Fuzzy analytic hierarchy process（模糊层次分析法）论文学习

论文：Fuzzy Analytic Hierarchy Process: A performance analysis of various algorithms（查题目了才知道原来Fuzzy是模糊的意思哈哈哈哈对8起

<一>那么什么是FAHP和AHP呢？

该类方法对于量化评价指标,选择最优方案提供了依据。（原来是决策相关方法

 AHP存在如下方面的缺陷:检验判断矩阵是否一致非常困难,且检验判断矩阵是否具有一致性的标准CR < 0. 1缺乏科学依据;判断矩阵的一致性与人类思维的一致性有显著差异。

模糊层次分析法的基本思想和步骤与AHP的步骤基本一致，但仍有以下两方面的不同点： 

（1）建立的判断矩阵不同：在AHP中是通过元素的两两比较建立判断一致矩阵；而在FAHP中通过元素两两比较建立模糊一致判断矩阵，实质上是由确切数衡量元素之间的关系变成模糊数来衡量

（2）求矩阵中各元素的相对重要性的权重的方法不同

AHP过程详解：

（1）层次模型：最顶层是我们的优化目标，中间层是判断候选方物或人优劣的因素或标准，最下面是候选方案。下图为最简单的三层结构，影响因素只有一层，也有多级多层次的影响因素，例如一级指标、影响一级指标的二级指标等。

是下层的因素影响上层，所以每一分支中下层的权重和加起来等于上层的权重和。

（2）判断矩阵

判断矩阵是衡量两两元素之间相对关系的矩阵，元素的物理意义是横排元素相对竖排元素的重要程度，用1-9来衡量

上图说半天也就是1-9依次重要性大大递增的关系，另外倒数关系使得判断矩阵满足正互反矩阵的要求。

1.从主观到客观 最后会殊途同归（因为都要满足一致性检验）但是仍然不能保证完全没有主观因素

2.判断矩阵是针对每一层次的 也就是每一个层次都有一个判断矩阵 只要你是同一层次的不同指标 就有一个判断矩阵 这样侧能一层一层地把权重分下去 同样要满足一致性检验的要求

（3）一致性检验

一致性矩阵定义：

只要判断矩阵满足一致性矩阵的定义，那么判断矩阵的权重分配就是成功的。

但是大部分判断矩阵显然不满足一致性（“画直角三角形”计算原则，要求挺高的，用几何形式去定义，就是先确定一个ij点，再在第j行上选一个点（jk），再从这个点(jk)往第i行做投影即可），但是一致性检验只需要满足CR=（CI/RI）<0.1即可。

（4）权重向量

一旦满足一致性，则权重向量则为最大特征值对应的特征向量归一化之后的结果。

FAHP过程详解：

如文章开头所述，FAHP与AHP本质的区别是AHP用确切数（crisp number）衡量元素之间的关系，FAHP用模糊数（fuzzy number）衡量元素之间的关系！而至于元素之间的关系是乘性还是加性，这个不是FAHP和AHP的本质区别。由此，下面这篇文章在定义上是有错误的。之前误导了我，也误导了大家，还好找老师问清楚了，希望之前看到这篇文章的朋友能再看一眼我的更新，不要被误导。https://wiki.mbalib.com/wiki/%E6%A8%A1%E7%B3%8A%E5%B1%82%E6%AC%A1%E5%88%86%E6%9E%90%E6%B3%95

除了上述区别之外，其他流程在总线上都是一样的，什么判断矩阵啊、一致性检测啊、由判断矩阵求最终的权重向量啊，只是在计算方法上有不同。毕竟FAHP是由AHP来的嘛。

<二>论文详解来了，正式进入FAHP

      写这篇文章的是一个来自土耳其某大学的大好人，把FAHP方法常用的不常用的都凑一块儿（最早的论文是1983的古董论文，各位朋友应该还没出生呢吧，也是没谁了），其中常用的呢，五种，鉴于论文已经长达十九页，再加页就丧尽天良了，就没有再bb,只是把不常用的剩下四种简单介绍了下。接下来就进入实验环节了，当然前期要告诉你我这个实验流程。最开始生成准备材料，也就是要拿来被计算的这个判断矩阵(由标准答案增加模糊度和不一致性而来，标准答案就是完全一致的判断矩阵)以及它的标准答案，准备好了就直接扔进算法里面在不同条件下折腾出结果就好了。这个实验是典型的控制变量法（有仨变量：矩阵大小，模糊度，一致性），也就是对比试验，呜呜呜，想起来了被高中生物支配的恐惧。通过实验选拔出俩表现优秀的尖子生，一个叫modified LLSM,一个叫FICSM。惊了其实，因为这俩平时都挺默默无闻的 ，大家最喜欢拿来搞事儿的FEA反而在这次试验中表现不佳。但是毕竟FEA流量最大，不得不提下，你要用也行，最好把模糊度搞高点再用效果好些，苦口婆心和卑卑微微，哈哈哈哈哈。

        好了，论文主要就是上面我说的这一大堆&#x