层次分析法AHP+例题求解+代码实现

MikingG

已于 2023-08-28 14:26:15 修改

阅读量137

点赞数 1

分类专栏：从零开始学数学建模学习笔记文章标签：数学建模笔记

于 2023-08-21 22:23:07 首次发布

本文链接：https://blog.csdn.net/weixin_64123373/article/details/132417403

版权

从零开始学数学建模学习笔记专栏收录该内容

24 篇文章 5 订阅

订阅专栏

本文为北海的数模课程学习笔记，课程出自微信公众号：数学建模BOOM。

求赞！求收藏！求关注！

模型简介

模型框架

目标层：目标是对几位b站up主进行综合评价，评选出综合得分第一名。

准则层：可量化的几个指标。

方案：就是可能的所有结果。

数据处理注意事项

数量级归一化处理
区分重要性，给不同指标分别赋予权重

适用赛题

特点

• 方案层必须明确：必须从题目中确定所有方案

• 缺点是具有主观性：评价指标的权重往往是主观设定的

• 优点是可处理复杂系统：为多准则或无结构特性的复杂决策问题提供简便的决策方法

例子

评选/排名

• 目标层很明确：谁是第一、第二 ……

• 一般题目会提供准则层和相应数据，往往有经验（文献）可循

决策分析

• 面临多种方案时，需要依据一定的标准选择某一种方案

• 可能需要自行查找数据、查文献确定方案层，方案层和准则层较为复杂

• 不同的评价模型（评价指标和权重等不同），会得出不同的结果

模型建立与求解

科学地设定权重

判断矩阵

一致性检验

掌握模型对数学建模就够用了，MATLAB中有可以直接求出最大特征值的函数

算术平均法求权重

问题求解

代码求解

clc,clear

% 输入判断矩阵
A = [1 2 3 5
    1/2 1 1/2 2
    1/3 2 1 2
    1/5 1/2 1/2 1];

一致性检验

根据输入的判断矩阵，求出最大特征值，计算一致性比例CR，来判断是否通过一致性检验。

% eig求出矩阵特征值。max求最大值
maxlam = max(eig(A))
% 对于二维矩阵，~将忽略行数，而n将接收列数。
[~,n]=size(A)       % 评价指标个数，就是A的行数。A是方阵，行数列数一样
RI=[0,0,0.58,0.9,1.12,1.24,1.32,1.41,1.45];
CI=(maxlam-n)/(n-1)
CR=CI/RI(n)
if CR<0.10 %如果误差小于0.1则可以接受
    disp('该矩阵通过一致性检验。');
else
    disp('该矩阵未通过一致性检验！');
    return      % 终止运行
end

算术平均法求权重

% 归一化处理
[n,~]=size(A);      % 判断矩阵A是方阵，返回行数n即评价指标个数
Asum=sum(A,1);      % 按列求和  
Aprogress=A./(ones(n,1)*Asum); %点除，意思是对应位置相除

%每一行分别求和，求和的结果除以𝑛，得到的列向量就是权重向量
W=sum(Aprogress,2)./n;

代入原始数据并初始化，每项指标乘以权重后相加（数据矩阵乘以权重向量），求出最终得分：

% 输入原始数据
% 注意，要确保同一列的数据单位相同！！！
data = [1686.4 3183 12000 397
        903.6 1916.4 3439.6 43
        837.6 817.6 4748 1159
        824.9 1296.4 12000 442
        2110.2 1465.7 6199.5 228]; 

% 归一化处理
[mm,nn]=size(data);     % 数据行数和列数
for j=1:nn  % 针对每一列
    msum=sum(data(:,j));     % 求这一列元素之和
    for i=1:mm      % 针对每一行
        data(i,j)=data(i,j)./msum;      % 每个元素的值都除以所在列的元素之和
    end
    
end

% 数据矩阵乘以权重列向量
% 也就是综合评分=0.49粉丝数+0.18播放数+0.23获赞数+0.1稿件数
grade = data*W