数学建模学习笔记(四)层次分析法(AHP)
应用场景:
1、最佳方案选取
2、评价类问题
3、指标体系的优选
步骤:
1、建立层次结构模型;
2、构造判断(成对比较)矩阵;
3、层次单排序及其一致性检验;
4、层次总排序及其一致性检验;
建立层次结构模型:
最高层(目标层):决策的目的、要解决的问题;
中间层(准则层或指标层):考虑的因素、决策的准则;
最低层(方案层):决策时的备选方案
构造判断矩阵
注:采用两两比较,采用1-9标度方法
很显然,这是对称矩阵
层次单排序及一致性检验:
为什么要一致性检验?
例如:第一行可以看出A=2B,A=4C,那么可以推导出B=2C,那么如果第二行的第三列不是2,就不一致,所以要一致性检验。
一致阵的性质:(转自知乎)
1、对称矩阵,主对角线都为1;
2、其转置也是一致阵;
3、各行成比例,则矩阵秩为1;
4、A的最大特征根(值)为 n,其余的n-1个特征根均等于0;
5、A的任一列(行)都是对应于特征根n的特征向量,AW=nW;
(这一块比较难懂,但不影响使用)
例子说明:
层次总排序及其一致性检验:
具体案例:
使用方法:
1、有大牛将整个计算过程浓缩成软件
AHP软件
2、matlab实现
使用方法
(1)构造判断矩阵A
(2)将下文代码复制粘贴到Matlab中即可
例如:A=[1 3 5;0.33 1 3;0.2 0.33,1]disp('请输入准则层判断矩阵A(n阶)');
A=input('A=');
[n,n]=size(A);
[V,D]=eig(A);%求得特征向量和特征值%求出最大特征值和它所对应的特征向量
tempNum=D(1,1);
pos=1;
for h=1:nif D(h,h)>tempNumtempNum=D(h,h);pos=h;end
end
w=abs(V(:,pos));
w=w/sum(w);
t=D(pos,pos);
disp('准则层特征向量w=');disp(w);disp('准则层最大特征根t=');disp(t);
%以下是一致性检验
CI=(t-n)/(n-1);RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59 1.60 1.61 1.615 1.62 1.63];
CR=CI/RI(n);
if CR<0.10disp('此矩阵的一致性可以接受!');disp('CI=');disp(CI);disp('CR=');disp(CR);
else disp('此矩阵的一致性验证失败,请重新进行评分!');
end
使用体验待日后补充~
数学建模学习笔记(四)层次分析法(AHP)相关推荐
- 数学建模第一讲:层次分析法
数学建模第一讲:层次分析法 笔记大部分由观看[强烈推荐]清风:数学建模算法.编程和写作培训的视频课程整理出: 视频链接:https://www.bilibili.com/video/BV1DW411s ...
- 数学建模算法总结——04层次分析法
一.层次分析法的应用 题目分类: 评价类(评价.分类.排序) 特征: 合理地将定性与定量的决策结合起来,按照思维.心理的规律把决策过程层次化.数量化. 层次分析法的三大典型应用 (1)用于最佳方案的选 ...
- 数学建模模型01:层次分析法(AHP)
层次分析法(The analytic hierarchy process, 简称AHP) 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:选择哪种方案最好.哪位运动员或者员工表现的更优秀 ...
- 清风数学建模学习笔记——系统(层次)聚类原理详解及案例分析
系统聚类 系统聚类的合并算法通过计算两类数据点间的距离,对最为接近的两类数据点进行组合,并反复迭代这一过程,直到将所有数据点合成一类,并生成聚类谱系图.此外,系统聚类可以解决簇数 K 的取值问题, ...
- 清风数学建模学习笔记——灰色关联分析(GRA)详细解读与案例分析
灰色关联分析 灰色关联分析的基本思想 是根据序列曲线几何形状的相似程度来判断其联系是否紧密,曲线越接近,相应序列之间的关联度就越大,反之则越小. 此方法可用于 进行系统分析,也可应用于对问题 ...
- 数学建模学习笔记——灰色关联分析(评价类)
- 数学建模学习笔记——优劣解距离法(评价类)
- 数学建模学习笔记之评价问题聚类分析法
数学建模学习笔记之评价问题聚类分析法 物以类聚.人以群分. 聚类分析是一个很大的概念,显然根据分类的依据不同会出现很多很多聚类的方法.例如K-Means .Sequential Leader.Mode ...
- 数学建模学习笔记(1)数学模型的特点和分类
数学建模学习笔记(1)数学模型的特点和分类 ps:学习的教材为姜启源著的<数学模型(第四版)> 领取数模资料和更多内容请关注公众号:拾壹纪元 传送门: 线性规划(LP)问题 https:/ ...
- 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 ...
最新文章
- numpy.logspace()产生一个数组
- OpenCart之在线客服(Google Talk)模块教程
- [翻译]Scott Mitchell 的ASP.NET 2.0数据教程之十三:在DetailsView控件中使用TemplateField...
- 又见yx — 说说IT公司的团队头儿
- MySQL bin-log 日志清理方式
- Linux下构建FTP服务器
- python 代码片段6
- Servlet详解之两个init方法的作用
- linux——select、poll、epoll
- 02-print的用法
- 掌握需求过程阅读笔记六
- MSSQL数据库中发现D99_Tmp数据表的处理办法
- java nativearray_Java中的native关键字与JNI
- 【撸码师的备忘录】JedisPool.returnResource()遭弃用
- 不常用的SQL语句记录
- 5.css企业开发经验,习惯盒模型,层模型
- 稳压芯片TPS54531的设计和分析
- apicloud访问php,支付宝 app应用 受权 php + APICloud
- html旋转360度特效,CSS3图片旋转特效(360/60/-360度)
- 鸿蒙系统学习系列 | 上手HarmonyOS十大必看指南!
热门文章
- 数据结构 图(二)社交网络
- 【转载】C#开源项目大全
- 一款免费好用的手机投屏工具,多屏互动套件AirPin
- <cstdio> stdio.h头文件
- 北京政务企业电子章签章流程
- 入门神经网络优化算法(一):Gradient Descent,Momentum,Nesterov accelerated gradient
- 74HC166与TPIC6A595分析
- 【邪恶古堡】一款手机游戏|塔防类|主角是反派/魔王|敌人是勇士/英雄|需要救公主|放置陷阱/障碍|乱入|安卓|苹果
- Gartner:2021年第二季度全球智能手机销售量增长10.8%
- 短信平台API接口demo示例-JAVA/Message/Send