层次分析法(AHP)详解+完整代码

这篇具有很好参考价值的文章主要介绍了层次分析法(AHP)详解+完整代码。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

层次分析法(AHP)

1.算法简述与原理分析

​ 层次分析法是一种主观赋值评价方法也是一个多指标综合评价算法,常用于综合评价类模型。层次分析法将与决策有关的元素分解成目标、准则、方案等多个层次,并在此基础上进行定性和定量分析,是一种简单、实用的算法。

​ 原理:是在分析一个现象或问题之前,首先将现象或问题根据他们的性质分解为相关因素,并依据因素之间的关系形成一个多层次的结构模型。然后通过经验或专家来判断低层元素对高层元素的相对重要性,并根据重要性的程度得出权重排序。

2.AHP层次分析法过程

层次分析法进行建模,大致分为以下四步:

1.分析系统中各因素之间的关系,建立系统的递阶层次结构。
2.对于同一层次的个元素关于上一层次中某一准则的重要性两两比较,构造两两比 较矩阵(判断矩阵)。
3.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)。
4.填充权重矩阵,根据矩阵计算得分,得出结果。
层次分析法(AHP)详解+完整代码

2.1构建层次结构模型

即将所有相关因素分为目标层、准则层和方案层

层次分析法(AHP)详解+完整代码

2.2构造判断矩阵

即把准则层的指标进行两两判断,确定各准则层对目标层的权重

对于准则层A我们可以构建:
层次分析法(AHP)详解+完整代码

q其中A中的元素满足:
w i = 1 n ∑ j = 1 n a i j ∑ k = 1 n a k j , ( i = 1 , 2 , … , n ) … … … … … ( 2 ) {w_i} = \frac{1}{n}\sum\limits_{j = 1}^n {\frac{{{a_{ij}}}}{{\sum\limits_{k = 1}^n {{a_{kj}}} }},(i = 1,2, \ldots ,n)}……………(2) wi=n1j=1nk=1nakjaij,(i=1,2,,n)……………2
矩阵里面写什么简单来说就是假如有三个元素A、B、C,A和B相比A重要多少,A比C中要多少,B比C中要多少,这个“多少”我们通常使用Santy的1-9标度方法给出,即:

层次分析法(AHP)详解+完整代码

2.3层次单排序

大白话说一下,就是求解各个指标的权重。计算方法有三种:算数平均法、几何平均法和特征值法。(小tips:在实际建模中,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,可以采用多种方法分别对权值进行求解,避免单一方法所需产生的误差,使得出的结论更全面有效。)

举个栗子,这是一个判断矩阵。

层次分析法(AHP)详解+完整代码

2.3.1方法1:算术平均法求权重

Step1:将判断矩阵按照列归一化(每个元素除以其所在列的和,如1/(1+1/2+1/4)=0.5882)

层次分析法(AHP)详解+完整代码

Step2:将归一化的列相加(按行求和)

层次分析法(AHP)详解+完整代码

Step3:将相加后的每个元素除以n即可得到对应的权重向量

层次分析法(AHP)详解+完整代码

转换为数学公式就是:

层次分析法(AHP)详解+完整代码

w i = 1 n ∑ j = 1 n a i j ∑ k = 1 n a k j , ( i = 1 , 2 , … , n ) … … … … … ( 2 ) {w_i} = \frac{1}{n}\sum\limits_{j = 1}^n {\frac{{{a_{ij}}}}{{\sum\limits_{k = 1}^n {{a_{kj}}} }},(i = 1,2, \ldots ,n)}……………(2) wi=n1j=1nk=1nakjaij,(i=1,2,,n)……………2

2.3.2方法2:几何平均法求权重(又叫方根法)

举个栗子:

层次分析法(AHP)详解+完整代码

Step1:计算每行乘积的m次方,得到一个m维向量

景色: 1 ∗ 5 ∗ 5 ∗ 1 3 ∗ 8 5 = 2.3162 \sqrt[5]{{1*5*5*\frac{1}{3}*8}} = 2.3162 5155318 =2.3162

费用: 1 5 ∗ 1 ∗ 1 4 ∗ 1 6 ∗ 2 5 = 0.4409 \sqrt[5]{{\frac{1}{5}*1*\frac{1}{4}*\frac{1}{6}*2}} = 0.4409 551141612 =0.4409

居住: 1 5 ∗ 4 ∗ 1 ∗ 1 5 ∗ 3 5 = 0.8635 \sqrt[5]{{\frac{1}{5}*4*1*\frac{1}{5}*3}} = 0.8635 55141513 =0.8635

