2017数学建模常用综合评价方法介绍(26页)课件.ppt

从心理学观点来看，分级太多会超越人们的判断能力，既增加了作判断的难度，又容易因此而提供虚假数据。Saaty等人还用实验方法比较了在各种不同标度下人们判断结果的正确性，实验结果也表明，采用1~9标度最为合适。 如果在构造成对比较判断矩阵时，确实感到仅用1~9及其倒数还不够理想时，可以根据情况再采用因子分解聚类的方法，先比较类，再比较每一类中的元素。 关于如何确定aij的值，Saaty等建议引用数字1~9及其倒数作为标度。他们认为，人们在成对比较差别时，用5种判断级较为合适。即使用相等、较强、强、很强、绝对地强表示差别程度，aij相应地取1,3,5,7和9。在成对事物的差别介于两者之间难以定夺时，aij可分别取值2、4、6、8。 五、层次分析法 步3 层次单排序及一致性检验 上述构造成对比较判断矩阵的办法虽能减少其他因素的干扰影响，较客观地反映出一对因子影响力的差别。但综合全部比较结果时，其中难免包含一定程度的非一致性。如果比较结果是前后完全一致的，则矩阵A的元素还应当满足： i、j、k = 1,2,…,n 五、层次分析法 满足该关系式的正互反矩阵称为一致矩阵。 定理 若A为一致矩阵，则 （1）A必为正互反矩阵。 （2）A的转置矩阵AT也是一致矩阵。 （3）A的任意两行成比例，比例因子（即wi /wj）大于零，从而rank（A）=1（同样，A的任意两列也成比例）。 （4）A的最大特征根λmax=n，其中n为矩阵A的阶。A的其余特征根均为零。 （5）若A的最大特征根λmax对应的特征向量为W=（w1,…, wn）I，则aij=wi /wj， i,j = 1,2,…,n。 定理 正互反矩阵A的最大特征根λmax必为正实数，其对应特征向量的所有分量均为正实数。A的其余特征根的模均严格小于λmax。（证明从略） 五、层次分析法 定理 n阶正互反矩阵A为一致矩阵当且仅当其最大特征根 λmax=n，且当正互反矩阵A非一致时，必有λmaxn。 根据定理，我们可以由λmax是否等于n来检验判断矩阵A是否为一致矩阵。由于特征根连续地依赖于aij，故λmax比n大得越多，A的非一致性程度也就越为严重，λmax对应的标准化特征向量也就越不能真实地反映出X={x1,…,xn}在对因素Z的影响中所占的比重。因此，对决策者提供的判断矩阵有必要作一次一致性检验，以决定是否能接受它。 为确定多大程度的非一致性是可以允忍的，Saaty等人采用了如下办法： （1）求出 ，称CI为A的一致性指标。 容易看出，当且仅当A为一致矩阵时，CI = 0。CI的值越大，A的非一致性越严重。利用线性代数知识可以证明，A的n个特征根之和等于其对角线元素之和（即n）故CI事实上是A的除λmax以外其余n－1个特征根的平均值的绝对值。若A是一致矩阵，其余n－1个特征根均为零，故CI=0；否则，CI0，其值随A非一致性程度的加重而连续地增大。当CI略大于零时（对应地，λmax稍大于n），A具有较为满意的一致性；否则，A的一致性就较差。 五、层次分析法 （2）上面定义的CI值虽然能反映出非一致性的严重程度，但仍未能指明该非一致性是否应当被认为是可以允许的。事实上，我们还需要一个度量标准。为此，Saaty等人又研究了他们认为最不一致的矩阵——用从1~9及其倒数中随机抽取的数字构造的正互反矩阵，取充分大的子样，求得最大特征根的平均值 ， 并定义 称RI为平均随机一致性指标。 对n =1,…,11,，Saaty给出了RI的值，如表所示。 N 1 2 3 4 5 6 7 8 9 10 11 RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 五、层次分析法 （3）将CI与RI作比较，定义 称CR随机一致性比率。经大量实例比较，Saaty认为，在CR0.10时可以认为判断矩阵具有较为满意的一致性，否则就应当重新调整判断矩阵，直至具有满意的一致性为止。综上所述，在步3中应先求出A的最大特征根λmax及λmax对应的特征向量W=（w1,…, wn）T，进行标准化， 使得 。 再对A作一致性检验：计算 ， 查表得到对应于n的RI值，求 ， 若CR0.1，则一致性较为满意，以 i作为因子xi在上层因子Z中所具有的权值。否则必需重新作比较，修正A中的元素。只有在一致性较为满意时，W的分量才可用作层次单排序的权重。 五、层次分析法 现对本节例7.13（即合理利用利润问题的例子）进行