1.模型简介

层次分析模型主要应用于综合评价类问题，例如：怎样购买最划算、怎样养殖才能获得最大经济效益等等。

2.下面使用一道例题来说明这个问题

  1. 问题：你想要购置一台个人电脑，考虑价格、性能等因素，如何做出决策？
    首先，确定这道题是评价类问题，那么便可以使用层次分析法来分析这个问题。
    其次，我们需要确定的几个问题是：

    1. 我们的目标是什么？
      购置一台个人电脑。
    2. 为了达到目标有哪些方案？
      由于样本数量太多，我们可以具体列举几个例子来作为方案。（本题使用了HASSE战神，Redmi G，Lenovo Pro 16，Dell 14 Pro。结果纯属虚设，如有冒犯请联系博主~~~）
    3. 评价的准则或者指标是什么？
      除了题设中的价格、性能之外，通过查阅文献等等，我们还可以将品牌、外观加入到准则中。

确立了这些因素之后，我们可以列出如下结构：

  1. 解决问题
    层次分析模型的核心是评价，因此我们可以使用打分来给予方案评价，最终获得最佳购买方案。打分规则：

    1. 每种准则都会有它的重要性大小，我们将它称为权重，占表格第二列。
    2. 针对于每种方案，其影响因素的重要性也不尽相同，因此我们可以为之打分。
    ~  指标权重 HASEE战神 RedmiG Lenovo Pro 16 Dell Pro 16
    性能
    价格
    品牌
    外观

    1. 填写这个表格时，一次性考虑往往会导致不全面，因此我们可以采用两两比较的打分机制。让1，2，3，4，5，6，7，8，9来分别表示重要程度的递增序列从而确定权重等以因素。

      1. 确定各指标的权重
      指标权重 性能 价格 品牌 外观
      性能 1 2 2 2
      价格 1/2 1 1/2 1
      品牌 1/2 2 1 1
      外观 1/2 1 1 1

      采用两两比较的方法，例如：性能比价格更为重要，因此第一行第二列即为2，第二行第一列即为1/2……
      这样构建出来的矩阵我们将其称为判断矩阵，根据判断矩阵我们便可求出权重，具体见后续步骤。

      同样，利用两两比较的方法针对不同的影响因素为方案打分：
      关于性能的打分：（注：这种打分最建议参考文献，但是真正使用过程中一般是自己打分的）

      性能 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
      HASEE战神 1 2 1/2 1/4
      Redmi G 1/2 1 1/2 1/4
      Lenovo Pro 16 2 2 1 1/3
      Dell 14 Pro 4 4 3 1

      关于价格的打分：

      价格 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
      HASEE战神 1 2 1/3 1/5
      Redmi G 1/2 1 1/2 1/4
      Lenovo Pro 16 3 2 1 1/2
      Dell 14 Pro 5 4 2 1

      关于品牌的打分：

      品牌 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
      HASEE战神 1 1/3 1/3 1/3
      Redmi G 3 1 1/2 1/2
      Lenovo Pro 16 3 2 1 1
      Dell 14 Pro 3 3 1 1

      关于外观的打分：

      外观 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
      HASEE战神 1 1/3 1/2 1/2
      Redmi G 3 1 2 3
      Lenovo Pro 16 2 1/2 1 2
      Dell 14 Pro 2 1/3 1/2 1

      但是，通过逻辑推理我们会发现，有时这种打分同样会存在矛盾。例如认为HASEE战神比Redmi G好，Redmi G比Lenovo Pro 16好，那么HASEE战神就应该比Lenovo Pro 16好。但是在实际打分过程中，我们可能会忽略这个因素而认为Lenovo Pro 16比HASEE战神好。
      因此，要使用这种表格进行权重计算，就必须要经过一致性检验。

    2. 一致性检验
      我们可以发现表格是存在这样的关系的：
      aij×ajk=aika_{ij}\times a_{jk} = a_{ik} aij​×ajk​=aik​
      因此，按照这种规则构造出的矩阵应该时每一行都成倍数的矩阵，我们将其称为一致矩阵，一致性检验就是检验判断矩阵和一致矩阵的差别是否在一个可以接受的范围内。具体检验步骤如下：

      1. 计算判断矩阵的最大特征值
      2. 计算一致性指标：
        CI=λmax−nn−1CI=\frac{\lambda_{max}-n}{n-1} CI=n−1λmax​−n​
      3. 查找对应的平均一致性指标
      4. 计算一致性比例CR
        CR=CIRICR=\frac{CI}{RI} CR=RICI​

