数学建模:层次分析法(AHP)详细步骤

简介: 数学建模:层次分析法(AHP)详细步骤

前言

层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。

一、解决评价类问题

1、评价目标是什么

2、达到目标可实施的方案有哪些

3、评价的准则是什么(指标)

二、解决该类问题大体流程

1.确定评价目标

2.达到目标可行的方案

3.不同方案的权重或指标

4.确定不同指标的一致矩阵,即判断矩阵

5.计算一致性指标和一致性比例,判断矩阵的一致性是否可以接受

6.计算不同方案对每个指标的得分

7.加权每个方案对不同指标的权重

8.最终确定不同方案的综合评分,找到可实施的方案

三、具体题目实现和细节问题

题目:假期几位同学想要去春游,他们查询了网络,确定了苏杭、北戴河和桂林之一作为目标地点。请你确定评价指标、行成评价体系来为他们选择合适的方案。

1、评价指标可根据不同题意去网上查找相关资料形成不同的评价指标,或者在题目背景中挖掘。

  1. 景点景色
  2. 旅游花费
  3. 居住环境
  4. 饮食情况
  5. 交通便利程度

2、要确定不同指标的权重,以及不同方案对不同权重的得分。

该矩阵为层次分析法中的判断矩阵,但是要判断他是否为正互反矩阵,即aij*aji=1。

3、既然每个指标所占的权重计算好了,那么如何计算不同方案对于景色,饮食等不同指标所占的权重(得分)呢?

填写该判断矩阵,即不同方案对景色所占的权重(得分)

这是方案填写完的效果。

4、之后就要检验判断矩阵的一致性

各行(各列)成倍数关系。

5、一致性检验的步骤

第一步:计算一致性指标CI

第二步:查找对应的平均随机一致性指标RI

第三步:计算一致性比例CI

如果CR<0.1,即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改

6、既然确定好了一致矩阵,之后就要求一直矩阵的权重了

**权重一定要进行归一化处理

(1)方法1:算术平均法求权重

第一步:将判断矩阵按照每列进行归一化(每个元素除以其所在列和)

第二步:将归一化后的各列数据相加(按行求和)

第三步:将相加后得到的数值除以n,即可得到平均权重

(2)方法2:几何平均法求权重

第一步:将每行的元素相乘

第二步:将得到的值开n次方

第三步:对该列向量进行归一化处理

(3)方法3:特征值法求权重

第一步:求出矩阵的最大特征值及其对应的特征向量

第二步:对求出的特征向量进行归一化即可得到权重

不同方法求得的权重如下图所示:对于景色

之后的每个指标都像这么执行,计算出相应的得分。

7、算出各指标所对应的权重,即

8、确定最终的矩阵

计算各方案的得分

苏杭得分=0.59540.2636+0.08190.4758+0.42860.0538+0.63370.0981+0.1667*0.1097=0.299

四、总结


目录
相关文章
|
9月前
|
机器学习/深度学习 算法 定位技术
多源数据融合中做决策不再靠直觉!层次分析法(AHP)帮你科学选方案
层次分析法(AHP)助力科学决策!将复杂问题分解为目标、准则、方案的多层结构,通过两两比较与权重计算,实现定性与定量结合的优选判断。适用于选校、购房、供应商评估等多场景,搭配一致性检验与CRITIC法更客观可靠,让决策不再靠直觉。
1582 1
|
定位技术
ArcGIS地形起伏度+地形粗糙度+地表切割深度+高程变异系数提取
ArcGIS地形起伏度+地形粗糙度+地表切割深度+高程变异系数提取
20165 0
快速生成软著申请时所需的60页代码文档的免费工具
本篇文章主要讲解,制作软著代码文档的高效方法,当然不可能手动一个个复制了,这显然太笨拙,他浪费时间了。这里我给大家介绍一个更快的方式。
12380 1
|
6月前
|
人工智能 JSON 前端开发
智能体来了如何从0到1搭建智能体?
本文手把手教你基于阿里云通义千问与DashScope平台,从零构建具备感知、规划、执行与学习能力的AI智能体,涵盖环境搭建、工具调用、记忆规划到部署上线全流程,助开发者快速掌握下一代AI应用核心技能。
4110 2
|
12月前
|
人工智能 自然语言处理 搜索推荐
SEO最佳实践:从基础到进阶的全面指南
本文全面解析2025年SEO最佳实践,涵盖技术优化、内容策略、核心趋势及实用工具推荐。内容包括网站架构、页面性能、结构化数据、关键词布局、AI辅助创作及本地化SEO等关键领域,结合案例与常见误区分析,助您提升搜索引擎排名,获取持续增长的有机流量。
2152 5
|
机器学习/深度学习 人工智能 数据挖掘
基于YOLOv8的学生课堂行为识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
本项目基于YOLOv8与PyQt5开发,可实时识别学生课堂行为(如举手、看书、写作业等),支持图片、视频、摄像头输入。含完整源码、数据集、预训练模型及部署教程,适用于智慧教室场景,助力教学分析智能化转型。
基于YOLOv8的学生课堂行为识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
|
12月前
|
存储 安全 测试技术
理解功能需求
本文全面解析软件开发中的功能需求,涵盖定义、分类、实例及编写与管理的最佳实践。内容适用于业务分析师、项目经理和开发人员,助力构建高质量、符合用户期望的软件产品。
1007 0
|
算法 C语言
【数学模型】层次分析
【数学模型】层次分析
【数学模型】层次分析
|
JSON 数据格式
vscode配置latex
本文档介绍如何在VSCode中配置LaTeX环境。首先需安装texlive和VSCode,并提前安装SumatraPDF以查看PDF文件。配置包括设置自动编译、PDF预览程序及正反向搜索等。提供了详细的`settings.json`配置示例,涵盖不同操作系统下的编译选项与方案。此外,还介绍了如何配置SumatraPDF实现与VSCode的跳转功能,以及相关快捷键的使用方法。