数学建模方法详-三种最常用算法.doc

数学建模方法详解--三种最常用算法 一、层次分析法 层次分析法[1] (analytic hierarchy process，AHP)T．L．Saaty 为了能够尽可能地减少性质不同的诸因素相互比较的困难，提高结果的准确度．T．L．Saaty．个因素对上层一个因素的影响，每次取两个因素和，用表示和对的影响之比，全部比较结果可用成对比较阵 表示，称为正互反矩阵． 一般地，如果一个正互反阵满足： （1） 则称为一致性矩阵，简称一致阵．容易证明阶一致阵有下列性质： ①的秩为1，的唯一非零特征根为； ②的任一列向量都是对应于特征根的特征向量． 如果得到的成对比较阵是一致阵，自然应取对应于特征根的、归一化的特征向量（即分量之和为1）表示诸因素对上层因素的权重，这个向量称为权向量．如果成对比较阵不是一致阵，但在不一致的容许范围内，用对应于最大特征根(记作)的特征向量（归一化后）作为权向量，即满足： （2） 直观地看，因为矩阵的特征根和特征向量连续地依赖于矩阵的元素，所以当离一致性的要求不远时,的特征根和特征向量也与一致阵的相差不大．（2）式表示的方法称为由成对比较阵求权向量的特征根法． 2．和对于一个上层因素的影响时，采用Saaty等人提出的尺度，即的取值范围是及其互反数． 3． 一致性检验 成对比较阵通常不是一致阵，但是为了能用它的对应于特征根的特征向量作为被比较因素的权向量，其不一致程度应在容许范围内． 若已经给出阶一致阵的特征根是，则阶正互反阵的最大特征根，而当时是一致阵．所以比大得越多，的不一致程度越严重，数值的大小衡量的不一致程度．Saaty将 (3) 定义为一致性指标．时为一致阵；越大的不一致程度越严重．注意到的个特征根之和恰好等于，所以相当于除外其余个特征根的平均值． 为了确定的不一致程度的容许范围，需要找到衡量的一致性指标的标准，又引入所谓随机一致性指标，计算的过程是：对于固定的，随机地构造正互反阵，然后计算的一致性指标． 1 2 3 4 5 6 7 8 9 10 11 0 0 0．58 0．90 1．12 1．24 1．32 1．41 1．45 1．49 1．51 表1 随机一致性指标的数值 表中时，是因为阶的正互反阵总是一致阵． 对于的成对比较阵，将它的一致性指标与同阶（指相同）的随机一致性指标之比称为一致性比率，当 (4) 时认为的不一致程度在容许范围之内，可用其特征向量作为权向量． 对于利用(3)，(4)式和表1进行检验称为一致性检验．当检验不通过时，要重新进行成对比较，或对已有的进行修正． 4． 组合权向量 由各准则对目标的权向量和各方案对每一准则的权向量，计算各方案对目标的权向量，称为组合权向量．一般地，若共有层，则第层对第一层（设只有个因素）的组合权向量满足： （5） 其中是以第层对第层的权向量为列向量组成的矩阵．于是最下层对最上层的组合权向量为: （6） 5． 组合一致性检验 在应用层次分析法作重大决策时，除了对每个成对比较阵进行一致性检验外，还常要进行所谓组合一致性检验，以确定组合权向量是否可以作为最终的决策依据． 组合一致性检验可逐层进行．如第层的一致性指标为(是第层因素的数目)，随机一致性指标为，定义 则第层的组合一致性比率为: (7) 第层通过组合一致性检验的条件为． 定义最下层(第层)对第一层的组合一致性比率为： (8) 对于重大项目，仅当适当地小时，才认为整个层次的比较判断通过一致性检验． 层次分析法的基本步骤归纳如下: (1) 建立层次结构模型 在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次．同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用，而同一层的各因素之间尽量相互独立．最上层为目标层，通常只有个因素，最下层通常为方案或对象层，中间可以有个或几个层次，通常称为准则或指标层，