数学模型-层次分析法的基本步骤(1)PPT资料.ppt

数学模型-层次分析法的基本步骤(1)PPT资料.ppt

《数学模型-层次分析法的基本步骤(1)PPT资料.ppt》由会员分享，可在线阅读，更多相关《数学模型-层次分析法的基本步骤(1)PPT资料.ppt（34页珍藏版）》请在冰豆网上搜索。

经理要从若干应试者中选拔秘书；

各地区各部门的官员则要对人口、交通、经济、环境等领域的发展规划作出决策。

人们在处理上面这些决策问题的时候，要考虑的因素有多有少，有大有小，但是一个共同的特点是他们通常涉及到经济、社会、人文等方面的的因素。

再做比较、判断、评价、决策时，这些因素的重要性、影响力或者优先程度往往难以量化，2人的主观选择（当然要根据客观实际）会起着相当主要的作用，这就给一般的数学方法解决问题带来本质上的困难。

T.L.Saaty等人在七十年代提出了一种能有效地处理这样一类问题的实用方法，称层次分析法层次分析法（AnalyticHierarchyProcess,简记AHP）.这是一种定性和定量相结合的、系统化、层次化的分析方法。

过去研究自然和社会现象主要有机理分析和统计分析两种方法，起着用典型的数学工具分析现象的因果关系，后者以随机数学为工具，共过大量观测数据寻求统计规律，近年来发展的系统分析又是一种方法，而层次分析法就是系统分析的数学工具之一。

3下面先介绍层次分析法的基本步骤和应用实例，再讨论该方法在理论、计算以及建模等方面的若干问题。

4层次分析法的基本步骤层次分析法的基本步骤层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一样的。

不妨用前面提到的假期旅游为例，假如有P1、P2、P33个旅游胜地供你选择，你会根据诸如景色、费用和居住、饮食、旅途条件等一些准则去反复比较那3个候选地点。

首先，你会确定这些准则在你的心目中各占多大比重，如果你经济宽裕、醉心旅游，自然特别看重景色条件，而平素朴素或手头拮据的人则会优先考虑费用，中老年旅游者还会对居住、饮食等条件寄以较大关注。

5其次，你会就每一个准则将3个地点进行对比，譬如P1景色最好，P2次之；

P2费用最低，P3次之；

P3居住等条件比较好等等。

最后，你要将这两个的比较判断进行综合，在P1、P2、P3中确定哪个作为最佳地点。

上面的思维过程可以加工整理成为下几个步骤：

1、讲决策问题分解为3个层次、最上层为目标层，即选择旅游地，最下层为方案层，有P1、P2、P33个供选择地点，中间层为准则层，有景色、费用、居住、饮食、旅途5个准则，各层间的联系涌现联的直线表示（图9-1）。

6目标层准则层方案层图图9-1选择旅游地的层次结构72、通过相互比较确定各准则对于目标的权重，及各方案对于每一准则的权重。

这些权重在人的思维过程中通常是定性的，而在层次分析法中则要给出得到权重的定量方法。

3、将方案层对准则层的权重及准则对目标层的权重进行综合，最终确定方案层对目标层的权重。

在层次分析法中要给出进行综合的计算方法。

层次分析法将定性分析与定量计算结合起来完成上述步骤，给出决策结果。

下面我们来说明如何比较同一层各因素对上层因素的影响，从而确定它们在上层因素中占的权重。

8成对比较距阵和权向量成对比较距阵和权向量涉及到社会、经济、人文等因素的决策问题的主要困难在于，这些因素通常不易定量地测量。

人们凭自己经验和知识进行判断，当因素较多的时给出的结果往往是不全面和不准确的，如果只是定性的结果，则常常不容易被别人接受。

Saaty等人的做法，一是不把所有因素放在一起比较，而是两两相互对比，而是对比时采用相对尺度，以尽可能地减少性质不同的诸因素相互比较的困难，提高准确度。

9假设要比较某一层n个因素C1,C2,，Cn对上层一个因素O的影响，如旅游决策问题中比较景色等5个准则在选择旅游地这个目标中的重要性。

每次取两个因素Ci和Cj，用aij表示Ci和Cj对O的影响之比,全部比较结果可用对比比较距阵A=（aij）nn,aij0,

（1）表示。

由

（1）给出的aij的特点,A称为正互反矩正互反矩阵。

显然比由aii=1。

如用C1，,C5依次表示景色、费用、饮食、旅游5个准则，设某人用成对比较距阵（正互反阵）为10

（2）

（2）中a12=，表示景色C1和给用C2对选择旅游地这个目标O的重要性之比为1:

2;

a13=4表示景色C1和居住条件C3之比为4：

1；

a23=7表示费用C2与居住条件C3之比为7:

1。

可以看出在此人选择旅游地时，费用因素最重要，景色次之。

怎样由成对比较阵确定诸因素C1,Cn对上层因素O的权重。

11仔细分析一下

（2）式给出的成对比较阵A可以发现，既然C1与C2之比为1：

2；

C1与C3之比为4：

那么C2与C3之比因为8：

1而不是7:

1才能说明成对比较是一致的。

但是，n个因素要做次，全部一致的要求是太苛刻了。

Saaty等人给出了在成对比较不一致的情况下计算各因素C1,，Cn对因素O的权重的方法，并且确定了这种不一致的容许范围。

为了说明这点我们先看成对比较完全一致。

设想把一块大石头O砸成n块小石头C1,，Cn,如果精确地称出它们的重量为w1,，wn,在作成对比较时令aij=wi/wj,12那么得到（3）这些比较显然是一致的，n块小石头对大石头的权重（即在大石头中占的比重）可用向量w=（w1,w2,，wn）T13表示，如果大石头为单位重量，则有显然，A的各个列向量与w仅相差一个比例因子。

一般地，如果一个正互反阵A满足aijajk=aik,i,j,k=1,2,，n（4）则A称为一致性距阵，简称一致一致阵。

（3）式给出的A显然是一致阵。

容易证明n阶一致阵A有下列性质。

1、A的秩为1，A的唯一非零特征根为n;

2、A的任一列（行）向量都是对应于特征根n的特征值。

14如果得到的成对比较阵是一致阵，像（3）式的A，自然应取对应于特征根n的。

归一化的特征向量（即分量之和为1）表示诸因素C1，Cn对上层因素O的权重，这个向量称为权向量权向量。

如果成对比较阵A不是一致阵，但在不一致的容许范围内（下面将说明如何确定这个范围），Saaty等人建议用对应于A最大特征根（即作）的特征向量（归一化后）作为权向量w，即w满足Aw=w（5）直观地看，因为矩阵A的特征根和特征向量连续地依赖于矩阵的元素aij,所以当aij离一致性的要求不远时，A的特征根和特征向量也与一致阵的相差不大。

15（5）式表示的方法称为由成对比较阵求权向量的特征根法特征根法。

求和w的简便算法和特征根法更深入的意义，以及其他求权向量的方法见9.3阶。

比比较尺度尺度当比较两个可能具有不同性质的因素Ci和Cj对于一个上层因素O的影响时，采用什么样的尺度aij较好呢?

Saaty等人提出用1-9尺度，即aij的取值范围是1，2，9及其互反数1，。

理由如下。

161、再进行定性的成对比较时，人们头脑中通常有5中明显的等级，用1-9尺度可以方便地表示如下。

表表9-11-9尺度尺度aij的含义的含义尺度aij含义1Ci与Cj得影响相同相同3Ci与Cj得影响稍强稍强5Ci与Cj得影响强强7Ci与Cj得影响明显地强明显地强9Ci与Cj得影响绝对地强绝对地强2，4，6，8Ci与Cj得影响之比在上述两个相邻等级之间1，,，Ci与Cj得影响之比为上面aij的互反数172、心理学家认为，进行成对比较的因素太多，将超出人的判断能力，最多达之72范围。

如以9个为限，用1-9尺度表示它们之间的差别正合适。

3、Saaty曾用1-3，1-5，1-17，（d+0.1）-（d+0.9）（d=1,2,3,4）,1p-9p（p=2,3,4,5）等共27中比较尺度，对在不同距离出判断某光源的亮度等实例构造成对比较阵，并算出权向量。

