haoxm网络层次分析法(ANP)概要.ppt

层次分析法（AHP） 层次分析法（AHP）是美国著名运筹学家、匹兹堡大学的T. L. Saaty教授于20世纪70年代提出的一种评价方法。在解决问题时能对定性分析进行定量转换 。 层次分析法（AHP） AHP存在的问题： AHP模型只强调各决策层之间的单项层次关系，即下一层对上一层的影响，而未能考虑到不同决策层或者同一层次之间的相互影响。但在实际问题中，在对总目标进行分解时，通常会遇到各因素交叉的情况，在这种情况下，AHP模型就无能为力了。 针对这种情况，T. L. Saaty教授于20世纪90年代末在AHP模型方法基础上提出网络层次分析法（ANP）。网络层次分析法考虑了递阶层次结构存在内部循环以及层次结构之间存在依赖性和反馈性的特点。 网络层次分析法（ANP） 网络层次分析法（ANP） 网络层次分析法的基本步骤 分析问题，构造网络结构 网络层次分析法（ANP） 根据两两比较标度，构造判断矩阵 根据建立的网络结构，基于某一准则对同一元素组中每一元素的影响和被影响关系进行两两比较分析。评分标度 ：若因素i与j比较得a，则因素j与i比较得1/a. 网络层次分析法（ANP） 在构造判断矩阵的过程中，通过引入1~9标度法，使定性问题定量化，从而就可构成判断矩阵。 确定层次元素排序 由判别矩阵和特征根法得到归一化排序权重 ；此外，基于同一准则对不同元素组中的每一元素的影响和被影响关系进行两两比较分析，同样得到归一化排序权重。 网络层次分析法（ANP） 一致性检验 由于判断矩阵本身存在相当的误差，而从本质上讲是表达定性的概念，因此容易导致权重计算的误差，因此需要对判断矩阵进行一致性检验，以便将偏差控制在允许的范围。 构造超矩阵 网络层次分析法（ANP） 网络层次分析法（ANP） 网络层次分析法（ANP） 构造加权超矩阵 各元素组分别以Cj（j＝1,2,…,Ｎ）为准则进行重要性比较。 网络层次分析法（ANP） 构造矩阵，其中元素 ，i=1，…，N，j=1，…，N。这里， 为系统的超矩阵， 为系统的加权矩阵，则 就被称为加权超矩阵。 计算极限超矩阵得出各元素（指标体系）的权重 设 是系统的（加权）超矩阵，记 的k次幂为 ，当在k→∞时的极限存在时，就有： 称为极限超矩阵 。 的第j列就是某决策准则下网络层各元素对于元素j的的极限相对排序（权重）。 ANP计算的实现—Super Decision ANP计算的实现—Super Decision 网络层次分析法（ANP）赋权的计算工作是一种非常复杂的计算过程，实际应用中一般都采用计算软件来实现。我们在这里借助于Super Decision软件来解决该问题。Super Decision软件通过给出矩阵式、问卷式、口头式和绘图式等方式确定判断值输入数据，最终给出赋权结果。 为了相对准确合理地对这三种教育投资方案进行评价，假设企业聘请有关专家来为这三个教育投资方案针对每个评价指标按百分制打分，打分结果列于表5-11；将有关专家为某个教育投资方案针对每个评价指标的百分制打分结果和ANP对每个评价指标的赋权权重相结合，就可得出该教育投资方案针对每个评价指标的加权得分，如表5-11所示；加权得分之和即为该教育投资方案难货币化收益的综合评价得分，如表5-11最后一栏所示，可见三个管理人员教育投资方案难货币化收益的综合评价得分情况分别是：方案A为77.10分，方案B为69.98分，方案C为86.36分。因此，从难货币化收益最大化的角度来讲，企业应选择方案C为最佳方案。 Super Decision关于超矩阵的输出结果 Super Decision关于加权超矩阵的输出结果 Super Decision关于极限超矩阵的输出结果 管理人员教育投资难货币化收益评价指标的ANP赋权结果 86.36 — 69.98 — 77.10 — — 加权分合计 6.957 100 4.174 60 5.566 80 0.06957 e2 企业文化理念 12.587 80 9.440 60 12.587 80 0.15734 e1 管理者价值观 0.873 100 0.698 80 0.698 80 0.00873 d7 管理模式创新 6.218 80 4.664 60 4.664 60 0.07773 d6 文化管理创新 0.921 80 0.691 60 0.921 80 0.01151 d5 人资管理创新 0.641 100 0.513 80 0.385 60 0.0064