饮食: 3 ∗ 6 ∗ 5 ∗ 1 ∗ 6 5 = 3.5195 \sqrt[5]{{3*6*5*1*6}} = 3.5195 536516 =3.5195

旅途: 1 8 ∗ 1 2 ∗ 1 3 ∗ 1 6 ∗ 1 5 = 0.3222 \sqrt[5]{{\frac{1}{8}*\frac{1}{2}*\frac{1}{3}*\frac{1}{6}*1}} = 0.3222 5812131611 =0.3222

Step2:把向量标准化即为权重向量,即得到权重

设SUM=2.3162+0.4409+0.8635+3.5195+0.3222

则 景色:2.3162/SUM=0.3104

​ 费用:0.4409/SUM=0.0591

​ 居住:0.8635/SUM=0.1157

​ 饮食:3.5195/SUM=0.4716

​ 旅途:0.3222/SUM

转换为数学公式为:
w i ‾ = ∏ j = 1 m a i j m … … … … ( 1 ) \overline {{w_i}} = \sqrt[m]{{\prod\limits_{j = 1}^m {{a_{ij}}} }}…………(1) wi=mj=1maij …………1

w i = w i ‾ ∑ j = 1 m w j ‾ … … … … ( 2 ) {w_i} = \frac{{\overline {{w_i}} }}{{\sum\nolimits_{j = 1}^m {\overline {{w_j}} } }}…………(2) wi=j=1mwjwi…………2

2.3.3方法3:特征值法求权重

一致矩阵有一个特征值为n,其余特征值均为0。特征值为n时,对应的特征向量刚好为:
k [ 1 a 11 , 1 a 12 , … , 1 a 1 n ] T ( k ≠ 0 ) k{\left[ {\frac{1}{{{a_{11}}}},\frac{1}{{{a_{12}}}}, \ldots ,\frac{1}{{{a_{1n}}}}} \right]^T}(k \ne 0) k[a111,a121,,a1n1]T(k=0)
那么我们直接可以将特征向量归一化即可求得权重向量。

2.4一致性检验

2.4.1求解最大特征值

求得权重矩阵后,可以计算最大特征跟,公式为:
λ max ⁡ = 1 n ∑ i = 1 n ( A W ) i W i {\lambda _{\max }} = \frac{1}{n}\sum\limits_{i = 1}^n {\frac{{{{(AW)}_i}}}{{{W_i}}}} λmax=n1i=1nWi(AW)i
其中n为维度数,例如之前我们举得例子因素为景色、费用、居住、饮食、旅途时,n=5。AW为:判断矩阵*标准化后的权重,然后按行的累加值。

还是举个栗子:

判断矩阵A为:

层次分析法(AHP)详解+完整代码

标准化权重W为:

层次分析法(AHP)详解+完整代码

其中A*W为:(就是对应位置相乘)
层次分析法(AHP)详解+完整代码

AW的值就是按行相加。

则最大特征值为:
λ max ⁡ = x / n = 5.416 {\lambda _{\max }} = x/n = 5.416 λmax=x/n=5.416
其中,x=AW1/W1+AW2/W2+…+AWn/Wn。n为矩阵阶数。

2.4.2求解CI、RI、CR值,判断一致性是否通过

Step1:一致性指标CI值的求解公式为:
C I = λ max ⁡ − n n − 1 CI = \frac{{{\lambda _{\max }} - n}}{{n - 1}} CI=n1λmaxn
将2.4.1的例子代入可得CI=0.1042

Step2:平均随机一致性指标RI值是通过查表得出来的:
层次分析法(AHP)详解+完整代码

将2.4.1的例子代入可得RI=1.12

Step3:计算一致性比例CR:
C R = C I / R I CR=CI/RI CR=CI/RI
将Step1和Step2的计算结果代入可得CR=0.093

Step4:判断是否通过一致性检验:

CR<0.1 时,表明判断矩阵 A 的一致性程度被认为在容许的范围内,此时可用 A 的特征向量开展权向量计算;若 C.R.≥0.1, 说明我们在构建判断矩阵时出现了逻辑错误,需要重新构建判断矩阵。如例题中CR=0.093<0.1,则视为检验合格。

Matlab实现代码(只需要替换判断矩阵即可)


A=[1 2 3 4 5;1/2 1 2 3 4;1/3 1/2 1 2 3;1/4 1/3 1/2 1 2;1/5 1/4 1/3 1/2 1];
%disp('请输入准则层判断矩阵A(n阶)');
%A=input('A=');
[n,n]=size(A);

Sum_A=sum(A);
SUM_A=repmat(Sum_A,n,1);
Stand_A=A./SUM_A;
disp('算术平均法求权重的结果为:')
disp(sum(Stand_A,2)./n);

Prduct_A=prod(A,2);
Prduct_n_A=Prduct_A.^(1/n);
disp('几何平均法求权重的结果为:')
disp(Prduct_n_A./sum(Prduct_n_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:n
    if D(h,h)>tempNum
        tempNum=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<0.10
    disp('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


disp('请输入方案层各因素对准则层各因素权重的成对比较阵');
for i=1:n
    disp('请输入第');disp(i);disp('个准则层因素的判断矩阵B');disp(i);
end
    disp('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


disp('请输入方案层各因素对准则层各因素权重的成对比较阵');
for i=1:n
    disp('请输入第');disp(i);disp('个准则层因素的判断矩阵B');disp(i);
end

.
.
.
.
.
.

