[理学]第十章 足球队排名——2012.ppt

美国运筹学学家T.L.Saaty 在1977年创立的层次分析法（Analytic Hierarchy Process，简称AHP） ，实质上是把无结构决策转化为有序的层次结构决策，是一种方案排序算法，要求判断矩阵满足一致性检验，通常称为重量模型，它特别适用于那些难于完全定量分析的问题。 ④对数最小二乘法 用拟合方法确定权重向量 使如下的残差平方和为最小： ⑤最小二乘法 确定权重向量 使残差平方和 为最小。 （2）一致性检验 在计算单准则下权重向量时，还必须进行一致性检验。在判断矩阵的构造中，并不要求判断具有传递性和一致性，即不要求 严格成立，这是由客观事物的复杂性与人的认识的多样性所决定的。但要求判断矩阵满足大体上的一致性是应该的。如果出现“甲比乙极端重要，乙比丙极端重要，而丙又比甲极端重要”的判断，则显然是违反常识的，一个混乱的经不起推敲的判断矩阵有可能导致决策上的失误。而且上述各种计算排序权重向量（即相对权重向量）的方法，在判断矩阵过于偏离一致性时，其可靠程度也就值得怀疑了，因此要对判断矩阵的一致性进行检验。 这就要求建立偏离一致性的量化指标。 正互反矩阵A的最大特征根 必为正实数， 其对应特征向量的所有分量均为正实数。A的其余特征值的模 均严格小于 （i）A必为正互反矩阵; (ii) AT也是正互反矩阵; （iii）A的任意两行成比例，比例因子大于零，从而 （同样，A的任意两列也成比例）。 （iv）A的最大特征值 ，其中n为矩阵的阶。A的其余特征根均为零。 （v）若A的最大特征值对应的特征向量为 定理1 定理2 若A为一致矩阵，则 素阵的Perron—Frobenius定理 则 即 根 ?max=n，且当正互反矩阵A非一致时，必有?max≥n 。 定理3 n阶正互反矩阵A为一致矩阵当且仅当其最大特征 定理3的证明： 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。 证明：设正互反矩阵A的最大特征根为λmax， 对应的特征向量为W=（w1,…, wn）T。 由定理1，λmax0且wi 0，i=1，…，n。又由特征根和特征向量的性质知，AW=λmax W, 故 , i = 1,…,n (1) （1）式两边同除wi且关于i从1到n相加，得到 即 （2）式的括号内共有 项。 （2） 再证明充分性。由于 (3) 当且仅当 =1（即 ）时（7.9）式中的等号成立， 故由（2）式λmax=n。因而当λmax=n时必有 =1， 于是aijajk=aik 对任意 i, j, k = 1, 2, …, n 成立，A为一致矩阵。 当A非一致矩阵时，（7.9）式中的等号不能对一切i，j成立，从而必有λmaxn。 故λmax=n。 现证明必要性，由一致矩阵性质（5）有 Saaty等人正是根据定理3，建立了检验判断矩阵是否为一致矩阵的标准。由于特征根连续地依赖于aij，故?max比n大得越多，A的非一致性程度也就越严重，A对应的标准化特征向量也就越不能真实地反映出各个因素在对准则的影响中所占的比重。故为刻画n阶正互反矩阵A=( aij )与一致性矩阵接近的程度, 定义一致性指标: C.I.=(?max-n)/(n-1) C.I. = 0, A 有完全的一致性。CI 接近于 0, A 有满意的一致性. 下面给出一致性检验的三个步骤： ①计算一致性指标C.I. (consistency index) ②查找相应的平均随机一致性指标R.I.（random index） 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 1.59 1.58 1.56 1.54 1.52 1.49 1.45 R.I． 15 14 13 12 11 10 9 矩阵阶数n 1.41 1.32 1.24 1.12 0.90 0.58 0 0 R.I 8 7 6 5 4 3 2 1 矩阵阶数n 下表给出了由1000个1～15阶正互反矩阵计算得到的R.I.： 　 ③计算性一致性比例.R.(consistency ratio) 当C.R.＜0.1时，认为判断矩阵的一致性可以接受； 当C.R.≥0.1时，应该对判断矩阵做适当修正！ 步4 总排序权重的计算和一致性检验