      如果CR<0.1，那么判断矩阵就通过了一致性检验，反之则需要对判断矩阵进行修正。
      （其中的原理可以参考文献，核心思想时蒙特卡罗算法）

    3. 计算权重

      1. 若某一判断矩阵是一致矩阵：
        那么直接将其中一行或一列进行归一化处理即可（因为都是成比例的）
        权重=得分该列或该行所有得分之和权重=\frac{\text{得分}}{\text{该列或该行所有得分之和}} 权重=该列或该行所有得分之和得分​
      2. 若不是一直矩阵：
        则主要有三种方法来求权重向量：

        1. 算术平均法：
          步骤一：将判断矩阵按照列进行归一化
          步骤二：将归一化后的各行相加
          步骤三：将所得的和除以n即可得到权重
      指标权重 性能 价格 品牌 外观
      性能 1 2 2 2
      价格 1/2 1 1/2 1
      品牌 1/2 2 1 1
      外观 1/2 1 1 1

      第一列：性能：11+1/2+1/2+1/2=2/5价格：1/21+1/2+1/2+1/2=1/5品牌：1/21+1/2+1/2+1/2=1/5外观：1/21+1/2+1/2+1/2=1/5\text{性能：}\frac{1}{1+1/2+1/2+1/2}=2/5 \\ \text{价格：}\frac{1/2}{1+1/2+1/2+1/2}=1/5 \\ \text{品牌：}\frac{1/2}{1+1/2+1/2+1/2}=1/5 \\ \text{外观：}\frac{1/2}{1+1/2+1/2+1/2}=1/5性能：1+1/2+1/2+1/21​=2/5价格：1+1/2+1/2+1/21/2​=1/5品牌：1+1/2+1/2+1/21/2​=1/5外观：1+1/2+1/2+1/21/2​=1/5

      第二列：性能：22+1+2+1=1/3价格：12+1+2+1=1/6品牌：22+1+2+1=1/3外观：12+1+2+1=1/6\text{性能：}\frac{2}{2+1+2+1}=1/3 \\ \text{价格：}\frac{1}{2+1+2+1}=1/6 \\ \text{品牌：}\frac{2}{2+1+2+1}=1/3 \\ \text{外观：}\frac{1}{2+1+2+1}=1/6性能：2+1+2+12​=1/3价格：2+1+2+11​=1/6品牌：2+1+2+12​=1/3外观：2+1+2+11​=1/6

      第三列：性能：22+1/2+1+1=4/9价格：1/22+1/2+1+1=1/9品牌：12+1/2+1+1=2/9外观：12+1/2+1+1=2/9\text{性能：}\frac{2}{2+1/2+1+1}=4/9 \\ \text{价格：}\frac{1/2}{2+1/2+1+1}=1/9 \\ \text{品牌：}\frac{1}{2+1/2+1+1}=2/9 \\ \text{外观：}\frac{1}{2+1/2+1+1}=2/9性能：2+1/2+1+12​=4/9价格：2+1/2+1+11/2​=1/9品牌：2+1/2+1+11​=2/9外观：2+1/2+1+11​=2/9

      第四列：性能：22+1+1+1=2/5价格：12+1+1+1=1/5品牌：12+1+1+1=1/5外观：12+1+1+1=1/5\text{性能：}\frac{2}{2+1+1+1}=2/5 \\ \text{价格：}\frac{1}{2+1+1+1}=1/5 \\ \text{品牌：}\frac{1}{2+1+1+1}=1/5 \\ \text{外观：}\frac{1}{2+1+1+1}=1/5性能：2+1+1+12​=2/5价格：2+1+1+11​=1/5品牌：2+1+1+11​=1/5外观：2+1+1+11​=1/5

      因此，各影响因素的权重为：
      性能=2/5+1/3+4/9+2/54=0.3952\frac{2/5+1/3+4/9+2/5}{4}=0.395242/5+1/3+4/9+2/5​=0.3952

      价格=1/5+1/6+1/9+1/54=0.1694\frac{1/5+1/6+1/9+1/5}{4}=0.169441/5+1/6+1/9+1/5​=0.1694

      品牌=1/5+1/3+2/9+1/54=0.2388\frac{1/5+1/3+2/9+1/5}{4}=0.238841/5+1/3+2/9+1/5​=0.2388

