§3.4 复杂系统决策模型 与层次分析法 analitic hierachy process (ahp)
DESCRIPTION
§3.4 复杂系统决策模型 与层次分析法 Analitic Hierachy Process (AHP). 对难于完全定量的复杂系统作出决策的模型和方法。 一 . 问题举例 1. 在 海尔、新飞、容声和雪花 四个牌号的电冰箱中选购一种。要考虑 品牌的信誉、冰箱的功能、价格和耗电量。 2. 在 泰山、杭州和承德 三处选择一个旅游点。要考虑 景点的景色、居住的环境、饮食的特色、交通便利和旅游的费用 。 3. 在 基础研究、应用研究和数学教育 中选择一个领域申报科研课题。要考虑 成果的贡献(实用价值、科学意义),可行性(难度、周期和经费)和人才培养。. - PowerPoint PPT PresentationTRANSCRIPT
§3.4 复杂系统决策模型与层次分析法
Analitic Hierachy Process (AHP)
对难于完全定量的复杂系统作出决策的模型和方法。
一 . 问题举例 1. 在海尔、新飞、容声和雪花四个牌号的电冰箱中选购一种。要考虑品牌的信誉、冰箱的功能、价格和耗电量。 2. 在泰山、杭州和承德三处选择一个旅游点。要考虑景点的景色、居住的环境、饮食的特色、交通便利和旅游的费用。 3. 在基础研究、应用研究和数学教育中选择一个领域申报科研课题。要考虑成果的贡献(实用价值、科学意义),可行性(难度、周期和经费)和人才培养。
二 . 模型和方法 1. 层次结构模型 将决策的目标、考虑的因素(决策准则)和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图。 最高层:决策的目的、要解决的问题。 最低层:决策时的备选方案。 中间层:考虑的因素、决策的准则。 对于相邻的两层,称高层为目标层,低层为因素层。
例 1. 选购冰箱
选购冰箱
品牌 功能 价格 耗电
海尔 新飞 容声 雪花
例 2. 旅游景点旅游景点
居住景色费用 饮食 交通
泰山杭州 承德
例 3. 科研课题 科研课题
贡献 可行性
实用价值
学术意义
人才培养
难度
周期
经费
基础 应用 教育
2. 因素判断模型 10. 判断矩阵:令 正数 aij 为因素 xi 、 xj 对目标 Z 的影响的相对重要性指标。 aij = 1 : xi 与 xj 对目标 Z 的重要性相当。 aij > 1 :对目标 Z 来说 xi 比 xj 重要 , 其数值大小表示重要的程度。 显然有 aji = 1/ aij 。 矩阵 A = ( aij )称为因素( x1,…,xn )成对比较时的判断矩阵。
20. 正互反矩阵: n × n 矩阵 A = (aij ) 是正互反的 , 如果满足条件 aij >0 且 aji =1/ aij
30. aij 的估计 : 九级标度法
xi/xj 相当 较重要 重要 很重要 绝对重要aij 1 3 5 7 9
40. 例 . 选择旅游景点 Z :目标,选择景点 y :因素,决策准则 y1 费用 , y2 景色 , y3 居住 , y4 饮食 , y5 交通 X :对象,备选方案 X1 杭州, X2 泰山, X3 承德, 因素对目标的判断矩阵
1133/15/1
1123/15/1
3/12/114/17/1
33412/1
55721
A
3. 因素排序及其一致性 10. 权重向量 令 λ1 为 A 的最大 ( 模 ) 特征根 , 则 λ1>0.
令 w 为与 λ 1 对应的 A 的特征向量 , 则 w>0.
