的上海，苏州，北京的权重也是同样用判断矩阵
通过判断矩阵我们可以得出相应的权重（在后面提到）

出现不一致的问题

得出正互反矩阵后

景色	苏州	上海	北京
苏州	1	2	1
上海	1/2	1	2
北京	1	1/2	1

会发现：苏州>上海，苏州=北京，但上海>北京
出现矛盾（不一致）

一致性检验

一致矩阵

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

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

景色	苏州	上海	北京
苏州	1	2	4
上海	1/2	1	2
北京	1	1/2	1

各行（各列）成倍数关系

定义：
若正互反矩阵满足$a_{ij}\times a_{jk}=a_{ik}$，则我们称该矩阵为一致矩阵

# 在使用判断矩阵求权重前必须对其进行一致性检验

一致性检验

原理： 检验判断矩阵和一致矩阵的差异度

上述线代知识可见：线代笔记，特征值与秩的关系

判断矩阵具有完全一致性为什么最大特征值是n？

因为特征值之和等于对角线元素之和，而在AHP（层析分析）中，对角线元素全为1（自己对自己是同等重要），根据一致性矩阵定义，当矩阵为正反矩阵时，其为一致性矩阵必要性是这个矩阵秩为1，因而特征值只有一个最大为N（对角线元素和为N），其余特征值为0

当正互反矩阵非一致时：${\lambda }_{max}>n$

一致性检验的步骤

1.一致性指标CI：

$$CI=\frac{{\lambda }_{max}-n}{n-1}$$

2.查找对应的随机平均随机一致性指标RI

n	1	2	3	4	5	6	7	8	9	10	11
RI	0	0	0.52	0.89	1.12	1.26	1.36	1.41	1.46	1.49	1.52

3 计算一致性比列CR

$$CR=\frac{CI}{RI}$$

若CR<0.1，则矩阵的一致性可以接受，否则拒绝并进行修改

权重的计算

方法一：（算术平均法求权重）
1.将判断矩阵按照列归一化（每一个元素除以其所在列的和）
2.将归一化的各列相加（按行）
3.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

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

算术平均法求得权重向量：
$${\omega }_i=\frac{1}{n}\sum _{j=1}^n\frac{a_{ij}}{{\sum }_{k=1}^n{a}_{kj}}$$

方法二：（几何平均法求权重）
1.将A的元素按照行相乘得到一个新的列向量
2.将新的向量的每个分量开n次方
3.对该列向量进行归一化即得到权重向量

$${\omega }_i=\frac{({\prod }_{j=1}^n{a}_{ij}{)}^{\frac{1}{n}}}{{\sum }_{k=1}^n({\prod }_{j=1}^n{a}_{kj}{)}^{\frac{1}{n}}}$$

方法三：特征值法
1.求出矩阵A的最大特征值以及其对应的特征向量
2.对求出的特征向量进行归一化即可到权重

综上论文中可将三种方法都用上进行比较会显得更科学