AHP(层次分析报告法)示例说明书.docVIP

实用 PAGE 文档 第一单元 层次分析法——AHP简介 AHP（层次分析法）示例说明 (The Analgtic Hierarachy ProcessAHP) AHP预备知识 为了更好地理解AHP，需要准备一些矩阵方面的知识，以下知识都可以从《线性代数》中找到。 特征根与特征向量 设为n阶方阵，若存在常数和非零n维向量，使得 (1) 则称，是矩阵A的特征根（或特征值），非零向量是矩阵A关于特征根的特征向量。 特征根的求法 由(1)得，这是一个n元一次线性齐次方程组，该方程组如果有非零解，则其充分必要条件为：系数行列式为零，即 (2) 称(2)式为矩阵A的特征方程，它是一个一元n次方程，由线性代数基本定理知，该方程有且只有n个根。 重量模型 设为n个物体，重量分别是。但是，我们并不知道物体的重量，只知两两之间重量比的比值： 设准则C为比较重量，问题是： 已知，在准则C下对元素排序，也就是按其重量大小排序已知。 对于以下三个特性： （1） （2） （3） 显然满足（1）与（2），但是，（3）式通常不被满足（因为统计或构造这么完整的数据很难），满足（1）、（2）的矩阵A为正互反矩阵；满足（1）、（2）并且（3）也成立时的矩阵A称为一致性判断矩阵。问题是：已知判断矩阵A，在准则C下对n个物体排序。即按重量大小排序。 如果，是，，是重量的精确值，此时（3）式必定成立，即A是一致性判断矩阵。令 则带入计算，。显见n是方阵A的特征根，g是A的与对应的特征向量；事实上此时不难验证：n是方阵A=(aij)的最大特征根，其余n-1个特征根全为零，而g是A的与最大特征根n对应的特征向量。（证明见附录）g的n个分量是物体的相对重量，因此，可按此对排序。 如果对矩阵A有一个小的扰动，即不再是真实重量的比值，这时显然A不满足一致性条件，此时A的最大特征根不再是n；因扰动很小，自然离n不远，这时对应的特征向量虽然不会是n个物体的真实重量，但是，变动也不会太大。我们设想：如果扰动不大，则离n就不远，此时对应的特征向量与差不多，如果不改变g的各分量的大小次序，则同样给出n个物体按重量大小的真实排序。 这样，对不满足一致性的正互反矩阵，我们求其最大特征根，再求与对应的特征向量g，则可按g对n个物体按重量大小排序。但是，这一番理论有几个疑点：①当A不满足一致性时，A还有没有最大正的特征根；②既使A有最大特征根，那么，这个最大特征根对应的特征向量的全部分量能否还是正数（重量不可能为负数）？这两个问题可以用矩阵代数中Perro—Frobineus定理回答。 Perro-Frobineus定理： 正矩阵存在重数为1重的正特征根，其它特征根的模均小于这个正特征根，该正特征根对应的特征向量可以全部由正分量组成，经“归一化”处理后该特征向量是惟一的。（证明见itac的ecmp平台文档库中 Proof_Of_PF_Theorem.pdf） Perron定理明白地告诉我们，对正互反矩阵A，既使它不满足一致性，也一定存在最大正的实特征根，它对应的特征向量的各个分量都可以是正数，并且“归一化”后是惟一的。但是，我们能否按这个“归一化”后是惟一的特征向量对n个物体按重量大小排序呢？或说这个“归一化”后的特征向量是否会改变扰动前的一致性矩阵A的最大特征根=n对应的特征向量的各分量间大小的排序呢？这个问题太难了，人们简直难于正面明确地回答，而只能给出一个并不是十分令人满意的简接回答。那就是对判断矩阵的一致性满意程度进行检验： 我们说过，由于对A不大的扰动，最大特征根离n不应太远，所以一致性检验自然与n有关。我们可以证明：只要A的一致性不被满足，那么A的最大特征根一定比n大，即–n0。（对于正互反矩阵最大特征根随扰动的变大而变大的证明没有找到，忘补充） 令 显然，我们希望尽量小；但是，小到什么程度，才能使与n对应的特征向量“归一化”后各分量大小次序不被破坏呢？这仍是一个非常非常困难的问题，可以说，人们难以正面回答这个问题。为此，AHP发明者Saaty给出了平均一致性检验值。我们重复1000次，对随机判断矩阵A的最大特征根进行计算后求取算术平均值得到如下平均随机一致性检验指标如下： 阶数 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 R.I. 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59 令 当时，认为判断矩阵A的一致性是可以被接受的。亦即当时，就是说，当给定的判