      外观=1/5+1/6+2/9+1/54=0.1972\frac{1/5+1/6+2/9+1/5}{4}=0.197241/5+1/6+2/9+1/5​=0.1972

      同理，可以计算出性能等因素的权重。综合为一个表格：

      ~  指标权重 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
      性能 0.3952 0.1480 0.1035 0.2177 0.5308
      价格 0.1694 0.1293 0.1056 0.2638 0.5013
      品牌 0.2388 0.0970 0.2027 0.3304 0.3699
      外观 0.1972 0.1202 0.4495 0.2596 0.1707

      因此，
      HASEE战神得分：0.1480×0.3952+0.1293×0.1694+0.0970×0.2388+0.1202×0.1972=0.12730.1480\times0.3952+0.1293\times0.1694+0.0970\times0.2388+0.1202\times0.1972=0.12730.1480×0.3952+0.1293×0.1694+0.0970×0.2388+0.1202×0.1972=0.1273
      Redmi G得分：0.1035×0.3952+0.1056×0.1694+0.2027×0.2388+0.4495×0.1972=0.19580.1035\times0.3952+0.1056\times0.1694+0.2027\times0.2388+0.4495\times0.1972=0.19580.1035×0.3952+0.1056×0.1694+0.2027×0.2388+0.4495×0.1972=0.1958
      Lenovo Pro 16得分：0.2177×0.3952+0.2638×0.1694+0.3304×0.2388+0.2596×0.1972=0.26080.2177\times0.3952+0.2638\times0.1694+0.3304\times0.2388+0.2596\times0.1972=0.26080.2177×0.3952+0.2638×0.1694+0.3304×0.2388+0.2596×0.1972=0.2608
      Dell 14 Pro得分：0.5308×0.3952+0.5013×0.1694+0.3699×0.2388+0.1707×0.1972=0.41670.5308\times0.3952+0.5013\times0.1694+0.3699\times0.2388+0.1707\times0.1972=0.41670.5308×0.3952+0.5013×0.1694+0.3699×0.2388+0.1707×0.1972=0.4167

      因此，由算术平均法得到的结果为购买Dell 14 Pro。

    4. 几何平均法
      步骤一：将矩阵元素按行相乘得到一个新的列向量
      步骤二：将新的向量每个分量开n次方
      步骤三：对该列向量进行归一化即可得到权重向量

      指标权重 性能 价格 品牌 外观
      性能 1 2 2 2
      价格 1/2 1 1/2 1
      品牌 1/2 2 1 1
      外观 1/2 1 1 1

      按行相乘得到新的列向量：
      n=(8.00000.25001.00000.5000)\mathbf{n}=\left(\begin{matrix}8.0000 \\ 0.2500 \\ 1.0000 \\0.5000 \end{matrix} \right)n=⎝⎜⎜⎛​8.00000.25001.00000.5000​⎠⎟⎟⎞​

      开n次方后：
      n=(1.68180.70711.00000.8409)\mathbf{n}=\left(\begin{matrix}1.6818 \\ 0.7071 \\ 1.0000 \\0.8409 \end{matrix} \right)n=⎝⎜⎜⎛​1.68180.70711.00000.8409​⎠⎟⎟⎞​

      进行归一化：
      n=(0.39760.16720.23640.1988)\mathbf{n}=\left(\begin{matrix}0.3976 \\ 0.1672 \\ 0.2364 \\0.1988 \end{matrix} \right)n=⎝⎜⎜⎛​0.39760.16720.23640.1988​⎠⎟⎟⎞​

      同理，使用相同的方法，可以得到如下表格：

      ~  指标权重 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
      性能 0.3976 0.1439 0.1018 0.2187 0.5357
      价格 0.1672 0.1224 0.1013 0.2667 0.5096
      品牌 0.2364 0.0940 0.1994 0.3354 0.3712
      外观 0.1988 0.1182 0.4531 0.2616 0.1671

