数学建模2007_AHP方法.ppt

设上一层次（A层）包含A1,…,Am共m个因素，它们的层次总排序权值分别为a1,…,am。又设其后的下一层次（B层）包含n个因素B1,…,Bn，它们关于Aj的层次单排序权值分别为b1j,…,bnj（当Bi与Aj无关联系时，bij = 0）。现求B层中各因素关于总目标的权值，即求B层各因素的层次总排 序权值b1,…,bn，计算按表8.11所示方式进行,即 ，i =1,…,n。 表8.11 bn m … bn2 bn1 Bn … … … … … … B2 m … b22 b21 B2 B1m … b12 b11 B1 B层总排序权值 Am A m … … A2 a 2 A1 a1 层A 层B 步4 层次总排序及一致性检验 最后，在步骤（4）中将由最高层到最低层，逐层计算各层次中的诸因素关于总目标（最高层）的相对重要性权值。 例如，对于前面考察的工厂合理利用留成利润的例子，措施层层次单排序权值的计算如表8.12所示。 0.531 0 0.833 0 P3 0.218 0.333 0.167 0.25 P2 0.251 0.667 0 0.75 P1 0.258 0.637 0.105 层P的总排序权值 C3 C2 C1 层C 层P 对层次总排序也需作一致性检验，检验仍象层次总排序那样由高层到低层逐层进行。这是因为虽然各层次均已经过层次单排序的一致性检验，各成对比较判断矩阵都已具有较为满意的一致性。但当综合考察时，各层次的非一致性仍有可能积累起来，引起最终分析结果较严重的非一致性。 设B层中与Aj相关的因素的成对比较判断矩阵在单排序中经一致性检验，求得单排序一致性指标为CI(j)，(j =1,…,m)，相应的平均随机一致性指标为RI(j) (CI(j)、RI(j)已在层次单排序时求得)，则B层总排序随机一致性比率为 CR = 当CR0.10 时， 认为层次总排序结果具有较满意的一致性并接受该分析结果。 对于表8.11中的P层总排序，由于C—P层间的三个判断矩阵的一致性指标（即CI(j)，j=1，2，3）均为0，故P层总排序的随机一致性比率CR=0，接受层次分析结果，将留成利润的25.1%用于发奖金，21.8%用于扩建福利事业，余下的53.1%用于引进新技术新设备。 二、最大特征根及对应特征向量的近似计算法 众所周知，求矩阵A的特征根与特征向量在n较大时是非常麻烦的，需要求解高次代数方程及高阶线性方程组。由于判断矩阵中aij的给出方法是比较粗糙的，它只是决策者主观看法在一定精度内的定量化反映，也就是说，建模本身存在着较大的模型误差。因而，在计算特征根和特征向量时，没有必要化费太多的时间和精力去求A的特征根与特征向量的精确值。事实上，在应用层次分析法决策时，这些量的计算通常采用较为简便的近似方法。 1、方根法 在应用小型计算器求判断矩阵A的最大特征根与对应特征向量时可采用方根法。其计算步骤如下： （1）求判断矩阵每行元素的乘积 ，i =1,2,…,n （2）求Mi的n次方根 （3）对 进行标准化，求特征向量各分量的近似值 。 （4）求A的最大特征根的近似值 从（8.6）式中不难看出，当A为一致矩阵时，由A中各行乘积的n次方根组成的向量与A的特征向量成比例。因而当A的非一致性不太严重时，方根法求得的Wi（i = 1,…,n）可近似用于层次单排序的权值。 对前面例子中的O—C判断阵，有 每行元素相乘 求 ，得 2、幂法 计算步骤： （步1）任取一标准化向量W(0)，指定一精度要求ε0，k=0。 （步2）迭代计算 ，k = 0,1,…。 若 ，i = 1,…,n， 则取W= 为A的对应于λmax的特征向量的近似， 否则转步2。 （步3） 将 标准化，即求 其中 为 的第i个分量。 （步4）求λmax的近似值 对前面例子中的O—C判断矩阵， 若取 ， =0.001，利用幂法求近似特征向量如下： （第一次迭代） (0) = (0.511,3,1.444)T， = 4.955，求得W(1) = (0.103,0.605,2.91)T （第二次迭代） (2) = (0.321