数学建模竞赛知识点汇总(一)——层次分析法

287 阅读2分钟

本文已参与「新人创作礼」活动,一起开启掘金创作之路。

简介

​ 层次分析法(AHP)这是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点就是在对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础上,利用较少的定量信息使决策的思维过程数学化,从而为多目标、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。

步骤

建立层次结构模型

​ 将决策的目标、考虑的因素(决策准则)和决策方案,按它们之间的相互关系分为最高层中间层最低层,绘出层次结构图(使用SmartArt生成)。

  1. 最高层(目标层):决策的目的、要解决的问题;
  2. 中间层(准则层或指标层):考虑的因素、决策的准则;
  3. 最低层(方案层):决策时的备选方案;

构造判断矩阵

一致矩阵法,即:

1.不把所有因素放在一起比较,而是两两相互比较。

2.对此时采用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,以提高准确度。

判断矩阵元素 aija_{ij}​​ 的标度方法

在这里插入图片描述

计算权重

算术平均值法

  • 将判断矩阵按照列归一化

  • 将归一化的各列相加

  • 将相加后得到的向量中每个元素除以n即可得到权重向量

    假设判断矩阵 A=[a11a12a1na21a22a2nan1an2ann]A=\left[\begin{array}{cccc}a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n}\end{array}\right], 那么算术平均法求得的权重向量

    ωi=1nj=1naijk=1nakj\omega_{i}=\frac{1}{n} \sum_{j=1}^{n} \frac{a_{i j}}{\sum_{k=1}^{n} a_{k j}}
    (i=1,2,,n)(i=1,2, \cdots, n)

几何平均值法

  • 将A的元素按照行相乘得到一个新的列向量
  • 将新的向量的每个分量开n次方
  • 对该列向量进行归一化

假设判断矩阵

A=[a11a12a1na21a22a2nan1an2ann]A=\left[\begin{array}{cccc}a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n}\end{array}\right]

那么几何平均法求得的权重向量

ωi=(j=1naij)1nk=1n(j=1nakj)1n,(i=1,2,,n)\omega_{i}=\frac{\left(\prod_{j=1}^{n} a_{i j}\right)^{\frac{1}{n}}}{\sum_{k=1}^{n}\left(\prod_{j=1}^{n} a_{k j}\right)^{\frac{1}{n}}}, \quad(i=1,2, \cdots, n)

特征值法

  • 求出矩阵A的最大特征值以及对应的特征向量
  • 对特征向量归一化

一致性检验

只有通过了一致性检验,才能够使用计算出的权重

定义一致性指标:

CI=λnn1RI=CI1+CI2++CINN=λ1+λ2++λN500nn1CI=\dfrac{\lambda-n}{n-1}\\ RI=\dfrac{CI_1+CI_2+\dots+CI_{N}}{N}=\dfrac{\dfrac{\lambda_1+\lambda_2+\dots+\lambda_N}{500}-n}{n-1}

λ:最大特征根;n:唯一非零特征根

CR=CIRICR=\dfrac{CI}{RI}

当一致性比率CR<0.1时,认为A的不一致程度在容许范围内,有满意的一致性,通过一致性检验。

合并排序

i=1maibj\sum_{i=1}^{m}a_ib_{j}

根据最下层(决策层)的层次总排序做出最后决策。

层次分析法的局限性

  1. 评价的决策层不能太多,否则判断矩阵和一致矩阵的差异会很大
  2. 如果决策层中的指标数据是已知的,就不适用