第一节 层次分析法

不要把学习建模看成只是参加比赛获奖等，这样会让你心情杂乱，你要试着想建模就是解决实际生活问题。

1什么是层次分析（评价类模型）

引入例子：

小明给大学打分时关心的东西。当然这里一个小技巧就是权重值之和为1.

注意这里定义给权重时：1：首先给出选折时考虑的因素，并给出权重值，但是加起来要是1

                                        2：还有针对每一项时加起来也要为1，比如针对学习氛围，武大给了0.7那么华科则给1-0.7=0.3

注意红线部分。

简单来说头脑风暴就是小组成员大家讨论一下，发表各自意见。

那么层次分析法是怎么两两比较呢？

注意什么是判断矩阵，正互反矩阵、判断矩阵的关系和特征

上面通过两两比较得到你选的指标的权重值，下面就要确定备选目标中具体各指标的值即每个指标中备选方案的得分情况。同样利于判断矩阵来得到。

这里出现矛盾分析：看上图下面修改过的图，首先苏杭比北戴河相比是苏杭更好一点，而苏杭与桂林相比两者同样好，那么我们可以得出桂林比北戴河好一点，但是实际上从表中得出北戴河比桂林好。那我们怎么解决这个问题呢？先看一个一个一致矩阵。满足什么性质。

注意这里n是指备选方案的个数而不是指标个数。

注意：matlab求一个矩阵最大特征值是有相应函数的。

注意通过上图我们就可以用来检验我们的判断矩阵和一致矩阵相差是否是大还是小，如果一个方阵的最大特征值是x,与这个仿真的阶数相差很大，那么我们就觉得这个判断矩阵没有太大意义。

特征值的概念

   特征值是线性代数中的一个重要概念。在数学、物理学、化学、计算机等领域有着广泛的应用。设 A 是n阶方阵，如果存在数m和非零n维列向量 x，使得 Ax=mx 成立，则称 m 是A的一个特征值（characteristic value)或本征值（eigenvalue)。非零n维列向量x称为矩阵A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。

 

下面是一个一致性矩阵检验的标准步骤：这个步骤一定记住，即使前面的没看懂这个也要记住。

   上面只是验证这个矩阵是否是有效的判断矩阵，当判断完这个矩阵是有效的那我们就可以讨论如何通过一致矩阵（不一定说非得完全一致，只要满足上面讨论的即可）计算权值。

下面计算权重分两种情况：这个矩阵本身就是一致矩阵。二是这个矩阵只是通过一致矩阵的判断但是并非真正一致矩阵。

那如果是通过一致性检验的判断矩阵如何计算呢？

下面总结算术平均法求权重的步骤：

用数学符号怎么表示呢？  看的时候可以参考前面具体求值时的例子。

注意几何平均法和算术平均法其实求解思路是一样的，重点掌握算术平均法

注意下面讲解特征值求解时也从一致矩阵和通过一致性判断的矩阵分别讨论的。

 

注意：一致矩阵中特点别忘了。

下面是通过一致性检验的判断矩阵。

这下面这个矩阵是准则层得到的判断矩阵。

注意在真正用到的时候不用说具体是怎么填的表格，下面举几个优秀建模论文看看别人怎么写的。

关于准则层判断矩阵已经给出了，还要给出每一个准则与方案层之间的判断矩阵。

     上面已经给出来了各对应判断矩阵。但是这些判断矩阵是否有效，还需要我们继续研究判断矩阵是否满足一致性检验，

如果不满足还要进行修改。只有通过一致性检验后我们才可以利用这个判断矩阵去计算权重。

回归一下  一致性检验的步骤：

那如果有的判断矩阵没有通过一次性检验那该怎么办呢？    往一致性矩阵上调整。

最后计算比较时利用Excel计算。