层次分析法及matlab代码
数学建模算法(一)
层次分析法 The analytic hierarchy process(AHP)
【清风数学建模课程笔记】
文章目录
- 数学建模算法(一)
- 层次分析法 The analytic hierarchy process(AHP)
- 解决评价类问题的一般步骤:
- 层次分析法的过程:
- 一致性检验的步骤:
- 计算权重?
- 一致矩阵:归一化处理(一致矩阵权重就是特征向量)
- 判断矩阵
- 将计算所得的权重填入权重表中并计算得分
- 层次分析法具体讲解
- 层次分析法的局限性
- 模型拓展
- Matlab代码详解
主要用于解决评价类问题,确定一些评价指标,并为每个指标定权重(和为1)
**(同颜色的单元格和为1)**
解决评价类问题的一般步骤:
评价的目标(题目提取)
可选方案有哪些
评价的准则/指标(根据背景材料、常识以及网上搜集到的一些文献、论文)
推荐:虫部落快搜https://search.chongbuluo.com/
优先级:谷歌-微信-知乎
层次分析法的过程:
两个两个指标进行比较,最终根据两两比较的结果来推算出权重
判断矩阵是一个正互反矩阵,根据判断矩阵去推算指标的权重
填写其它的判断矩阵,并计算权重
不一致的情况
一致矩阵:各行/各列之间成倍数关系,说明一致矩阵有一个特征值为n,其余特征值均为0
aij×ajk=aika_{ij} \times a_{jk} =a_{ik} aij×ajk=aik
在使用判断矩阵求权重之前,必须对其进行一致性检验(检验我们构造的判断矩阵与一致矩阵是否有太大的差别)复习特征值和特征向量
矩阵A为一致矩阵的充要条件为
- aij>0;a11=a22=...=ann=1;[ai1,ai2,ai3,...,ain]=k[al1,al2,al3,...,aln]a_{ij}>0\ ;\\ a_{11}=a_{22}=...=a_{nn}=1\ ;\\ [a_{i1},a_{i2},a_{i3},...,a_{in}] = k[a_{l1},a_{l2},a_{l3},...,a_{ln}] aij>0 ;a11=a22=...=ann=1 ;[ai1,ai2,ai3,...,ain]=k[al1,al2,al3,...,aln]
引理:A为n阶方阵,且r(A) = 1,则A有一个特征值为tr(A)=n,其余特征值均为0
另外,我们很容易得到,当特征值为n时,对应的特征向量刚好为(这个可以自己算出来,就是齐次线性方程组的基础解系)
k[1a11,1a12,...,1a1n](k≠0)=k[a11,a21,...,an1](k≠0)k[\frac{1}{a_{11}},\frac{1}{a_{12}},...,\frac{1}{a_{1n}}](k \neq 0)=k[a_{11},a_{21},...,a_{n1}](k \neq 0) k[a111,a121,...,a1n1](k=0)=k[a11,a21,...,an1](k=0)引理:当n阶正互反矩阵非一致时,最大特征值一定满足:
λmax>n\lambda_{max} > n λmax>n
且判断矩阵越不一致时,最大特征值与n相差就越大,如下图。
一致性检验的步骤:
计算一致性指标CI
CI=λmax−nn−1CI=\frac{\lambda_{max}-n}{n-1} CI=n−1λmax−n查找对应的平均随机一致性指标RI(这个东西用到了随机抽样、蒙特卡罗模拟等等,比较复杂,有兴趣自己查资料)
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 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 注:实际运用中,n很少超过10,如果指标的个数大于10,则可考虑建立二级指标体系
计算一致性比例CR
CI=CIRICI=\frac{CI}{RI} CI=RICI
注:如果CR<0.1,则可认为判断矩阵的一致性可以接受;否则需要对判断矩阵进行修正
计算权重?
