简介
层次分析法(AHP)这是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点就是在对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础上,利用较少的定量信息使决策的思维过程数学化,从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。
步骤
建立层次结构模型
将决策的目标、考虑的因素(决策准则)和决策方案,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(使用SmartArt生成)。
- 最高层(目标层):决策的目的、要解决的问题;
- 中间层(准则层或指标层):考虑的因素、决策的准则;
- 最低层(方案层):决策时的备选方案;
构造判断矩阵
一致矩阵法,即:
1.不把所有因素放在一起比较,而是两两相互比较。
2.对此时采用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,以提高准确度。
判断矩阵元素 a i j a_{ij} aij 的标度方法
计算权重
算术平均值法
-
将判断矩阵按照列归一化
-
将归一化的各列相加
-
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
假设判断矩阵 A = [ a 11 a 12 ⋯ a 1 n a 21 a 22 ⋯ a 2 n ⋮ ⋮ ⋱ ⋮ a n 1 a n 2 ⋯ a n n ] A=\left[\begin{array}{cccc}a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n}\end{array}\right] A=⎣⎢⎢⎢⎡a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann⎦⎥⎥⎥⎤,
那么算术平均法求得的权重向量
ω i = 1 n ∑ j = 1 n a i j ∑ k = 1 n a k j \omega_{i}=\frac{1}{n} \sum_{j=1}^{n} \frac{a_{i j}}{\sum_{k=1}^{n} a_{k j}} ωi=n1j=1∑n∑k=1nakjaij( i = 1 , 2 , ⋯ , n ) (i=1,2, \cdots, n) (i=1,2,⋯,n)
几何平均值法
- 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
- 对该列向量进行归一化
假设判断矩阵
A
=
[
a
11
a
12
⋯
a
1
n
a
21
a
22
⋯
a
2
n
⋮
⋮
⋱
⋮
a
n
1
a
n
2
⋯
a
n
n
]
A=\left[\begin{array}{cccc}a_{11} & a_{12} & \cdots & a_{1 n} \\ a_{21} & a_{22} & \cdots & a_{2 n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n 1} & a_{n 2} & \cdots & a_{n n}\end{array}\right]
A=⎣⎢⎢⎢⎡a11a21⋮an1a12a22⋮an2⋯⋯⋱⋯a1na2n⋮ann⎦⎥⎥⎥⎤
那么几何平均法求得的权重向量
ω
i
=
(
∏
j
=
1
n
a
i
j
)
1
n
∑
k
=
1
n
(
∏
j
=
1
n
a
k
j
)
1
n
,
(
i
=
1
,
2
,
⋯
,
n
)
\omega_{i}=\frac{\left(\prod_{j=1}^{n} a_{i j}\right)^{\frac{1}{n}}}{\sum_{k=1}^{n}\left(\prod_{j=1}^{n} a_{k j}\right)^{\frac{1}{n}}}, \quad(i=1,2, \cdots, n)
ωi=∑k=1n(∏j=1nakj)n1(∏j=1naij)n1,(i=1,2,⋯,n)
特征值法
- 求出矩阵A的最大特征值以及对应的特征向量
- 对特征向量归一化
一致性检验
只有通过了一致性检验,才能够使用计算出的权重
定义一致性指标:
C
I
=
λ
−
n
n
−
1
R
I
=
C
I
1
+
C
I
2
+
⋯
+
C
I
N
N
=
λ
1
+
λ
2
+
⋯
+
λ
N
500
−
n
n
−
1
CI=\dfrac{\lambda-n}{n-1}\\ RI=\dfrac{CI_1+CI_2+\dots+CI_{N}}{N}=\dfrac{\dfrac{\lambda_1+\lambda_2+\dots+\lambda_N}{500}-n}{n-1}
CI=n−1λ−nRI=NCI1+CI2+⋯+CIN=n−1500λ1+λ2+⋯+λN−n
λ:最大特征根;n:唯一非零特征根
C
R
=
C
I
R
I
CR=\dfrac{CI}{RI}
CR=RICI
当一致性比率CR<0.1时,认为A的不一致程度在容许范围内,有满意的一致性,通过一致性检验。
合并排序
∑ i = 1 m a i b j \sum_{i=1}^{m}a_ib_{j} i=1∑maibj
根据最下层(决策层)的层次总排序做出最后决策。
层次分析法的局限性
- 评价的决策层不能太多,否则判断矩阵和一致矩阵的差异会很大
- 如果决策层中的指标数据是已知的,就不适用
后续
喜欢的话可以关注一下我的公众号技术开发小圈,尤其是对深度学习以及计算机视觉有兴趣的朋友,我会把相关的源码以及更多资料发在上面,希望可以帮助到新入门的大家!