数学建模day1 层次分析法与TOPSIS方法
原文链接:https://blog.csdn.net/qq_36384657/article/details/98188769
概念:
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. Saaty 教授于上世纪 70 年代初期提出的一种简便、灵活而又实用的多准则决策方法
一、步骤
1、建立递阶层次结构模型
2、构造出各层次中的所有判断矩阵
3、层次单排序及一致性检验
4、层次总排序及一致性检验
二、递阶层次的建立与特点
1、分层:
(1)最高层:这一层次中只有一个元素,一般它是分析问题的预定目标和理想结果。
(2)中间层:这一层次中包含为了实现目标所涉及的中间环节,主要是一些考虑指标和一些准则。
(3)最底层:这一层次中包含为了实现目标可供选择的各种方案。
2、注意点:
一般不要1层不要超过9个因素
3、一个demo
是三个旅游景点
二、构造判断矩阵
由于准则层中的各准侧的权值可能不同,所以应该设置一个权重。
1、比较判别矩阵的元素意义
设现在要比较n个因子对某因素Z的影响大小,采用两两比较建立比较判别矩阵,xi与xj对Z的影响之比为aij。然后反过来xj与xi的影响之比为aji=1/aij。
2、比较判别矩阵的定义
3、关于比较判别矩阵元素的确定
使用数字1-9以及其倒数作为标度。
三、层次单排序及一致性检验
1、原理
判断矩阵A对应于最大特征值得特征向量W,经归一化即为同一层次相应元素对于上一层次元素相对重要性的排序权值。称为层次单排序
因此,我们通过来检验A是否为一致矩阵,当比n大的越多,A的非一致性程度也就越严重,所以我们可以通过这种方法来检验一致性。
2、步骤
(1)计算一致性指标CI
(2)查询平均随机一致性指标RI,对应n=1到9,RI值分别为
这是通过随机的方法生成的一组标准指标。
(3)计算一致性比例CR
当CR<0.1,认为矩阵的一致性是可以接受的。
四、层次总排序及一致性检验
1、说明
(1)A为上一层次(高的层次),B为当前层次
(2)a1,a2,a3……am为A层次的总排序权重。
(3)b1j……bnj是B层对Aj的单排序权重。
(4)从最高层到最底层
现求B层中各因素关于总目标的权重,即求B层各因素的层次总排序权重b1,b2……bn。就按照上图中的方法进行计算。
2、然后对于层次总排序也要进行一致性检验。
当CR<0.10,认为层次总排序结果具有较满意的一致性并接受该分析结果。
(二)层次分析法的应用
1、准则层的排序矩阵
2、方案层的排序矩阵
3、层次排序总结果
所以最满意的工作是1。
一、TOPSIS方法
TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution) 可翻译为逼近理想解排序法,国内常简称为优劣解距离法 TOPSIS 法是一种常用的综合评价方法,其能充分利用原始数据的信息, 其结果能精确地反映各评价方案之间的差距。
基本过程为先将原始数据矩阵统一指标类型(一般正向化处理) 得到正向化的矩阵,再对正向化的矩阵进行标准化处理以消除各指标量纲的影响,并找到有限方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据。该方法对数据分布及样本含量没有严格限制,数据计算简单易行。
本部分的代码讲解部分参照第二篇博客:评价类模型——TOPSIS法(优劣解距离法)matlab代码实现 学习笔记(二)
例题1:请你为以下四名同学进行评分,该评分能合理的描述其高数成绩的高低。
分析:此评价指标只有一项即“成绩”,评价对象为4个。topsis分析方法如下:
解:
1.取指标成绩中,最高成绩max : 99 最低成绩min:60
构造计算评分的公式:
2.根据评分公式为每一评价对象进行打分,构建如下评分表格、并归一化
3.打分完成,接下来可以由评分确定谁的成绩最好,谁的最差。可见,清风的成绩最好,小王的最差
例题2:请你为以下四名同学进行评分,该评分能合理的描述其综合评价。
分析:例题1考虑的评价指标只有一个,例题2转化为两个评价指标,且评价时指标一(成绩)应该越大越好,指标二(与他人争吵次数)应该越小越好。这就引发矛盾,怎么确定评分使得兼顾两种不同取向的指标?
注:成绩是越高(大)越好,这样的指标称为极大型指标(效益型指标)。
与他人争吵的次数越少(越小)越好,这样的指标称为极小型指标(成本型指标)。
解:
1.将所有的指标转化为极大型指标,即指标正向化。
极小型指标转换为极大型指标的公式:max-x
正向化后得到的表格如下:
2. 为了消去不同指标量纲的影响, 需要对已经正向化的矩阵进行标准化处理。
标准化处理的计算公式
即每个元素除以其所在列各元素平方和的开方
3. 计算评分
首先看一下,两个指标的评分公式怎么推导的
类比只有一个指标计算得分
即:取各列元素的最大值,组成一个列向量Z+,取各列元素的最小值,组成一个列向量Z-,计算每列元素与最大值组成的列向量Z+的距离D+,与最小值组成的列向量Z-的距离D-,在根据评分公式:D-/(D+ + D-)为每个对象进行打分。
根据上面的评分公式,为各评价对象进行打分
4.打分完成,进行数据分析
由综合评分可以看出,小王的评分最高,其成绩和与他人争吵次数的综合评价指标中是最好的;清风最差,即使其成绩是最好的,但是在与他人争吵的评分这项指标中,其与他人差别过大,此项导致其综合评分最低,由此可见指标二的评分在整个评分中作用更关键。
二、 其他指标正向化方法
前面介绍了评价指标只有一种、以及评价指标有两种,且一种是极小型指标的例子。在例题二中,极小型指标要转化为极大型指标才能参与运算,常见的还有其他两种非极大型指标:中间型和区间型指标。下面介绍其如何转为极大型,即指标正向化。
1)、中间型指标 ——>极大型指标
例如: 水质量评估 PH 值指标正向化,PH值取7时水质最好
2)、区间型指标——>极大型指标
例如: 例如人的体温在36摄氏度~37摄氏度这个区间内最好
可以看出,在区间内的36.6度评分最高为1,距离其越远的评分越低
三、TOPSIS方法总结
1、如果有多个指标且不全是极大型指标,则进行指标正向化。
2、之后对正向化矩阵进行标准化,目的是消除不同指标量纲的影响。
正向化方法:
3. 计算得分
4.归一化评分
即每个分数除以所有分数和
综合例题4:评价下表中A-T共20条河流的水质情况
已知:含氧量越高越好;PH值越接近7越好;细菌总数越少越好;植物性营养物量介于10-20之间最佳,超
过20或低于10均不好。
解:1、将各项指标正向化
PH值(中间型转极大型)、细菌总数(极小型转极大型)、植物性营养物量(区间型转极大型)
2、正向化后的矩阵进行标准化
3、进行打分(20个评价对象,4个评价指标)
4、分数归一化
5、分析评分,最高得分的河流水质最好
数学建模day1 层次分析法与TOPSIS方法相关推荐
- 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 ...
