通用的层次分析.docVIP

万能的层次分析 摘 要：生活中我们常常要做各种各样的决策，往往面对的是相互联系而又错综复杂的情况。有时，我们很难完成用定量的数学模型来解决。这时我们可以用层次分析法来解决，它应用于许多方面，这里我只简单举两个例子分析一下；它在大学生就业选择和旅游选址上的应用。 一、层次分析法在大学生就业选择上的应用 1．题问的提出 对于一个大学毕业生来说，找到适合自己的工作是迫切需要解决的问题。一个毕业生在找工作时，通过投简历，面试等方法，现有四个单位可以供他选择。即：C1政府机构，C2化工厂，C3销售。如何从这 三个工作岗位中选择他比较满意的工作？这是目前需要解决的。通过研究，最终确定了六个准则作为参照依据，来判断出最适合且最让他满意的工作。 准则：B1课题研究，B2发展前途，B3待遇，B4同事关系，B5地理位置，B6单位名气;通过这六个标准来评判出最满意的工作。 2．模型的假设 ①．该毕业生是文科生，但在大学期间也辅修了很多理科方面的学科，文理科兼懂。 ②. 三个单位对毕业生所具备的客观条件一样。 ③．该毕业生对这三个工作岗位的工作都可胜任。 3、模型的建立与求解 ⑴．层次结构模型的建立 第一层：目标层，即对可供选择的工作的满意程度； 第二层：准则层，即课题研究B1，发展前途B2，待遇B3,同事关系B4，地理位置B5， 单位名气B6。 第三层：方案层，即政府机构C1，化工厂C2，销售C3。根据以上层次结构模型，我做了一份就业选择满意度的调查表，对100名在校大学生进行抽样调查。首先让被调查者针对图示的某一层对其上一层某种因素影响的重要性进行打分，再将数据的分值看作服从随机变量的分布，再利用数学期望计算出平均分。 设表示某个问题的分值，根据概率论以及数理统计所学的知识点，得出服从离散型分布如下。（其中为打分值为的人数，N为被调查的总人数） 根据数学期望的定义，我们有离散型随机变量的数学期望： 　　由调查数据和公式可以得到就业选择的整体评分表（表2，表3） 表1各个影响因素打分的概率分布 1 2 3 4 5 P 表2就业选择的整体评分表 课题研究 发展前途 待遇 同事关系 地理位置 单位名气 2.432 2.432 2.432 0.608 1.216 4.864 表3就业选择的整体评分表 方案准则 政府机构 化工厂 销售 课题研究 1.663 4．989 0.8315 发展前途 4.837 1.612 1.612 待遇 2.499 4.167 5 同事关系 4.803 4.803 1.601 地理位置 0.634 1.268 4.437 单位名气 4.282 1.427 4.282 ⑵.构造成对比较矩阵和计算权向量： 构造成对比较矩阵A，第二层准则层对第一层目标层的成对矩阵A： 即A= 运用SAS软件求解得出A的最大特征根及其对应的特征向量， 即W13=归一化 ，=6.5856436 一致性检验：一致性比率=01，则一致性检验通过，W13可以作为权向量。 构造成对比较矩阵和计算权向量： 方案层C1对准则层(课题研究)的成对比较阵为B1： 即B1= 方案层C2对准则层(发展前途)的成对比较阵为B2,即B2= 方案层C3对准则层(同事关系)的成对比较阵为B3: 即B3= 方案层C5对准则层(地理位置)的成对比较阵为B5: 即B5= 方案层C6对准则层(单位名气)的成对比较阵为B6:即B6= 　　为了避免权向量出现负值，经过查阅参考书以及上网找寻相关资料后，在本文中，我把特征向量都归一化了，这样得到正的权向量。 　　运用SAS软件求解得B1的最大特征根及其对应的特征向量， 即W31=归一化 ,=4.0563715 运用SAS软件求解得B2的最大特征根及其对应的特征向量， 即W32=归一化 ,= 4.1181078 运用SAS软件求解得B3的最大特征根及其对应的特征向量， 即W33=归一化 ,=4.0043969 运用SAS软件求解得B4的最大特征根及其对应的特征向量， 即W34=归一化 , =4.0150403 运用SAS软件求解得B5的最大特征根及其对应的特征向量， 即W35=归一化 ,=4.0803253 运用SAS软件求解得B6的最大特征根及其对应的特征向量， 即W36=归一化,=4.2528864 ⑶．一致性检验：　 一致性比率=01，则一致性检验通过，W31可以作为权向量。 一致性比率=01，则一致性检验通过，W32可以作为权向量。 一致性比率