一致矩阵:归一化处理(一致矩阵权重就是特征向量)
判断矩阵
方法一:算数平均法
- 按照列归一化:用每一列的数据计算权重,得到n组权重数据
- 将归一化的各列相加(按行求和)
- 将相加后得到的向量中每个元素除以n:算数平均法求权重
方法二:几何平均法
- 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
- 对该向量进行归一化可以得到权重向量
方法三:特征值法求权重(一般用这个)
假如我们的判断矩阵一致性可以接受,那么我们可以仿照一致矩阵权重的求法。(一致矩阵权重就是特征向量)
- 求出矩阵A的最大特征值以及其对应的特征向量
- 对求出的特征向量进行归一化即可得到我们的权重
将计算所得的权重填入权重表中并计算得分
用Excel,可以按F4锁定单元格
层次分析法具体讲解
分析系统中各因素的关系,建立系统的递阶层次结构(要把层次结构图放在论文里面,目标层-准则层-方案层,可以用smartart但是很丑,用visio吧,或者亿图/draw.io)
构造判断矩阵(就直接给……不要说自己是哪里来的)
例如:准则层—方案层的判断矩阵的数值要结合实际来填写,如果题目中有其他数据,可以考虑利用这些数据进行计算。有一个指标是交通安全程度,现在要比较开放小区、半开放小区和封闭小区,而且你收集到了这些小区车流量的数据(搜集资料),那么就可以根据这个数据进行换算作为你的判断矩阵。
由判断矩阵计算被比较元素对于该准则的相对权重,并进行一致性检验(检验通过权重才能用)。为了保证模型的稳健性,可以用三种方法算然后打平均。
注意:
- 一致矩阵不需要进行一致性检验,只有非一致矩阵的判断矩阵才需要进行一致性检验;
- 在论文写作中,应该先进行一致性检验,通过检验后再计算权重,视频中讲解的只是为了顺应计算过程。
- CR>0.1时如何修正? 直接往各行各列成比例的方向上调
- 加上一段话:以往的论文利用层次分析法解决实际问题时,都是采用其中某一种方法求权重,而不同的计算方法可能会导致结果有所偏差。为了保证结果的稳健性,本文采用了三种方法分别求出了权重后计算平均值,再根据得到的权重矩阵计算各方案的得分,并进行排序和综合分析,这样避免了采用单一方法所产生的偏差,得出的结论将更全面、更有效。
层次分析法的局限性
- 评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异
可能会很大。 - 如果决策层中指标的数据是已知的,那么我们如何利用这些数据来使得
评价的更加准确呢?(有了数据之后再自己填的话就不客观了)
模型拓展
Matlab代码详解
知识点:
- Matlab基本的小常识
分号的作用、注释的快捷键、clc和clear、disp和input - sum函数
- Matlab中如何提取矩阵中指定位置的元素?
- size函数
- repmat函数
- Matlab中矩阵的运算(加点和不加点)
- Matlab中求特征值和特征向量
- find函数的基本用法
- 矩阵与常数的大小判断运算
- 判断和循环语句
注意以下几点:
- 在论文写作中,应该先对判断矩阵进行一致性检验,然后再计算权重,因为只有判断矩阵通过了一致性检验,其权重才是有意义的。但在下面的代码中,我们先计算了权重,然后再进行了一致性检验,这是为了顺应计算过程,事实上在逻辑上是说不过去的。
- 论文中如果用到了层次分析法,一定要先对判断矩阵进行一致性检验。
- 而且要说明的是,只有非一致矩阵的判断矩阵才需要进行一致性检验。如果你的判断矩阵本身就是一个一致矩阵,那么就没有必要进行一致性检验。
输入判断矩阵
注意:判断矩阵的每个元素都是1~9或者它们的倒数
clear;clc
A =[1 1 4 1/3 3;1 1 4 1/3 3;1/4 1/4 1 1/3 1/2;3 3 3 1 3;1/3 1/3 2 1/3 1]
% matlab矩阵有两种写法,可以直接写到一行:
% [1 1 4 1/3 3;1 1 4 1/3 3;1/4 1/4 1 1/3 1/2;3 3 3 1 3;1/3 1/3 2 1/3 1]
% 也可以写成多行:
% 两行之间以分号结尾(最后一行的分号可加可不加),同行元素之间以空格(或者逗号)分开。
使用算术平均法求权重
% 第一步:将判断矩阵按照列归一化(每一个元素除以其所在列的和)
Sum_A = sum(A)n = size(A,1)
% 因为我们的判断矩阵A是一个方阵,所以这里的r和c相同,我们可以就用同一个字母n表示
SUM_A = repmat(Sum_A,n,1)
clc;A
SUM_A
Stand_A = A ./ SUM_A% 第二步:将归一化的各列相加(按行求和)
sum(Stand_A,2)% 第三步: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
disp('算术平均法求权重的结果为:');
disp(sum(Stand_A,2) ./ n)
其它替代语句
% 将列和重复5行的其它方法:SUM_A = [];for i = 1:n %这一行后面不能加冒号(和Python不同),这里表示循环n次SUM_A = [SUM_A; Sum_A]end
使用几何平均法求权重
% 第一步:将A的元素按照行相乘得到一个新的列向量
clc;A
Prduct_A = prod(A,2)
% prod函数和sum函数类似,一个用于乘,一个用于加 dim = 2 维度是行% 第二步:将新的向量的每个分量开n次方
