数模笔记——一、层次分析法（AHP）

一、层次分析法（AHP）

（一）适用问题

层次分析法适用于评价类问题。

评价类问题要求确定评价指标、形成评价体系来选择最佳的方案。

一般来说，题目中会给出评价的目标，可选的方案，但需要我们给出评价的准则，而这些准则则需要结合题目中的背景资料，常识及网上搜集的参考资料来确定。

（二）模型建立

1.画出层次结构图

分析系统中各因素之间的关系，建立系统的递阶层次结构

简而言之，评价某个对象的最终指标由各项指标决定，而这各项指标的总得分决定着各个方案的优劣。

2.构造判断矩阵

目标层与准则层的各个指标可以构成一个判断矩阵

如：判断矩阵o~c

准则层的各个指标分别可以与方案层的各个方案构成判断矩阵

如：判断矩阵c1~p

此外，还有c2~p, c3~p

表格中有颜色的部分所填的为标度，标度为两个因素两两比较的结果

如：a表示p1与p2相比，p1的重要程度，a、b互为倒数

常用的标度为1~9

标度	含义
1	两个因素同等重要
3	一个因素比另一个因素稍微重要
5	一个因素比另一个因素明显重要
7	一个因素比另一个因素强烈重要
9	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间值

（重要性也可理解为满意度）

判断矩阵中的元素即为标度

判断矩阵为一个$n\times n$​​的矩阵，记为A，对应元素为$a_{ij}$​

即：
$$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& \ddots & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right]$$
其中$a_{ij}>0$​，且$a_{ij}\times a_{ji}=1$​​

3.对判断矩阵进行一致性检验

层次分析法要求求出各个被比较元素的相对权重，而这个相对权重只有在判断矩阵通过一致性检验才能使用。

一致矩阵的特点：

各行（各列）成比例，且最大特征值${\lambda }_{max}=n$

一致性检验的步骤如下：

（1）计算一致性指标CI

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

（2）查表找到平均随机一致性指标RI

n	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
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

（3）计算一致性指标CR

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

（4）判断

若$CR<0.1$，则认为判断矩阵的一致性可以接受，否则则需要对判断矩阵进行修正，最简单的方法就是将判断矩阵向一致性矩阵修正，即尽量使判断矩阵的各行或各列成比例

4.计算判断矩阵的相对权重

计算判断矩阵的相对权重有三种方法，通常三种方法都采用，使结果更有稳健性

（1）算术平均法求权重

①将判断矩阵归一化，即将每个元素除以所在列的和

②将归一化得到的矩阵各列相加，即按行求和

③将相加后得到的列向量中的各分量除以n可得权重向量

算术平均法求得的权重向量为：
$${\omega }_i=\frac{1}{n}\sum _{j=1}^n\frac{a_{ij}}{{\sum }_{k=1}^n{a}_{kj}}$$
$(i=1,2,...,n)$

（2）几何平均法求权重

①将判断矩阵按行相乘

②将相乘后得到的列向量的各分量开n次方

③将开方后的列向量进行归一化处理即可得权重向量

几何平均法求得的权重向量为：
$${\omega }_i=\frac{({\prod }_{j=1}^n{a}_{ij}{)}^{\frac{1}{n}}}{{\sum }_{k=1}^n({\prod }_{j=1}^n{a}_{kj}{)}^{\frac{1}{n}}}$$

（3）特征法求权重

①求出判断矩阵的最大特征值及其对应的特征向量

（特征值为n时对应的特征向量为第一列元素）

②将求出的特征向量进行归一化处理即可得权重向量

5.汇总并计算得分

（1）汇总得权重矩阵

（2）计算各方案的最终得分

例如：p1的最终得分为：
$$a1\times b1+a2\times b2+a3\times b3$$
此处用excel表格比较方便

输入以下表达式按enter即可得到结果（B2表示B列第2个单元格的内容）

再将B列锁定，

将C5所在单元格右下角的小点往右移即可得到D列每个单元格与B列每个单元格相乘再求和的结果

以此类推可得出各方案的得分，排序即可得出该评价体系下的最优方案。

（三）Matlab代码

求判断矩阵的相对权重的Matlab代码如下:

disp('请输入判断矩阵A')
A = input('A=');
n = size(A,1); %求A的阶数n，由于A为n*n阶矩阵，求其行数即可得阶数

%%一致性检验（一致矩阵则不用进行检验,n=1,2的情况下一定为一致矩阵）
[V,D] = eig(A); %D为A的全部特征值构成的对角阵，矩阵V中的每一列为D中与之相同列的特征值对应的特征向量
max_eig = max(max(D)); %求对角阵D中的最大值即最大特征向量
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];
CR = CI / RI(n); %RI(n)表示阶数为n时的RI值
if CR<0.1
    disp('CR<0.1,该判断矩阵A的一致性可以接受');
else
    disp('CR>=0.10,该判断矩阵A需要进行修正');
end

