ahp层次分析法matlab代码_Matlab数据分析实战,基于AHP高校食堂满意度调查分析
层次分析法(Analytical Hierachy Process,AHP)是匹兹堡大学T.L.Saaty教授在20世纪70年代初期提出对定性问题进行定量分析的一种渐变灵活的多准则决策方案。
其特点是把复杂问题中的各种因素通过划分为相互联系的有序层次,使之条理化,根据对有一定客观现实的主观两两比较,把专家意见和分析者的客观判断结果直接有效地结合起来,然后利用数学方法计算每一层元素相对重要性次序的权值,最终通过所有层次间的总排序计算所有元素的相对权重并进行排序,从而分析消费者决策。
基于AHP高校食堂满意度调查
(1)建立层次结构模型
本研究采用的满意度指标体系是项目组运用深度访谈和小组访谈法经过业内专家反复论证筛选确立的,能综合反映高校食堂的满意度水平,在深入分析高校食堂满意度的问题上,将有关影响因素,按照层次模型,根据隶属关系,分为若干个层次,高校食堂满意度A为目标层,饭菜质量B1,卫生质量B2,服务质量B3为准则层,接下来,饭菜价格C1,饭菜口味C2,饭菜分量C3,饭菜种类C4,就餐卫生环境C5,食物卫生C6,服务人员卫生C7,就餐设施C8,多媒体服务C9,工作人员服务C10为对应下的方案层。
由于各评价指标在服务质量中的地位及重要性有差别,因此需要根据其重要性赋值,权重即是反映某一层指标因素相对上一层指标重要程度的量值。权重的设置是否科学,决定评价结果的科学性。层次分析法中权重设置是通过对同层指标两两相互比较,给出一个指标相对于另一指标重要程度的标度,从而构造判断矩阵进行计算,如下表所示。
(2)设置标度
(3)构造成对比较阵
从层次结构模型的第2层开始,对于影响上一层每个因素的同一层诸多因素,用成对比较法和比较尺度构造成对比矩阵,得成对比较阵如下表所示:
(4)计算W值,判断一致性检验结果
1)计算一致性指标CI。
2)选定平均随机一致性指标RI。
3)计算一致性指标比率CR。
随机一致性指标RI的数值如下表所示:
认为不一致程度在允许的范围内,其特征向量可作为权向量。
根据所获样本数据,评判结果如下表所示:
由计算得判断矩阵A的特征向量W=(0.5278,0.3325,0.1396),表示对于目标层A(高校食堂满意度),准则层B1(饭菜质量)、B2(卫生质量)、B3(服务质量)的相对权重值分别为0.5278,0.3325,0.1396。
同理可得,判断矩阵B1的特征向量为W=(0.3899,0.1524,0.0679,0.3899),表示对于准则层B1(饭菜质量),方案层C1(饭菜价格),C2(饭菜口味),C3(饭菜分量),C4(饭菜种类)的相对权重值分别为0.3899,0.1524,0.0679,0.3899。
判断矩阵B2的特征向量为W=(0.2255,0.6738,0.1007),表示对于准则层B2(卫生质量),方案层C5(就餐卫生环境)C6(食物卫生)C7(服务人员卫生)的相对权重值分别为0.2255,0.6738,0.1007。
判断矩阵B3的特征向量为W=(0.6370,0.2583,0.1047),表示对于准则层B3(服务质量),方案层C8(就餐设施),C9(多媒体服务),C10(工作人员服务)的相对权重值分别为0.6370,0.2583,0.1047。
以矩阵A为例进行一致性检验:CI=0.0268,CR=0.0515<0.1,由此断定判断矩阵A具有满意的一致性,该判断矩阵为有效矩阵,是可以用来做层次分析的。同理,对判断矩阵B1,B2,B3,进行一致性检验,得到三个判断矩阵的CR值分别为0.0163,0.0825,0.0370均小于0.1,因此断定这三个判断矩阵均通过一致性检验,均为有效矩阵。
(5)计算组合权向量
由题目得出准则层对A目标层的影响权重及方案层对准则层的影响权重,综合求出指标层对目标层合成的权重,结果如下表所示。
通过以上计算结果,可以得到高校食堂满意度的三个准则指标和十个方案指标相对于总目标的权重,确定出食堂满意度评价的指标体系。
(6)结论
本文运用层次分析法来确定高校食堂满意评价指标的权重,较好实现了定性与定量的结合,提高了评价结果的合理性。文章最后给出了评价指标的具体权重数据,该数据在理论体系上是严密的,计算方法和过程是正确的。
首先对于准则层的三个评价指标来说,高校食堂的饭菜质量占据了相当大的比重,是评价一个高校食堂满意度的首要原则;其次是卫生质量的好坏也对食堂满意度的评价具有重要作用。
从方案层来看,项目组可以直接根据方案层各指标对目标层的合成权重大小来逐次排列各指标对高校食堂满意度评价的影响大小。由以上层次分析法得出的结果来看,项目组可以直观的得出饭菜的种类对于高校食堂满意度的综合评价影响最大。
附录 :层次分析法Matlab程序
%层次分析法(AHP)
disp('请输入判断矩阵A(n阶');
A = input('A=');
[n,n] = size(A);
x = ones(n,100);
y = ones(n,100);
m = zeros(1,100);
m(1) = max(x(:,1));
y(:,1) = x(:,1);
x(:,2) = A*y(:,1);
m(2) = max(x(:,2));
y(:,2) = x(:,2)/m(2);
p=0.0001;
i=2;
k=abs(m(2)-m(1));while k>p i=i+1;
x(:,i) = A*y(:,i-1);
m(i) = max(x(:,i));
y(:,i) = x(:,i)/m(i);
k=abs(m(i)-m(i-1));
enda = sum(y(:,i));
w = y(:,i)/a;
t = m(i);
disp(w);%一致性检验CI = (t-n)/(n-1);
RI = [0 0 0.52 0.89 1.12 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];
CR = CI/RI(n);if CR<0.10
disp('此矩阵一致性可以接受!');
disp('CI=');
disp(CI);
disp('CR=');
disp(CR);
end
以上就是今天推送的内容,日常学习MATLAB,要理论和实践相结合,这样才能将知识应用于实际。
ahp层次分析法matlab代码_Matlab数据分析实战,基于AHP高校食堂满意度调查分析相关推荐
- ahp层次分析法matlab代码_(案例)AHP层次决策分析Matlab编码计算
"层次聚类分析Matlab编码计算" 01 - AHP层次决策分析计算函数 求判断矩阵最大特征根和归一化特征向量: function [maxEigVal,w] = maxEigV ...