参考文章:https://mpaidata.blog.csdn.net/article/details/122081827文章来源地址https://www.toymoban.com/news/detail-490314.html

到了这里,关于层次分析法(AHP)详解+完整代码的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模——层次分析法(AHP)

    在人类社会生活的各个领域以及日常生活中,我们经常遇到一些决策问题,例如购物买钢笔,一般要依据质量、颜色、实用性、价格、外形等方面的因素选择某一支钢笔。买饭,则要依据色、香、味、价格等方面的因素选择某种饭菜。过去人们处理这些问题往往是凭经验,靠

    2024年02月05日
    浏览(49)
  • 模糊综合评价-----层次分析法AHP

    文首先读: ​ 最近有个课题需要用到模糊综合评价,笔者也是收集了各方资料,最后发现某乎上的一篇文章,简单、系统、详细的同时不乏简单易懂和深度见解,这边link给出,读者可以自己尝试阅读,必有不少收获。 ​ 之后发现其中需要用到层次分析法的时候,大佬是一

    2023年04月09日
    浏览(42)
  • 层次分析法原理及实例(AHP)

    层次分析法(AHP) 层次分析法(analytic hierarchy process) ,简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为美国国防部研究\\\"根据各个工业

    2024年02月08日
    浏览(45)
  • 基于AHP层次分析法的数学建模研究

            随着数学在现代科学和技术中的广泛应用,数学建模在现代实践中的应用越来越广泛,成为现代科学和技术发展的重要手段。然而,在复杂的实际问题中,很难直接应用数学方法去解决问题。因此,选择适当的建模方法和技术来解决实际问题显得尤为重要。    

    2024年02月10日
    浏览(45)
  • 数学建模--层次分析法(AHP)的Python实现

    目录 1.算法流程简介 2.算法核心代码 3.算法效果展示 算术平均法求得的权重为: [0.07243906 0.30125047 0.62631047] 几何平均法求得的权重为: [0.7374984  0.17727613 0.08522547] 特征值权重法法求得的权重为: [0.07239208 0.30116321 0.62644471]

    2024年02月10日
    浏览(42)
  • 【数学建模学习】matlab实现评价模型——层次分析法(AHP)

    目录 1概述  2算法实现流程 3实例  4matlab实现层次分析法 5计算结果 层次分析法,简称AHP,是评价模型中的一种算法,指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。层次分析法的缺陷在于判断矩阵是主观决定的,

    2024年02月04日
    浏览(54)
  • 基于AHP(层次分析法)确定权值的模糊综合评价

    目录 1、模糊综合评价 2、权值的确定 因素集 :影响评价的因素,例如:企业家的素质综合评价可以考虑5个因素{德,能,勤,绩,生命周期延长} 评价集 :某因素好与坏,例如:企业家的德可以被评价为{高 较高 一般 低} 单因素评价矩阵 :rij代表因素i对评价j的隶属度。 例

    2024年02月05日
    浏览(50)
  • 数学建模学习笔记(1):层次分析法(AHP)(附有详细使用步骤)

    层次分析法是由美国运筹学家T.L.Saaty于20世纪七十年代创立的一种系统分析与决策的综合评价方法,是在充分研究了人类思维过程的基础上提出的较为合理的解决定性问题定量化的处理过程。 层次分析法的主要特点是通过建立递阶层次结构,把人类的判断转化到若干因素两两

    2024年02月07日
    浏览(47)
  • 【AHP层次分析法】原理+应用步骤+旅游目的地选择实例应用

    实现标准之间相对重要程度,并给出决策方案中每个标准的权重,利用权数求出各个方案的优劣次序。 1.建立层次结构模型 该层主要有三个方面: 目标层 准则层 领域层(各种解决问题的措施和方案) 这里选择了一个旅游问题的层次分析模型来直观的展示三个层的关系: 如

    2024年02月04日
    浏览(42)
  • 数学建模(层次分析法 python代码 案例)

    目录 介绍:  模板: 例题:从景色、花费、饮食,男女比例四个方面去选取目的地  准则重要性矩阵:  每个准则的方案矩阵:​  一致性检验:  特征值法求权值: 完整代码: 运行结果:

    2024年04月29日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包