%%若一致性检验通过，则可以计算权重

%%算术平均法求权重
sum_A = sum(A);%将A按列求和得到一个行向量
SUM_A = repmat(sum_A,n,1); %将该行向量复制n行得到一个矩阵
stand_A = A./SUM_A; %将A归一化
disp('算术平均法求得的权重为：')
disp(sum(stand_A,2)./n) %将归一化后的结果按行求和后每个元素除以n

%%几何平均法求权重
prod_A = prod(A,2);%将A按行相乘得到一个列向量
PROD_A = prod_A.^(1/n);%将该列向量的各分量开n次方
disp('几何平均法求得的权重为：')
disp(PROD_A./sum(PROD_A))%将开方后的结果归一化处理

%%特征值法求权重
[r,c] = find(D==max_eig,1);%求最大特征值所在的列数c
disp('特征值法法求得的权重为：')
disp(V(:,c)./sum(V(:,c)))%将对应的特征向量进行归一化处理

（四）例题分析

题目：请确定评价指标，形成评价体系从苏杭，北戴河，桂林三地中选择一地作为旅游目的地

1.画出层次结构图

由于目标层和方案层已经给出，只需确定准则层

假设将景色、花费、居住、饮食、交通作为决定最佳目的地的准则，可画出以下层次结构图

2.构造判断矩阵

假设将各个因素两两比较后得到下列判断矩阵

目标~准则：

	景色	花费	居住	饮食	交通
景色	1	1/2	4	3	3
花费	2	1	8	6	6
居住	1/4	1/8	1	3/4	3/4
饮食	1/3	1/6	4/3	1	1
交通	1/3	1/6	4/3	1	1

准则~方案：

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

花费	苏杭	北戴河	桂林
苏杭	1	1/3	1/8
北戴河	3	1	1/3
桂林	8	3	1

居住	苏杭	北戴河	桂林
苏杭	1	1	3
北戴河	1	1	3
桂林	1/3	1/3	1

饮食	苏杭	北戴河	桂林
苏杭	1	3	4
北戴河	1/3	1	1
桂林	1/4	1	1

交通	苏杭	北戴河	桂林
苏杭	1	1	1/4
北戴河	1	1	1/4
桂林	4	4	1

3.一致性检验并求相对权重

运行代码可得：（注意，矩阵用[]括起来，同一行的元素用“,”分开，不同行的元素用“;"分开）

各个准则的相对权重：

	景色	花费	居住	饮食	交通
算术平均法	0.2623	0.4744	0.0545	0.0985	0.1103
几何平均法	0.2636	0.4773	0.0531	0.0988	0.1072
特征值法	0.2636	0.4758	0.0538	0.0981	0.1087

各个方案对应各个指标的相对权重：

景色	苏杭	北戴河	桂林
算术平均法	0.5949	0.2766	0.1285
几何平均法	0.5954	0.2764	0.1283
特征值法	0.5954	0.2764	0.1283

花费	苏杭	北戴河	桂林
算术平均法	0.0820	0.2364	0.6816
几何平均法	0.0819	0.2363	0.6817
特征值法	0.0819	0.2363	0.6817

居住	苏杭	北戴河	桂林
算术平均法	0.4286	0.4286	0.1429
几何平均法	0.4286	0.4286	0.1429
特征值法	0.4286	0.4286	0.1429

饮食	苏杭	北戴河	桂林
算术平均法	0.6327	0.1924	0.1749
几何平均法	0.6337	0.1919	0.1744
特征值法	0.6337	0.1919	0.1744

交通	苏杭	北戴河	桂林
算术平均法	0.1667	0.1667	0.6667
几何平均法	0.1667	0.1667	0.6667
特征值法	0.1667	0.1667	0.6667

4.汇总并计算得分

算术平局法求得的权重矩阵

	相对权重	苏杭	北戴河	桂林
景色	0.2623	0.5949	0.2766	0.1285
花费	0.4744	0.0820	0.2364	0.6816
居住	0.0545	0.4286	0.4286	0.1429
饮食	0.0985	0.6327	0.1924	0.1749
交通	0.1103	0.1667	0.1667	0.6667

几何平均法求得的权重矩阵：

	相对权重	苏杭	北戴河	桂林
景色	0.2636	0.5954	0.2764	0.1283
花费	0.4773	0.0819	0.2363	0.6817
居住	0.0531	0.4286	0.4286	0.1429
饮食	0.0988	0.6337	0.1919	0.1744
交通	0.1072	0.1667	0.1667	0.6667

特征值法求得的权重矩阵：

	相对权重	苏杭	北戴河	桂林
景色	0.2636	0.5954	0.2764	0.1283
花费	0.4758	0.0819	0.2363	0.6817
居住	0.0538	0.4286	0.4286	0.1429
饮食	0.0981	0.6337	0.1919	0.1744
交通	0.1087	0.1667	0.1667	0.6667

最终三地的得分为：

	苏杭	北戴河	桂林
算术平均法	0.29901	0.245397	0.455609
几何平均法	0.299277	0.245234	0.455484
特征值法	0.29926	0.245295	0.45544

按照三种求相对权重的方法，最佳目的地应该是桂林