把这些权向量与按照光强定律等物理知识得到的实际的权向量进行对比发现，1-9尺度不仅在简单的尺度中最好，而且结果并不劣于较复杂的尺度。

18根据上述定理和连续地依赖于aij的事实可知比n大得多，A的不一致程度越严重，用特征向量作为权向量引起的判断误差越大。

因而可以用-n数值的大小来衡量A的不一致程度,Saaty将定义为一致指标一致指标.CI=0时A为一致阵；

CI越大A的不一致程度越严重，注意到A的n个特征根之和等于A的对角元素之和（为什么?

），而A的对角元素均为1,所以特征根之和.（不妨记1=）。

由此可知，一致性指标CI相当于处外其余n-1个特征根的平均值（取绝对值）。

19为了确定A的不一致程度的容许范围，需要找出衡量A的一致性指标CI的标准。

Saaty又引入了所谓随机一致性指标随机一致性指标RI，计算RI的过程是：

对于固定的n，随机地构造正互反阵A/（它的元素aij/（ij）从1-9,1-1/9中取随机值，aji/为aij/的互反数，aii/=1）,然后计算A/的一致性指标CI。

可以想象到，A/是非常不一致的，它的CI相当大。

如此构造相当多的A/,用他们的CI的平均值作为随机一致性指标。

Saaty对于不同的n（=111）,用100-500个样本A/算出的随机一致性指标RI的数值如下。

20表表9-2随机一致性指标随机一致性指标RI的数值的数值n1234567891011RI000.580.901.121.241.321.411.451.491.51表中n-1,2时RI=0,是因为1，2阶的正互反阵总是一致阵。

对于n3的成对比较阵A，将它的一致性指标CI与同阶（指n相同）的随机一致性的指标RI之比成为一致性比一致性比率率CR当（7）21时认为A的不一致程度在容许范围之内，可用其特征向量作为权向量。

否则要重新进行成对比较，对A加以调整。

顺便指出，（7）式中0.1的选取是带有一定主观信度的。

对于A利用（6），（7）式和表9-2进行检验成为一致性检验一致性检验。

对于

（2）式给出的A可以算出，=5.073，归一化的特征向量w=（0.263,0.475,0.055,0.099,0.110）T.由（6）式22在表9-2中查出RI=1.12.按（7）式计算，于是通过了一致性检验，故上述w可作为权向量。

23组合权向量组合权向量在旅游决策问题中我们已经得到了第2层（准则层）对第1层（目标层，只有一个因素）的权向量，记作w

（2）=（w1

（2）,，w5

（2）T（即由

（2）式的A算出的w）。

用同样的方法构造第3层（方案层，见图9-1）对第2层的每一个准则的成对比较阵，不妨设他们为24这里距阵Bk（k=1,，5）中的元素bij（k）是方案（旅游地）Pi与Pj对于准则Ck（景色、费用等）的优越性的比较尺度。

由第3层的成对比较阵Bk计算出权向量wk（3），最大特征根k和一致性指标CIk，结果列入下表表表9-3旅游决策旅游决策问题第第3层的的计算算结果果k123450.5950.0820.4290.6330.166wk（3）0.2770.2360.4290.1930.1660.1290.6820.1420.1750.6683.0053.00233.0093CIk0.0030.00100.005025不难看出，由于n=3时随机一致性指标RI=0.58（表9-2），所以上面的CIk均可通过一致性检验。

下面的问题是由各准则对目标的权向量w

（2）和各方案对一准则的权向量wk（3）（k=1,，5），计算各方案对目标的权向量，称为组合权向量组合权向量，记作w（3）。

对于方案P1，它在景色等5个准则中的权重用wk（3）第1个分量表示（图9-3中wk（3）的第一行），而5各准则对于目标的权重又用权向量w

（2）表示，所以方案P1在目标中的组合权重应为它们相应的两两乘积之和，即0.595*0.263+0.82*0.475+0.429*1.055+0.633*0.099+0.166*0.110