学习打卡7.17

层次分析法

如何建立模型

层次分析法可以用来解决评价类问题

我们需要思考3个问题
1.我们评价的目标是什么？
2.我们为了达到这个目标有哪几种可选的方案
3.评价的准则或者说指标是什么？

其中第三个问题需要根据背景资料或者搜集到的参考资料结合思考

然后就可以绘制出一张表

例如

如何确定表中的数

在确定影响某因素的诸因子在该因素中所占的比重时，遇到的主要困难 是这些比重常常不易定量化。此外，当影响某因素的因子较多时，直接 考虑各因子对该因素有多大程度的影响时，常常会因考虑不周全、顾此 失彼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，甚至 有可能提出一组隐含矛盾的数据。
——选自司守奎[kuí]老师的《数学建模算法与应用》

所以我们不能一次性填完表格

解决的方法：
两个两个指标进行比较，最终根据两两比较的结果来推算出权重。

我们规定

正互反矩阵（判断矩阵）

对于一个矩阵A
如果说当i=j时，aij=0
且aij*aji=1
那么我们就称这个矩阵为正互反矩阵

然后我们就可以开始填写判断矩阵了

但是这样可能会出现矛盾的地方

一致矩阵

如果一个正互反矩阵满足

就成为一致矩阵

一致矩阵的特点：
各行（各列）之间成倍数关系

补充：

为了确定是否为一致矩阵，我们就需要进行一致性检验

一致性检验

步骤

第一步：计算一致性指标CI

第二步：查找对应的平均随机一致性指标RI

第三步：计算一致性比例CR

如果CR < 0.1, 则可认为判断矩阵的一致性可以接受；否则需要对判断矩阵进行修正。

怎么计算权重

方法一：算术平均法求权重

方法二：几何平均法求权重

方法三：特征值法求权重

借鉴这个思想
我们可以认为当判断矩阵一致性可以接受时，我们可以仿照一致矩阵权重的求法。

第一步：求出矩阵A的最大特征值以及其对应的特征向量
第二步：对求出的特征向量进行归一化即可得到我们的权重

用任何一种方法计算出结果以后，就可以把数据填入表格，然后进行计算了

其中有的时候回发现每一项加起来的和不为1是因为四舍五入的关系

层次分析法的步骤

1.分析系统中各因素之间的关系，建立系统的递阶层次结构.
2. 对于同一层次的各元素关于上一层次中某一准则的重要 性进行两两比较，构造两两比较矩阵（判断矩阵）。
3.由判断矩阵计算被比较元素对于该准则的相对权重， 并进行一致性检验（检验通过权重才能用）
当CR > 0.1 时
往一致矩阵上调整一致矩阵各行成倍数关系
4 . 根据权重矩阵计算得分，并进行排序

层次分析法的局限性

（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）如果决策层中指标的数据是已知的，那么我们如何利用这些数据来使得评价的更加准确呢？

代码

输入判断矩阵

求权重

算术平均法求权重

几何平均法求权重

特征值法求权重

计算一致性比例CR

改进和优化

当只有一个2阶矩阵的时候RI的第一项为0，不能作为除数，所以可以改成一个非常接近0的数
在输入矩阵A以后判断是否为一致矩阵

总结

层次分析法（The Analytic Hierarchy Process即AHP)是由美国运筹学家、匹兹堡大学教授T . L. Saaty于20世纪70年代创立的一种系统分析与决策的综合评价方法，是在充分研究了人类思维过程的基础上提出来的，它较合理地解决了定性问题定量化的处理过程。
AHP的主要特点是通过建立递阶层次结构，把人类的判断转化到若干因素两两之间重要度的比较上，从而把难于量化的定性判断转化为可操作的重要度的比较上面。在许多情况下，决策者可以直接使用AHP进行决策，极大地提高了决策的有效性、可靠性和可行性，但其本质是一种思维方式，它把复杂问题分解成多个组成因素，又将这些因素按支配关系分别形成递阶层次结构，通过两两比较的方法确定决策方案相对重要度的总排序。整个过程体现了人类决策思维的基本特征，即分解、判断、综合，克服了其他方法回避决策者主观判断的缺点。