层级架构分析-nhuedutw.DOC

層級架構分析 層級分析法(Analytic Hierarchy process；簡稱AHP)為1971年匹茲堡大學教授Saaty所發展出來的方法，該方法主要應用在不確定情況下及具有多數個評估準則的決策問題上(曾國雄、鄧振源，1989)。AHP 法的理論簡單，同時又具實用性；因此，自發展以來，已被各研究單位普遍使用，其應用範圍相當廣泛，特別是應用在規劃、預測、判斷、資源分配及投資組合試算等方面都有不錯的效果。 AHP 法的基本假設，主要可分為下列九項： 1. 一個系統可被分解成許多種類(Classes)或成分(Components)，並形成有 向網路的層級結構。 2. 層級結構中，每一層級的要素均假設具獨立性(Independence)。 3. 每一層級內的要素，可以用上一層級內某些或所有要素作為評準，進行評估。 4. 進行比較評估時，可將絕對數值尺度轉換成比例尺度(Ratio Scale)。 5. 成對比較後，可使用正倒值矩陣(Positive Reciprocal Matrix)處理。 6. 偏好關係滿足遞移性(Transitivity)。不僅優劣關係滿足遞移性(A優於 B，B優於C，則A優於C)，同時強度關係也滿足遞移性(A優於B二倍，B優於C三倍，則A優於C六倍)。 7. 完全具遞移性不容易，因此容許不具遞移性的存在，但需測試其一致性 (Consistency )的程度。 8. 要素的優勢程度，經由加權法則(Weighting Principle)而求得。 9. 任何要素只要出現在階層結構中，不論其優勢程度是如何小，均被認為與整個評估結構有關，而並非檢核階層結構的獨立性。 AHP之操作步驟簡言之，首先進行問題描述，而後找出影響要素並建立層級關係、採用成對比較的方式以其比例尺度、找出各層級之決策屬性之相對重要性、依此建立成對比較矩陣、計算出矩陣之特徵值與特徵向量、求取各屬性之權重，其操作流程見圖1，以下分別對於重要步驟簡略說明： 圖1 AHP分析步驟 問題描述 進行AHP運作時，對於問題所處的系統應該儘量詳加瞭解分析，將可能影響問題的要因均納入問題中，同時決定問題之主要目標，但須要注意要因間的相互關係與獨立關係。 (2) 建立層級關係 在此階段必須決定問題之目標以及總目標的各項指標、決定各指標的評估準則及列入考慮的替代方案，而其評估準則、以及方案之產生可以使用腦力激盪法得到評估準則集合以及替代方案之集合。但是由於評估準則以及替代方案之集合可能很大，因此必須加以萃取出較重要之集合，而在此階段則可用腦力激盪法、可行性評估、以及Dephi法等萃取出較重要之評估準則或方案集合。而各個集合，依準則特性加以分類，予以分成多個層級，其典型之層級結構如圖2所示。 圖2 AHP法層級結構圖 而在理論上層級結構的階層數以及同一階層之元素個數，可依據系統之需求定之，不過Saaty建議為了避免決策者對準則之相對重要性之判斷產生偏差，同一階層之元素數最好不超過七個。 (3) 建立各層級之成對比較矩陣 建立目標分析之層級與下層之評估要素指標後透過問卷調查，決策者將對兩兩準則間之相對重要性進行成對比較，並由成對比較矩陣中之特徵向量，來求取準則間之相對權重。依Saaty建議成對比較是以九個評比尺度來表示；評比尺度劃分成絕對重要、頗為重要、稍微重要、同等重要，其餘之評比尺度則介於這五個尺度之間。尺度的選取可視實際情形而定，但以不超過九個尺度為原則，否則將造成判斷者之負擔。 在問卷之中，針對每個準則屬性設計，以兩兩相比的方式，在1-9尺度下讓決策者或各領域的專家填寫，根據問卷調查所得到的結果，將可建立各層級之成對比較矩陣A。 (4) 計算特徵向量及特徵值，求取各層級要素間相對權重 將取得之成對比較矩陣A，採用特徵向量的理論基礎，來計算出特徵向量與特徵值，而求得元素間的相對權重。茲將的計算過程說明如下： 製作準則成對比較矩陣A，如(1)式 (1)　　　　　　　　　　　　　 其中，　各為準則i與j的權重 準則成對比較矩陣A為一正倒值矩陣，符合矩陣中各要素為正數，且具倒數特性，如(2)式與(3)式： (2) (3) 將準則成對比較矩陣A乘上各準則權重所成之向量： (4) 可得(5)式與(6)式： (5) ＝ (6) 亦即 (A-nI)＝0 (7) 因為aij乃為決策者進行成對比較時主觀判斷所給予的評比，與真實的wi/wj值，必有某程度的差異，故A＝n便無法成立，因此，Saaty建議以A矩陣中最大特徵值λmax來取代n。 亦即 (8) (A-λmaxI) ＝0 (9) 矩陣A的最大特徵值之求法，由 (9)式求算出來，所得之最大特徵向量，即為各準則之權重。而最大特徵值之求算，Saaty提出四種近似法求取，其中又以行向量平均值的標準化方式(