权重的确定方法课件.pptVIP

景点 旅游 住宿 费用 交通 u1 u2 u3 如果我们通过判断矩阵A1, 可以准确的确定u1 ,u2 ,u3 相对“景点”的权重, 就可以通过对“景点”“住宿”“费用”“交通”等所有考虑到的因素权重, 再通过这些因素相对目标的权重, 最后确定出各方案对目标的权重。 三、由判断矩阵计算元素对于上层支配元素的权重（或排序） 用判断矩阵求权重的方法有很多种， 下面介绍三种方法： 1. 和法 2. 最小夹角法 3. 特征向量法 1. 和法 2. 最小夹角法 3. 特征向量法 但在实际问题中很难使A满足一致性。虽然AHP并不要求判断矩阵具有完全的一致性，但是偏离一致性要求过大的判断矩阵所作出的最终决策也会于实际情况偏差太大，因此有必要对判断矩阵进行一致性检验。 n 3 4 5 6 7 8 9 RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45 五、计算最底层元素对目标的权重（排序）向量 在上述步骤中得到的是各层元素对上层元素的权重（排序）向量 ，而我们的目的却是要得到最底层元素对目标的权重（排序）向量 ，这就须将已经得到的权重（排序）向量进行合成，从而得到综合权重（排序）向量 。以下就三层的情况来介绍这种方法。 最大特征值和对应正特征向量分别为： λ=3.002，X=(5.903867500, 0.8066923031, 3.086293726)T λ=3.080，X=(0.0846216595,0.4466019878,0.6734288503)T λ=3.094，X=(0.09138978270, 0.3366828382, 0.4961400716)T λ=3.065，X=(3.658853431, 8.514030366, 0.943422178)T λ=4.0155, X=(93.529892637,31.8409641)T 特征向量归一化得第三层3个元素对第二层4个元素的权重（排序）向量为： W1=(0.6028,0.08236,0.3151)T，W2=(0.07023,0.3706,0.5589)T W3=(0.09888,0.3643,0.5368]T，W4=[0.2791,0.6494,0.07196)T 第二层4个元素对目标的权重（排序）向量为 W(2)= (0.4966, 0.1914, 0.2120, 0.0998)T 第三层3个元素对元素对目标的权重（排序）向量为： W(3)= 0.4966W1+0.1914W2+0.212W3+0.0998W4 = (0.3617, 0.2538, 0.3845)T 由计算结果和最大隶属原则，u1、u2、u3三个 旅游点相对旅游目标来说，综合排序结果是： u3点为首选，u1次之，u2点最后。 如果u1、u2、u3不是三个旅游点而是三个元素，则最后的结果： (0.3617, 0.2538, 0.3845) 就是三个元素的权重向量。 权重的确定方法 标准化(归一化) 极值线形模式：新数据=（原数据-极小值）/（极大值-极小值） 均值标准差模式：新数据=（原数据-均值）/标准差 对数Logistic模式：新数据=1/（1+e^(-原数据)） 模糊量化模式：新数据= 1/2+1/2sin[派3.1415/（极大值-极小值）*（X-（极大值-极小值）/2） ] X为原数据 权重 权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。　　 自重权数：以权数作为指标的分值（或分数），或者以权数直接作为等级的分值。 加重权数：在各指标的已知分值（即自重权数）前面设立的权数。 a.? 专家咨询权数法（特尔斐法） 该法又分为平均型、极端型和缓和型。主要根据专家对指标的重要性打分来定权，重要性得分越高，权数越大。优点是集中了众多专家的意见，缺点是通过打分直接给出各指标权重而难以保持权重的合理性。 b.因子分析权数法??? 根据数理统计中因子分析方法，对每个指标计算共性因子的累积贡献率来定权。累积贡献率越大，说明该指标对共性因子的作用越大，所定权数也越大。 c.信息量权数法 根据各评价指标包含的分辨信息来确定权数。采用变异系数法，变异系数越大，所赋的权数也越大。??计算各指标的变异系数，将CV作为权重分值，再经归一化处理，得信息量权重系数。 d.独立性权数法 利用数理统计学中多元回归方法，计算复相关系数来定权的，复相关系数越大，所赋的权数越大。 计算每项指标与其它指标的复相关