1.层次分析法

一、层次分析法 AHP 学习笔记

主要用于解决多因素的评价类问题。例如高考填报志愿时，需要考虑到学习氛围，校园景色，男女比例等等。

法一

根据权重计算得分
优点：计算量小
缺点：片面，不周全

直接考虑各因子对因素有多大程度影响时，常常会因考虑不周，而使决策者提出与他实际认为的重要性程度不相一致的数据 --《数学建模算法与应用》

法二

分而治之，两两指标互相比较
表中数据代表相对重要性程度，如花费比景色稍微重要，则填2，景色比居住明显重要，则填4

---

填完表之后，我们就会得到一个判断矩阵，但也可能出现问题（换了一个表，但影响不大🤭）：
由上图可得，苏杭 > 北戴河，北戴河 > 苏桂林， 苏杭 = 桂林，出现不一致了现象，这属于决策者的失误，因而我们需要对最终所得的判断矩阵进行一致性检验。

一致矩阵：

1. 各行（各列）之间成倍数关系
2. 正互反矩阵满足aij * ajk = aik

1.一致性检验步骤

1. CI = （λmax -n）/ （n-1）λ 为特征值
2. 根据n，查询RI表
3. CR = CI / RI
   CR < 0.1，则一致性可接受，反之则需对矩阵修正

2.计算矩阵权重

算术平均法
列归一化，行归一化即可
几何平均法
A的元素按行相乘，开n次方，归一化即可
特征值法
求出矩阵的λmax，及特征向量，对特征向量归一化

3.结果填入权重表并计算各方案得分

最好三种方法都使用，最后求出一个平均值，使结果更具稳健性。

AHP的局限性

1. 评价的决策层不能太多，太多的话n会很大，判断矩阵和一致矩阵差异
   可能会很大。
2. 决策层中指标的数据是已知的。

matlab 代码

·prod() --类似于sum()，prod是乘法运算
·eig(V,D) – 求矩阵的特征值D以及特征向量V
·repmat() – 复制矩阵