- 【数学建模】层次分析法AHP(评价与决策)
文章目录 一.算法介绍 二.适用问题 三.算法总结 1. 步骤 2. 如何构建层次结构模型 3. 如何构建成对比较矩阵 4. 如何进行一致性检验 四.应用场景举例(旅游问题) 1. 建模 2. 构造成 ...
- 【数学建模】—— 层次分析法(AHP)
层次分析法 The analytic hierarchy process (AHP) 建模比赛中最基础的算法之一,主要用于解决评价类的 解决评价类问题,首先要想到以下三个问题: 我们评价的目标是什么? ...
- (一)【数学建模】层次分析法
文章目录 1. 评价类问题可用打分解决 (1)确定权重的方法(分而治之的思想): 1) 确定判断矩阵 2)计算权重 <1>算术平均法求权重 <2>几何平均法求权重 <3& ...
- 【数学建模】层次分析法
层次分析法 引例 层次分析法介绍 成对比较阵和一致性检验 组合权向量 层次分析法步骤 代码实现 RI 一致性检验 层次单排序 计算组合权向量(层次总排序) 经典案例 代码实现 练习训练 参考文献 引例 ...
- 数学建模之层次分析法模型
目录 问题 问题实例 问题分析 建立层次分析法模型 分析权重的方法 编辑 填表指标的权重编辑 一致性检验 一致性检验的引入 一致性检验的步骤 计算判断矩阵 归一化处理 算术平均法求权重 几何平均法 ...
- 【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 ...
- 数学建模之层次分析法详解(附个人论文)
根据清风老师的课程学习,收获很大,https://www.bilibili.com/video/BV1DW411s7wi 1.该模型所解决的问题 评价类问题.(如哪个地方比较好,哪位员工优秀) 2. ...
- 病毒传播数学建模matlab分析,数学建模MATLAB之分析法(一)
[toc] 本篇分别有主成分分析,层次分析,聚类分析,因子分析的简单介绍以及在MATLAB(2018a)上使用的简单介绍 ( 附源码 ) 主成分分析 主成分分析-百度百科 简单讲:主成分分析就是取出几 ...
- 备战数学建模9-层次分析法模型
层次分析法,简称AHP,是建模比赛中最基础的模型之一,其主要用于解决评价类问题,例如:哪中方案更好?哪位运动员或者员工表现得更优秀? 一.层次分析模型建立部分 下面我们看一道引出层次分析得例题,如下所 ...
最新文章
- scala break continue
- 觉得酒驾处罚太严厉?看看国外的再说吧...
- 3 v4 中心节点固定_科研人员提出新型水声网络移动节点接入协议
- Paddle 基于预训练模型 ERNIE-Gram 实现语义匹配
- xstream中几个注解的含义和用法(转)
- TreeView控件的基本使用 界面篇 winform
- LNMP环境搭建笔记
- MacOS Monterey12.3和Big Sur11.6.5离线安装包
- pom文件无法加载ojdbc14-10.2.0.4.0.jar
- IDEA安装插件IDE Eval Reset
- 妹子,你早该放弃了...
- HtmlEditor在线编辑器V3.0提供
- Windows 7驱动开发系列(四)--WDM模型介绍
- web前端网页课程设计大作业 html+css+javascript天津旅游(11页) dw静态旅游网页设计实例 企业网站制作
- HTML5知识点总结(五)
- dq坐标系下无功功率表达式_一种单相脉冲整流器电网电压估算方法与流程
- 侵入式与非侵入式概念
- JavaScript - ES6 - latest - 学习/实践
- 2023PS beta 官方注册安装教程
- 破解rarfile extractall 的中文密码的错误编码
热门文章
- CodeBlock:Process terminated with status1073741510
- 谷歌chrome xp_什么是Google Chrome?
- Visual Studio vs软件下载 vax Visual Assist X VAssistX
- IP地址的ABC类划分
- 【转载】微信小程序中引入iconfont阿里矢量图库
- 【MOOC测试】数学模型
- Android ViewHolder的理解
- 徽州区数字城管平台智慧管理城市
- Esp8266板制作WiFi干扰器
- 联通 吉比特无源光纤接入用户端设备(GPON ONU)TEWA-800G超级管理员 如何密码获取