层次分析法和topsis的优化补充

层次分析法在实际应用中的主要缺点是专家的判断矩阵难以填写，原因如下：

1. 实际比赛中的题目所要解决的问题可能是我们比较陌生的领域，或者说需要大量数据支撑才能判断填写

2. 比较对象有多个时填起来繁琐麻烦

这是基于“专家”主观判断的层次分析法的缺点

而topsis的缺点是太过于客观，缺少主观因素的考虑

我们最简单的优化思路是加权即y=xv1+(1-x)v2

其中v1是层次分析法得出的权重向量而v2是topsis得出的权重向量，y为优化后的权重向量

更深一步的优化思路是建立基于最优传递矩阵的topsis模型

模型解释：该模型是优化的层次分析法和topsis法的结合。针对传统层次分析法中存在的专家难以把握评判尺度，一致性检验难以通过的问题，提出3标度法，建立专家判断矩阵，将专家判断矩阵转化为最优传递矩阵，最终转化为最优一致性矩阵，得到相对重要度。再与Topsis法相结合，从主客观两个角度辩证统一分析数据。

这种改进的Topsis法有以下优点：

（1）利用3标度法建立判断矩阵，相对传统的1~9标度法更容易实现，作为专家就能够很好地给出两个对象的重要性程度之比。

（2）改进的 AHP 与传统的层次分析法在结果上是一致的，简化了计算流程，方法更加有效。

计算过程：

1.根据文献（还是那个）计算出相对重要度W，作为topsis中的权重参与后续计算。

2.原始矩阵X

其中n为评价对象，m为评价指标个数