归一化 : wi*=wi/wi, 有 w*=(w1*,…,wn*)’
称 w* 为因素 y 对目标 Z 相对重要性的权重。
20. 排序的一致性 比较的一致性:对于因素关于目标重要性比较的指标 aij, 若对任意的 k, 满足 aij=aikakj, 则称这个比较是一致的。 排序的一致性:一致性指标 CI (Consensus index)
CI=(λ1-n)/(n-1) , CI>=0 。 CI = 0, A 有完全的一致性。 CI 接近于 0, A 有满意的一致性。
一致性判断矩阵与因素排序 一致性判断矩阵:所有元素满足一致性条件 aij = aik akj
的判断矩阵。一致性判断矩阵的特征向量就是因素的排序
矩阵的一致性 定理 1. (Peron-Frobenious) 非负矩阵存在正
的最大模特征根 , 对应着正的特征向量。
定理 2. 一致的正互反阵的秩等于 1 ,主特征根为 n ,若特征向量为 w = (w1,…,wn)’, 则有 aij = wi / wj 。
定理 3. n 阶判断矩阵是一致的,当且仅当 λ 1=n 。
定理 2 证明 一致性正互反矩阵中任意两列元素成比例 aij = m aih , i=1,…,n由一致性: aij = aik akj , aih = aik akh ,则 aij /aih= akj /akh=m, 即 aij = m aih,i =1,…,n由 aij = aik/ ajk ,令 a=(a1k a2k … ank)’, a-1=(1/a1k 1/a2k … 1/an
k)’则有 A = a a-1’ , 判断矩阵的秩为 1.且有 A a = a a-1’a = n a
一致性判断矩阵各列均是判断矩阵的特征向量
若特征向量为 w = (w1,…,wn)’, 则有 aij = aik/ ajk = wi / wj 。表示 wi 与 wj 之间的比值 , 是这两者重要性之间的一个判断 .
w 就是各对象之间的一个排序 .
即 : 各列均表示被判断元素之间的排序。
定理 3 证明
1
1 1
1
1 11
111
1])([11
,,0,0
n
i
n
ij i
jij
i
jij
n
i
n
j i
jij
ij
jij
w
wa
w
wa
nw
wa
n
wwawwAw
2][2])([ 11 ,则若, n
w
wa
w
wa
i
jij
i
jij
一致Aaaawwa kjikijjiij ,,
随机一致性指标 固定 n, 令 A 的上三角从 {1/9,…,1,2,…,9}中随机取值 , 构成正互反矩阵。计算它的 CI 。 对每个 n = 1, 2, …, 9 分别随机地抽取 n=100~500 个样本 , 得到 Ank 和 CInk ( 不一致判断矩阵的指标 ) 。取
则 CI > RI 时 , 判断矩阵明显不具有一致性。 取 α < 0.1 , 则当 CI < α RI 时 , A 在水准α下有满意的一致性 .
m
knkn CI
mRI
1
1
平均随机一致性指标 RIn 1 2 3 4 5 6 7 8 9
RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45
CR = CI / RI < 0.1 时 , A 有满意的一致性。
AHP 的计算1. 最大特征根与特征向量的计算—幂法 给定 A > 0, 对任 x>0 则
若取则
特征根为
的主特征向量是AvvcxAx
xAkT
k
k
,lim
Tex )1,,1,1(
为排序向量wweAe
eAkT
k
k
,lim
i
i
w
wA )(
特征根与特征向量的近似算法计算行 ( 几何 ) 平均
归一化
特征根
nii
n
jiji MwaM
,1
为特征向量),,(, Tn
i
ii www
w
ww
1
i i
i
nw
wA )(
MATLAB 算法 % 对于形如 A = (mij/hij) 的正互反阵,求特征值和特征向量。 >>B=[m11,…m1n;m21,…,m2n;…;mn1,…,mnn];
>>A=B./B’
>>[X,D]=eig(A)
例 . 准则对目标的排序 A 有特征根 λ = 5.019
w = (0.48, 0.26, 0.05, 0.10, 0.11)’
CI = (λ-5) /(5-1) = 0019/4 = 0.00475
CR = 0.00475 / 1.12 = 0.004246 < 0.1 A 有满意的一致性。
备选对象对决策准则的判别矩阵
661.0
272.0
067.0
,004.3,
138
3/115
8/15/11
111 bB
129.0
277.0
595.0
,005.3,
12/15/1
215/1
521
212 bB
142.0
429.0
429.0
,3,
13/13/1
313/1
311
313 bB
175.0
193.0
633.0
,009.3,
114/1
113/1
431
414 bB
668.0
166.0
166.0
,3,
144
4/111
4/111
515 bB
4. 总排序及其一致性10. 模型及参数 模型: 参数: y 对目标 Z 有判断矩阵 A
排序权重 a =(a1, …, a5)
x 对准则 yj 有判断矩阵 Bj
排序权重 bj=(b1j, b2j, b3j)’
记 B = (b1, b2, …, b5)
CIj(x): x 对 yj 的 CI; RIj(x): x 对 yj 的 RI.
CIZ(x): x 对 Z 的 CI; RIZ(x): x 对 Z 的 RI.
Zyx
20. 对象对目标的排序
30. 排序的一致性
w = (0.293, 0.311, 0.446)’
aBbawj
jj
5
1
5
1
)()(j
jjZ xCIaxCI
5
1
)()(j
jjZ xRIaxRI