Prduct_n_A = Prduct_A .^ (1/n)% 第三步:对该列向量进行归一化即可得到权重向量
disp('几何平均法求权重的结果为:');
disp(Prduct_n_A ./ sum(Prduct_n_A))
使用特征值法求权重
% 第一步:求出矩阵A的最大特征值以及其对应的特征向量
clc
[V,D] = eig(A)
%V是特征向量, D是由特征值构成的对角矩阵(除了对角线元素外,其余位置元素全为0)
Max_eig = max(max(D))
%max(D)是求出每列的最大值,输出一个1行n列的矩阵
%可以直接写成max(D(:))[r,c] = find(D == Max_eig , 1)
% D == Max_eig返回的是一个逻辑矩阵,此语句找到D中第一个与最大特征值相等的元素的位置,记录它的行和列。% 第二步:对求出的特征向量V(:,c)进行归一化即可得到我们的权重
disp('特征值法求权重的结果为:');
disp( V(:,c) ./ sum(V(:,c)) )
一致性检验
clc
CI = (Max_eig - 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];
%注意,这里的RI最多支持 n = 15
CR=CI/RI(n);
disp('一致性指标CI=');disp(CI);
disp('一致性比例CR=');disp(CR);
if CR<0.10disp('因为CR < 0.10,所以该判断矩阵A的一致性可以接受!');
elsedisp('注意:CR >= 0.10,因此该判断矩阵A需要进行修改!');
end
写在最后:
如何修改代码避免查重的方法
层次分析法及matlab代码相关推荐
- 层次分析法之matlab代码实现
clear;clc disp('请输入判断矩阵A: ') A = input('判断矩阵A=') % 输入判断矩阵% 方法1:算术平均法求权重%第一步:将判断矩阵按列归一化(每个元素除以其所在列的和) ...
- matlab如何求指标的权向量_【Matlab】案例讲解层次分析法的Matlab实现
我写过层次分析法的Matlab实现:张敬信:[评价算法]层次分析法zhuanlan.zhihu.com 其中的ahp函数是来自<吴鹏. Matlab高效编程技巧与应用:25个案例分析>, ...
- 层次分析法matlab_建模开讲课程回放2:层次分析法及其MATLAB
建模开讲:层次分析法及其MATLAB实践 主讲人:于晶贤老师 课程回放地址如下,大家可以复制链接到地址栏即可观看,也可以直接点击左下角的观看: https://ke.qq.com/webcourse/ ...
- 层次分析法步骤及代码编写
层次分析法步骤及代码编写 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/BV1DW411s7 ...
- 层次分析法(AHP)--代码书写部分
层次分析法(AHP)–代码书写部分 在正常的层次分析法的过程中,如果判断矩阵是一致矩阵,就直接进行权重计算就可以了.但是如果判断矩阵是非一致性矩阵,我们是先进行一致性检验,再进行判断矩阵的权重计算.但 ...
- 层次分析法模型及代码
关于层次分析法的学习,可以看这篇文章数学建模十大算法之--层次分析法 下面是相关Matlab代码: %存为cengcifenxi.mdisp('请输入判断矩阵A(n阶)'); A=input('A=' ...
- 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 ...
- 层次分析法之matlab
目录 1.简介 2.算法解析 3.实例分析 3.1 构造矩阵 3.2 查看行数和列数 3.3 求特征向量 3.4 找到最大特征值和最大特征向量 3.5 计算权重 3.6 一致性检验 3.7 计算评分 ...
- 层次分析法(matlab实现)
层次分析: 层次分析法的基本思路与人对一个复杂的决策问题的思维.判断过程大体上是一样的.不妨用假期旅游为例:假如有3个旅游胜地A.B.C供你选择,你会根据诸如景色.费用和居住.饮食.旅途条件等一些准则 ...
最新文章
- python怎么编程乘法口诀表_用python编写乘法口诀表的方法
- Android 常见adb命令
- IOS开发基础之单例模式
- 年末技术总结,你也参加吧!
- 【java线程系列】java线程系列之java线程池详解
- rabbitmq direct 多个消费者_rabbitMQ消息队列入门介绍
- Ubuntu18.04卸载QQ
- 用计算机编纂家谱的作用,家谱的编纂几大流程?
- 数十年从事java工作的经验分享
- 基于Java的项目物业管理系统(附:源码课件)
- 河南信息统计学院微信公众平台API汇总
- wiki百科词向量训练资料及其模型
- 书写函数:求棋盘上芝麻重量
- 什么是大数据(个人理解)
- Mysql导出数据的几种方式
- 大班科学计算机的发明应用教案,大班科学教案:《中国古代四大发明》
- 区块链如何破解供应链金融痛点
- 0x0软考|网络工程师经验分享之计算机网络基础
- 开源漏洞深度分析|CVE-2022-25167 JNDI命令执行漏洞
- Eclipse Could not open Selected VM debug port (8700)