      因此，
      HASEE战神得分：0.1439×0.3976+0.1224×0.1672+0.0940×0.2364+0.1182×0.1988=0.12340.1439\times0.3976+0.1224\times0.1672+0.0940\times0.2364+0.1182\times0.1988=0.12340.1439×0.3976+0.1224×0.1672+0.0940×0.2364+0.1182×0.1988=0.1234
      Redmi G得分：0.1018×0.3976+0.1013×0.1672+0.1994×0.2364+0.4531×0.1988=0.15660.1018\times0.3976+0.1013\times0.1672+0.1994\times0.2364+0.4531\times0.1988=0.15660.1018×0.3976+0.1013×0.1672+0.1994×0.2364+0.4531×0.1988=0.1566
      Lenovo Pro 16得分：0.2187×0.3976+0.2667×0.1672+0.3354×0.2364+0.2616×0.1988=0.26280.2187\times0.3976+0.2667\times0.1672+0.3354\times0.2364+0.2616\times0.1988=0.26280.2187×0.3976+0.2667×0.1672+0.3354×0.2364+0.2616×0.1988=0.2628
      Dell 14 Pro得分：0.5357×0.3976+0.5096×0.1672+0.3712×0.2364+0.1671×0.1988=0.41920.5357\times0.3976+0.5096\times0.1672+0.3712\times0.2364+0.1671\times0.1988=0.41920.5357×0.3976+0.5096×0.1672+0.3712×0.2364+0.1671×0.1988=0.4192

因此，由几何平均法可以的粗，最佳购买方案为Dell 14 Pro。

  1. 特征值法求权重
    步骤一：求出判断矩阵的最大特征值以及其对应的特征向量
    步骤二：对求出的特征向量进行归一化即可得到权重

    $$ 指标权重 性能 价格 品牌 外观
    $$ 性能 1 2 2 2
    $$ 价格 1/2 1 1/2 1
    $$ 品牌 1/2 2 1 1
    $$ 外观 1/2 1 1 1

    求出矩阵的最大特征值：λmax=3.7656\lambda_{max}=3.7656λmax​=3.7656，再求出该特征值对应的特征向量nmax=(0.78100.34470.34470.3905)\mathbf{n_{max}}=\left(\begin{matrix}0.7810 \\0.3447 \\0.3447 \\0.3905 \end{matrix}\right)nmax​=⎝⎜⎜⎛​0.78100.34470.34470.3905​⎠⎟⎟⎞​

    对该特征向量进行归一化处理得到权重向量为：(0.39520.16820.23900.1976)\left(\begin{matrix}0.3952 \\0.1682 \\0.2390 \\0.1976 \end{matrix} \right)⎝⎜⎜⎛​0.39520.16820.23900.1976​⎠⎟⎟⎞​

    同理可以求出其他权重向量，得到以下表格：

    ~  指标权重 HASEE战神 Redmi G Lenovo Pro 16 Dell 14 Pro
    性能 0.3952 0.1452 0.1023 0.2184 0.5340
    价格 0.1682 0.1263 0.1030 0.2671 0.5036
    品牌 0.2390 0.0942 0.1986 0.3300 0.3772
    外观 0.1976 0.1190 0.4512 0.2609 0.1689

    因此，
    HASEE战神得分：0.1452×0.3952+0.1263×0.1682+0.0942×0.2390+0.1190×0.1976=0.12470.1452\times0.3952+0.1263\times0.1682+0.0942\times0.2390+0.1190\times0.1976=0.12470.1452×0.3952+0.1263×0.1682+0.0942×0.2390+0.1190×0.1976=0.1247
    Redmi G得分：0.1023×0.3952+0.1030×0.1682+0.1986×0.2390+0.4512×0.1976=0.19440.1023\times0.3952+0.1030\times0.1682+0.1986\times0.2390+0.4512\times0.1976=0.19440.1023×0.3952+0.1030×0.1682+0.1986×0.2390+0.4512×0.1976=0.1944
    Lenovo 14 Pro得分：0.2184×0.3952+0.2671×0.1682+0.3300×0.2390+0.2609×0.1976=0.26170.2184\times0.3952+0.2671\times0.1682+0.3300\times0.2390+0.2609\times0.1976=0.26170.2184×0.3952+0.2671×0.1682+0.3300×0.2390+0.2609×0.1976=0.2617
    Dell 14 Pro得分：0.5340×0.3952+0.5036×0.1682+0.3772×0.2390+0.1689×0.1976=41930.5340\times0.3952+0.5036\times0.1682+0.3772\times0.2390+0.1689\times0.1976=41930.5340×0.3952+0.5036×0.1682+0.3772×0.2390+0.1689×0.1976=4193

    因此，根据算术平均法得出的最佳购买方案为Dell 14 Pro。

  2. 总结
    层次分析模型（AHP）的主要特点是建立层次结构，量化重要性，一致性检验以及权重的求取

    第一步：分析因素关系，建立系统的递阶层次结构

    第二步：将各因素即方案进行两两比较，建立比较矩阵（最建议查阅文献，但一般都自己填的hhh）

    第三步：进行一致性检验

    第四步：根据权重矩阵计算得分，并进行排序
    5.局限与推广

    1. 局限
      方案层不能太多，否则n会变大，判断矩阵和一致矩阵差异将增大。
    2. 推广
      可能会存在准则与方案不是完全关联的情况，此时将这些没有关联的打分为0即可。

最近在准备国赛，有什么不足与改进还请多多相助~~~

数学建模学习笔记（一）——层次分析模型相关推荐

  1. 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, ...

