离散模型五(二)层次分析法模型课件.ppt

《离散模型五(二)层次分析法模型课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、层次分析法建模层次分析法简介5.3大学英语四、六级评价5.4金融危机下大学生择业选择第五章离散模型(Ⅱ)层次分析模型简介背景日常工作、生活中的决策问题涉及经济、社会等方面的因素作比较判断时人的主观选择起相当大的作用，各因素的重要性难以量化Saaty于1970年代提出层次分析法AHP(AnalyticHierarchyProcess)AHP——一种定性与定量相结合的、系统化、层次化的分析方法目标层O(选择旅游地)P2黄山P1桂林P3北戴河准则层方案层C3居住C1景色C2费用C4饮食C5旅途一.层次分析法的基本步骤例.选择旅游地如何在3个目的地中按照景色、费用、居住条件等因素选择.“选择旅

2、游地”思维过程的归纳将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素，各层元素间的关系用相连的直线表示。通过相互比较确定各准则对目标的权重，及各方案对每一准则的权重。将上述两组权重进行综合，确定各方案对目标的权重。层次分析法将定性分析与定量分析结合起来完成以上步骤，给出决策问题的定量结果。2468比较尺度aijSaaty等人提出1~9尺度——aij取值1,2,…,9及其互反数1,1/2,…,1/9尺度13579相同稍强强明显强绝对强aij=1,1/2,,…1/9的重要性与上面相反心理学家认为成对比较的因素不宜超过9个便于定性到定量的转化：强度量化规则层次分析法的基本

3、步骤成对比较阵和权向量元素之间两两对比，对比采用相对尺度设要比较各准则C1,C2,…,Cn对目标O的重要性A~成对比较阵A是正互反阵要由A确定C1,…,Cn对O的权向量选择旅游地成对比较的不一致情况一致比较不一致允许不一致，但要确定不一致的允许范围考察完全一致的情况成对比较阵和权向量成对比较完全一致的情况满足的正互反阵A称一致阵，如A的秩为1，A的唯一非零特征根为nA的任一列向量是对应于n的特征向量A的归一化特征向量可作为权向量对于不一致(但在允许范围内)的成对比较阵A，建议用对应于最大特征根的特征向量作为权向量w，即一致阵性质成对比较阵和权向量一致性检验对A确定不一致的允许范围已知

4、：n阶一致阵的唯一非零特征根为n可证：n阶正互反阵最大特征根n,且=n时为一致阵定义一致性指标:CI越大，不一致越严重RI000.580.901.121.241.321.411.451.491.51n1234567891110为衡量CI的大小，引入随机一致性指标RI——随机模拟得到aij,形成A，计算CI即得RI。定义一致性比率CR=CI/RI当CR<0.1时，通过一致性检验Saaty的结果如下“选择旅游地”中准则层对目标的权向量及一致性检验准则层对目标的成对比较阵最大特征根=5.073权向量(特征向量)w=(0.263,0.475,0.055,0.090,0.110)T一致性

5、指标随机一致性指标RI=1.12(查表)一致性比率CR=0.018/1.12=0.016<0.1通过一致性检验组合权向量记第2层（准则）对第1层（目标）的权向量为同样求第3层(方案)对第2层每一元素(准则)的权向量方案层对C1(景色)的成对比较阵方案层对C2(费用)的成对比较阵…Cn…Bn最大特征根12…n权向量w1(3)w2(3)…wn(3)第3层对第2层的计算结果k10.5950.2770.1293.0050.0030.00100.00503.0020.6820.2360.082230.1420.4290.42933.0090.1750.1930.633430.6680.16

6、60.1665组合权向量RI=0.58(n=3),CIk均可通过一致性检验w(2)0.2630.4750.0550.0900.110方案P1对目标的组合权重为0.5950.263+…=0.300方案层对目标的组合权向量为(0.300,0.246,0.456)T组合权向量第1层O第2层C1,…Cn第3层P1,…Pm第2层对第1层的权向量第3层对第2层各元素的权向量构造矩阵则第3层对第1层的组合权向量第s层对第1层的组合权向量其中W(p)是由第p层对第p-1层权向量组成的矩阵层次分析法的基本步骤1）建立层次分析结构模型深入分析实际问题，将有关因素自上而下分层（目标—准则或指标—方案或对象

7、），上层受下层影响，而层内各因素基本上相对独立。2）构造成对比较阵用成对比较法和1~9尺度，构造各层对上一层每一因素的成对比较阵。3）计算权向量并作一致性检验对每一成对比较阵计算最大特征根和特征向量，作一致性检验，若通过，则特征向量为权向量。4）计算组合权向量（作组合一致性检验*）组合权向量可作为决策的定量依据。二.层次分析法的广泛应用应用领域：经济计划和管理，能源政策和分配，人才选拔和评价，生产决策，交通运输，科研选题，产业结构，教育，医疗，