- AHP层次分析法matlab实现
AHP层次分析法的步骤和matlab实现方法 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 ...
- AHP层次分析法及代码
基本原理 AHP多用于决策和评价类的模型. 应用AHP分析决策问题时,首先要把问题构造为一个有层次的结构模型. 在这个模型下,复杂问题被分解为元素的组成部分.这些元素又按其属性及关系形成若干层次.这些 ...
- MATLAB AHP AHP层次分析法code 自写代码 完美运行。 权重设计
MATLAB AHP AHP层次分析法code 自写代码 完美运行. 权重设计 ID:5150612144581085YouthOG
- Matlab基于SEIRD模型,NSIR预测模型,AHP层次分析法新冠肺炎预测与评估分析
全文链接:http://tecdat.cn/?p=32175 分析师:Jiahui Zhao 新型冠状病毒肺炎COVID-19 给中国乃至全世界都带来了深重的灾难,对世界经济也造成了不可逆的影响(点击 ...
- AHP层次分析法与python代码讲解(处理论文、建模)
目录 AHP是啥 题目 ①构建阶梯层次结构 ②构建判断矩阵 ④综合算术平均法 .几何平均法.特征值法求权重 方法1:算术平均法求权重 一般步骤 表达式解释 代码实现 方法2:几何平均法求权重 一 ...
- AHP层次分析法(Analytic Hierarchy Process)——个人学习笔记
目录 一.相关知识与例子 二.代码实现 一.相关知识与例子 层次分析法是数学建模过程中最基础的模型之一,主要应用于评价问题.层次分析法是对一些较为复杂.较为模糊的问题作出决策的简易方法,其适用于那些难 ...
- 目标层准则层MATLAB,层次分析法-MATLAB
层次分析法-MATLAB 第八章 层次分析法 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 ...
- 数学建模——层次分析法Python代码
数学建模--层次分析法Python代码 import numpy as np class AHP: """ 相关信息的传入和准备 """ d ...
最新文章
- 软件开发的N种基础武器 - 最新清单
- python内置模块大全 processon
- Ubuntu find命令详解
- Adversarial Validation 微软恶意代码比赛的一个kenel的解析
- 17校招真题题集(3)11-15
- 智能一代云平台(三十一):mybatis加入分页
- 第 22 章 Beta
- 使用 Nginx 编译 Sass 和 Scss
- penetration testing report
- 人力资源管理-输入、输出、工具和技术
- DAVIS: Densely Annotated VIdeo Segmentation
- 3D激光SLAM点云地图pcd转导航可用的2D栅格地图
- nodejs获取当前日期
- 软件项目外包平台 公司刚刚创业,人手不够怎么办 外包吧
- kwm转mp3,kwm转flac
- 用HTML5解析SWF演示,没有Flash插件照样播放Flash视频
- 关于深度学习方面的一些概念
- 高速固态存储卡学习资料第701篇:基于6U VPX XC7V690T的阵列M.2高速固态存储卡
- vue如何将图片压缩成webp格式并用webpack打包
- mkv怎么转换成mp4,mkv转mp4超简单
热门文章
- bzoj1001:[BeiJing2006]狼抓兔子
- 代写SOFTENG 370 Operating Systems课设、代做C/C++ 留学生作业、代写c/c++代码、代写C/C++编程作业...
- ArcGIS API for JavaScript 4.4学习笔记[新] AJS4.4和AJS3.21新特性
- iOS APP提交上架流程
- WF4.0入门系列1——创建一个简单的工作流
- C# 结构体与类的区别
- android 添加安装权限白名单
- 高通平台点亮LCD个人总结
- c#加粗代码_c#窗体,选中复选框,文字加粗变绿代码
- 安卓应用安全指南 4.4.3 创建/使用服务高级话题