  2. 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 ...

  3. 【数学建模学习笔记【集训十天】之第六天】

    数模学习目录 Matplotlib 学习 Matplotlib简介 Matplotlib 散点图 运行效果如下: Matplotlib Pyplot 运行效果如下: 关于plot() 运行效果如下: ...

  4. 数学建模学习笔记（2.3）lingo软件求解线性规划问题

    数学建模学习笔记(2.3)lingo软件求解线性规划问题 lingo软件的优势在于体积小,专注于解决优化问题 且编程语言通俗易懂,没有门槛 对于刚刚接触数学建模同学比较友善 当然对于已经参与建模很久的 ...

  5. 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:/ ...

  6. 数学建模学习笔记（一）:插值法

    文章目录 前言 一.一维插值问题的描述 二.常用插值方法 1.Lagrange插值法 2.Newton插值法 三.高次插值的Runge现象 四.Matlab插值 1.一维插值 2.二维插值 3.散乱点 ...

  7. 数学建模学习笔记-概况

    目录 1概况. 数学建模: 数学建模的模块: 一般步骤: 全过程: 论文的基本流程 模块学习: 1.题目备战:掌握固定模式 2.摘要备战:总结归纳能力,通过看高水平论文掌握. 3.问题重述:切忌直接抄 ...

  8. 清风数学建模学习笔记——K-means聚类模型详解及SPSS操作流程

    聚类模型   聚类模型,就是将样本划分为有类似的对象组成的多个类的过程.聚类后,我们可以更加准确的在每个类中单独使用统计模型进行估计.分析或预测:也可以探究不同类之间的相关性和主要差异.此外,聚类与分 ...

  9. 高数叔数学建模学习笔记(1)

    此处将我在学习高数叔数学建模课程中遇到的代码记录下来,便于查看.学习. 5.matlab中的文件 wendu.m clear; f=input('temperature:'); c=5*(f-32)/ ...

最新文章

  1. 内温的整体优先效应实验_实验室通风与系统控制
  2. C#创建桌面快捷方式
  3. 自定义委托，事件，参数的简单随笔
  4. MySql 使用规范推荐（转）
  5. 数位DP入门题 hdu 2089 hdu 3555
  6. 基础才是重中之重~对象的生与死
  7. 从键盘输入5个学生每科分数,把分数保存到一个数组中，最后输出分数大于60分的成绩
  8. 图书管理系统实验报告-面向对象的分析与设计
  9. pdf页面倒序如何调整？
  10. 大数据和人工智能的概念
  11. 阿拉伯数字金额转换为汉语大写
  12. 聊一聊DTM子事务屏障功能之SQL Server版
  13. 存储器的概述——DRAM动态存储器
  14. docker ctrl p 失灵
  15. Android DNS之gethostbyname()的实现
  16. beyondcompare ubuntu revoked问题
  17. TeachingKids-一款针对2到6岁宝宝的教育类游戏，目前可以让宝宝认知一些基础的水果，并进行简单的测验。
  18. python爬取网易云音乐百强榜单
  19. 在线九宫切图（九宫格切图）工具
  20. 985复旦大学，软件工程学硕停止招生！

热门文章

  1. 腾讯视频怎么设置下载视频位置
  2. springboot整合Mybatis提示org.apache.ibatis.binding.BindingException: Invalid bound statement (not found)
  3. lombok之@RequiredArgsConstructor注解
  4. Java容器解析——HashMap
  5. linux sh expr冒号,linux expr命令参数及用法详解
  6. python分析犯罪数据_使用 SparkSQL 分析纽约市犯罪数据
  7. json web token没有哪个成分_SpringBoot 2.1.4集成JWT实现token验证
  8. readfile函数使用方法_1分钟学会LOOKUP函数，有网友说使用这个方法，初学者秒变大神...
  9. Android日志[基础篇]Android Log日志输出
  10. mysql 5.7 数据库备份_mysql 5.7 数据库备份