前言

博主现大三参与四次数学建模大赛,本人专业为大数据方向,由于以后或许从事数据分析行业,其实数学建模和大数据分析有很多相似之处,可以说差不多是共通的。经历了这么多次比赛个人总结一些建模必备的数据分析方法是必须要完全掌握。阅览研究许多篇博客或文章发现,AHP方法的实际运用例子都比较单一,本篇博客的愿景是希望我或者读者通过阅读这篇博客能够学会AHP方法并能实际运用,而且能够记录到你的思想之中。当然个人不是数学专业对一些专业性的知识可能不是很了解,希望读者看完能够提出错误或者看法,博主会长期维护博客做及时更新。纯分享,希望大家喜欢。


提示:以下是本篇文章正文内容,下面案例可供参考

一、AHP层次分析法是什么?

AHP(Analytic Hierarchy Process)层次分析法是美国运筹学家T. L. Saaty教授于二十世纪70年代提出的一种实用的多方案或多目标的决策方法,是一种定性与定量相结合的决策分析方法。用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。,具有十分广泛的实用性。

二、AHP的广泛运用

经过四十多年的研究与发展,AHP已经成为决策者广泛使用的一种多准则方法。其应用涉及经济与计划、能源政策与资源分配、政治问题及冲突、人力资源管理、预测、项目评价、教育发展、环境工程、企业管理与生产经营决策、会计、卫生保健、军事指挥、武器评价、法律等众多领域。AHP主要是作为一种辅助决策工具,它只有和其他方法有机结合,才能取得比较好的使用效果。从现有的研究成果看,与AHP结合使用的其他方法有模糊集理论、模糊逻辑、数字规划、成本收益分析、人工神经网络、证据推理、数据包络分析、仿真、数据挖掘等。

三、AHP的优缺点

1.层次分析法的优点

  • 系统性-将对象视作系统,按照分解、比较、判断、综合的思维方式进行决策。成为成为继机理分析、统计分析之后发展起来的系统分析的重要工具;
  • 实用性-定性与定量相结合,能处理许多用传统的最优化技术无法着手的实际问题,应用范围很广,同时,这种方法使得决策者与决策分析者能够相互沟通,决策者甚至可以直接应用它,这就增加了决策的有效性;
  • 简洁性-计算简便,结果明确,具有中等文化程度的人即可以了解层次分析法的基本原理并掌握该法的基本步骤,容易被决策者了解和掌握。便于决策者直接了解和掌握。

(1)建立所有要素(包括非量化与量化)的层级,清楚呈现各层、各准则与各要素的关系。

(2)简化评估程序,计算过程简单易懂。

(3)若研究资料存在遗漏或不足的部分,仍能求得各要素的重要性。

2.层次分析法的缺点

  • 囿旧-只能从原有的方案中优选一个出来,没有办法得出更好的新方案;
  • 粗略-该法中的比较、判断以及结果的计算过程都是粗糙的,不适用于精度较高的问题。;
  • 主观-从建立层次结构模型到给出成对比较矩阵,人主观因素对整个过程的影响很大,这就使得结果难以让所有的决策者接受。当然采取专家群体判断的办法是克服这个缺点的一种途径。

(1)要素之间两两比较有时比较困难。

(2)当要素比较多时,一致性检验可能无法通过(所以一般把要素控制在7个)。

(3)分析时没有考虑要素的相关性问题。

四、应用步骤

运用层次分析法构造系统模型时,大体可以分为以下四个步骤:

  1. 建立层次结构模型
  2. 构造判断(成对比较)矩阵
  3. 层次单排序及其—致性检验
  4. 层次总排序及其一致性检验

1.建立层次结构模型

将决策的目标、考虑的因素(决策准则)和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图。

  • 最高层:决策的目的、要解决的问题。
  • 最低层:决策时的备选方案。
  • 中间层:考虑的因素、决策的准则。

对于相邻的两层,称高层为目标层,低层为因素层。

例如某单位拟从3名干部中选拔一名领导,选拔的标准有政策水平、工作作风、业务知识、口才、写作能力和健康状况。我们建立层次结构模型就为:

2.构造判断(成对比较)矩阵

在确定各层次各因素之间的权重时,如果只是定性的结果,则常常不容易被别人接受,因而有人提出: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。

判断矩阵是表示本层所有因素针对上一层某一个因素的相对重要性的比较。判断矩阵的元素aj;用Santy的1—9标度方法给出。

在依据上述给的选举领导的例子,我们构造判断矩阵为:

3.层次单排序及其—致性检验

对应于判断矩阵最大特征根入max的特征向量,经归一化(使向量中各元素之和等于1)后记为W。
W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值,这一过程称为层次单排序。
能否确认层次单排序,需要进行一致性检验,所谓一致性检验是指对A确定不一致的允许范围。

首先我们要先对我们构造的比较矩阵进行归一化:

列向量归一化:求每个分量平方和,然后求它的平方根
再给每个分量除以上面得到的数就可以了

(1).计算一致性指标

定义一致性指标;

,有完全的一致性;

接近于0,有满意的一致性;

越大,不一致越严重。

(2).为了衡量的大小,引入随机一致性指标

查找相应的平均随机一致性指标RI。对n=1,…,9,Santy给出了RI的值,如下表(表2):

表 2  RI的值

(3).计算一致性比例CR:

一般,当一致性比率时,认为A的不一致程度在容许范围之内,有满意的一致性,通过一致性检验。可用其归一化特征向量作为权向量,否则要重新构造成对比较矩阵A,对加以调整。

例如:

4.层次总排序及其一致性检验

  • 计算某一层次所有因素对于最高层(总目标)相对重要性的权值,称为层次总排序。
  • 这一过程是从最高层次到最低层次依次进行的。

A层个因素对总目标Z的排序为

B层个因素对上层A中因素为的层次单排序为

层次总排序的一致性比率为:,当一致性比率时认为层次总排序通过一致性检验。

总结

有很多领域模型需要利用AHP计算出多因素权重,因此很多AHP作为其他模型建立中的一环。


参阅:

层次分析法(运筹学理论)_360百科

层次分析法如何确定权重 - 百度文库

层次分析法(AHP)详细步骤_我的她像朵花的博客-CSDN博客_ahp层次分析法

层次分析法(AHP)原理以及应用相关推荐

  1. 层次分析法AHP原理、例题

    1 基本介绍 层次分析法(analytic hierarchy process,简称AHP)是解决多因素综合评价问题的常用方法,该方法是美国运筹学家,匹茨堡大学教授T.L. Saaty于20世纪70年 ...

  2. 熵权法EW与层次分析法AHP之数学原理及实例

    1.概述 对于多指标或多目标决策问题,由于涉及到多个指标或属性,在对实测数据进行评价时,需要确定这些指标之间的相互权重,各指标权重的客观性与合理性也会大大影响到最终的评价结果.目前对于指标权重确定的方 ...

  3. R语言应用实战-基于R语言的综合评价(层次分析法AHP为例)

    一.综合评价的基本概念 对一个事物的评价往往会涉及多个因素或者多个指标,评价是在多个因素相互作用下的一个综合判断.多指标综合评价方法具有以下的特点:包含若干个指标,分别说明被评价对象的不同方面,评价方 ...

  4. 层次分析法AHP - 代码注释多 - ( 数据建模 Python代码)

    实际生活中,往往有一些很复杂的系统,我们没办法直观草率的确定权重,比如甲.乙.丙三人竞选总统,严谨的说,需要从三人的社交能力.管理能力.经济能力等方面来考虑,在每个方面,三位候选人的得分也不同,那么到 ...

  5. 2010年高教社杯全国大学生数学建模竞赛题目B题解析及层次分析法AHP在其中的应用

    2010年高教社杯全国大学生数学建模竞赛题目 B题 2010年上海世博会影响力的定量评估 2010年上海世博会是首次在中国举办的世界博览会.从1851年伦敦的"万国工业博览会"开始 ...

  6. MATLAB实现层次分析法AHP及案例分析

    层次分析法(Analytic Hierarchy Process, AHP) 1 模型背景 美国运筹学家匹兹堡大学教授Saaty在20世纪70年代初提出的一种层次权重决策分析方法. 层次分析法(Ana ...

  7. 数学建模之层次分析法AHP

    层次分析法(Analytic Hierarchy Process,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 ...

  8. 层次分析法 AHP

    层次分析法(Analytic Hierarchy Process,简称 AHP)是对一些较为复杂.较为模糊的问题作出决策的简易方法,它特别适用于那些难于完全定量分析的问题.它是美国运筹学家 T. L. ...

  9. 层次分析法 计算机程序,层次分析法(AHP)程序的设计

    摘要: 层次分析法可将一些彼此间重要性不明确的因素加以条理化,并排出各因素间相对重要性的次序,使一些不能算出具体数量的决策问题,可取得较为理想的决策分析效果.*AHP*"5o FOR I=1 ...

  10. 【数学建模】层次分析法(AHP)-Python实现

    1 前言 本文主要讲解层次分析法(AHP)的python实现,后续会跟进实例分析 2 代码实现 导入包 import numpy as np 2.1 构造判断矩阵 判断矩阵一般采用专家意见法,也就是德 ...

最新文章

  1. EM不同气候条件下土壤稀有与丰富微生物类群的分化策略
  2. [CF522D]Closest Equals
  3. Lambda表达式很鸡肋?它到底有何用呢?
  4. boost::mpl::min和boost::mpl::max相关的测试程序
  5. vim语法高亮的错误解决办法
  6. 从键盘上录入两个整数,计算a的b次方的结果
  7. javascript-bom-浏览器对象模型
  8. 武汉科技大学c语言复试题库,2016年武汉科技大学计算机科学与技术学院C语言程序设计复试笔试仿真模拟题...
  9. Hadoop之mapReduce有几种排序及排序发生的阶段
  10. MySQL常用日期时间函数
  11. Handler、Message几种发送消息形式总结
  12. Java NIO类库Selector机制解析(上)
  13. php商城如何解决订单高并发,thinkphp商城如何处理高并发,怎么使用memcache做缓存...
  14. jacob+wps 文档转为pdf excel转换pdf卡死无响应
  15. 511遇见易语言逍遥模拟器模块封装调用示范
  16. 帮表弟的女友买了个5900的dell 1420
  17. 【华人学者风采】黄霞 清华大学
  18. Python 入门之控制结构 - 顺序与选择结构
  19. 【Scratch-文字朗读模块】Scratch-文字朗读模块分析——人工智能的基础
  20. TCP-IP协议详解(5) 我尽力(IP协议详解)

热门文章

  1. 美国行政区划 数据mysql,美国,行政区划地理数据库大全.doc
  2. java开源引擎easyrule_【Urule介绍】开源可视化规则引擎
  3. [转]CRC8校验详细说明
  4. 解决Ubuntu无法定位软件包问题
  5. EGE绘图之四 Gif动图播放
  6. Java使用POI操作Excel合并单元格
  7. UCI数据库Heart Disease数据集下载
  8. win7硬盘安装工具_扔掉U盘和光驱,一键从硬盘安装操作系统,这个硬盘装机工具真爽...
  9. 蚁群算法原理以及应用
  10. 浏览器的使用方法,如何添加书签|常用网站|扩展程序?