数学建模方法详解三种最常用算法.docxVIP

数学建模方法详解 --三种最常用算法 一、层次分析法 层次分析法 [1] ( analytic hierarchy process， AHP) 是美国著名的运筹学家 T．L．Saaty 教授于 20 世纪 70 年代初首先提出的一 种定性与定量分析相结合的多准则决策方法 [2 ， 3， 4] ．该方法是社会、经济系统决策的有效工具，目前在工程计划、资源分配、方案排序、政策制定、冲突问题、性能评价等方面都有广泛的应用． (一 ) 层次分析法的基本原理 层次分析法的核心问题是排序，包括递阶层次结构原理、测度原理和排序原理 [5] ．下面分别予以介绍． 1． 递阶层次结构原理 一个复杂的结构问题可以分解为它的组成部分或因素，即目标、准则、方案等．每一个因素称为元素．按照属性的不同把这 些元素分组形成互不相交的层次，上一层的元素对相邻的下一层的全部或部分元素起支配作用，形成按层次自上而下的逐层支配 关系．具有这种性质的层次称为递阶层次． 2． 测度原理 决策就是要从一组已知的方案中选择理想方案，而理想方案一般是在一定的准则下通过使效用函数极大化而产生的．然而对 于社会、经济系统的决策模型来说，常常难以定量测度．因此，层次分析法的核心是决策模型中各因素的测度化． 3． 排序原理 层次分析法的排序问题，实质上是一组元素两两比较其重要性，计算元素相对重要性的测度问题． ( 二 ) 层次分析法的基本步骤 层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一致的 [1] ． 1． 成对比较矩阵和权向量 为了能够尽可能地减少性质不同的诸因素相互比较的困难，提高结果的准确度． T．L ． Saaty 等人的作法，一是不把所有因 素放在一起比较，而是两两相互对比，二是对比时采用相对尺度． 假设要比较某一层 n 个因素 C1 , , Cn 对上层一个因素 O 的影响，每次取两个因素 Ci 和 C j ，用 aij 表示 Ci 和 C j 对 O 的影响之比， 全 部 比 较 结 果 可 用 成 对 比 较 阵 A aij n n , aij0, a ji 1 表示， A 称为正互反矩阵． aij 一般地，如果一个正互反阵 A 满足： aij a jk aik , i, j ,k 1,2,L , n （1） 则 A 称为一致性矩阵，简称一致阵．容易证明 n 阶一致阵 A 有下列性质： ① A 的秩为 1， A 的唯一非零特征根为 n ； ② A 的任一列向量都是对应于特征根 n 的特征向量． 如果得到的成对比较阵是一致阵， 自然应取对应于特征根 n 的、归一化的特征向量 （即分量之和为 1）表示诸因素 C1, ,C n 对上层因素 O 的权重，这个向量称为权向量． 如果成对比较阵 A 不是一致阵，但在不一致的容许范围内， 用对应于 A 最大特征根 ( 记 作 ) 的特征向量（归一化后）作为权向量 w ，即 w 满足： Aw  w  （2） 直观地看，因为矩阵  A 的特征根和特征向量连续地依赖于矩阵的元素  aij  ，所以当  aij  离一致性的要求不远时  , A 的特征根和特 征向量也与一致阵的相差不大． （ 2）式表示的方法称为由成对比较阵求权向量的特征根法． 2． 比较尺度 当比较两个可能具有不同性质的因素  C i 和 C j 对于一个上层因素  O 的影响时，采用  Saaty等人提出的  1  9尺度，即 aij  的取值范 围是 1,2,  ,9 及其互反数  1,1 2,  ,1 9． 3．  一致性检验 成对比较阵通常不是一致阵，但是为了能用它的对应于特征根 的特征向量作为被比较因素的权向量，其不一致程度应在容 许范围内． 若已经给出 n 阶一致阵的特征根是 n ，则 n 阶正互反阵 A 的最大特征根 n ，而当 n 时 A 是一致阵．所以 比 n 大得越多， A 的不一致程度越严重，用特征向量作为权向量引起的判断误差越大．因而可以用 n 数值的大小衡量 A 的不一致程度． Saaty 将 CI n (3) 1 n 定义为一致性指标． CI 0 时 A 为一致阵； CI 越大 A 的不一致程度越严重．注意到 A 的 n 个特征根之和恰好等于 n ，所以 CI 相当 于除 外其余 n 1 个特征根的平均值． 为了确定 A 的不一致程度的容许范围，需要找到衡量 A 的一致性指标 CI 的标准，又引入所谓随机一致性指标 RI ，计算 RI 的 过程是：对于固定的 n ，随机地构造正互反阵 A ，然后计算 A 的一致性指标 CI ． 表 1 随机一致性指标 RI 的数值 n 1 2 3 4 5 6 7 8 9 10 1