81 AHP决策分析的基本原理与计算方法.pptxVIP

第8章 AHP决策分析方法;本章主要内容;美国运筹学家T. L. Saaty 于20 世纪70 年提出的AHP 决策分析法（analytic hierarchyprocess，简称AHP方法），是一种定性与定

量相结合的决策分析方法。

它常常被运用于多目标、多准则、多要

素、多层次的非结构化的复杂决策问题，特别别是战略决策问题的研究，具有十分广泛的实用性。;AHP决策分析法，是一种将决策者对复杂问题的决策思维过程模型化、数量化的过程。通过这种方法，可以将复杂问题分解为若干层次和若干因素，在各因素之间进行简单的比较和计算，就可以得出不同方案重要性程度的权重，从而为决策方案的选择提供依据。

AHP决策分析法，是解决复杂的非结构化的地理决策问题的重要方法，是计量地理学的主要方法之一。;第1节AHP决策分析的基本原理与计算方法;一、基本原理AHP决策分析方法的基本原理，可以用以下的简单事例分析来说明。假设有n个物体A1，A2，…，An，它们的质量分别记为W1，W2，…，Wn。现将每个物体的重量两两进行比较较如下：;若以矩阵来表示各物体的这种相互质量关系;若取质量向量W＝[W1，W2，…，Wn]T，则有;;这一思路提示我们——;;在这一个步骤中，要求将问题所含的要素进行分组，把每一组作为一个层次，并将它们按照：最高层（目标层）—若干中间层（

（准则层）—最低层（措施层）的次序排列起来。

这种层次结构模型常用结构图来表示（图8.1.1），图中要标明上下层元素之间的关系。;图8.1.1AHP决策分析法层次结构示意图;如果某一个元素与下一层的所有元素均有联系，则称这个元素与下一层次存在有完全层次的关系。;（三）构造判断矩阵;②其中，bij表示对于Ak而言，元素Bi对Bj的相对重要性程度的判断值。

一般取1，3，5，7，9等5个等级标度，其意义

为：1表示Bi与Bj同等重要；3表示Bi较Bj重要一点；5表示Bi较Bj重要得多；7表示Bi较Bj更重要；9表示Bi较Bj极端重要。

而2，4，6，8表示相邻判断的中值，当5个等级不够用时，可以使用这几个数。;③显然，对于任何判断矩阵都应满足;⑤如果判断矩阵存在关系;①目的：确定本层次与上层次中的某元素有联系的各元素重要性次序的权重值。②任务：计算判断矩阵的特征根和特征

向量。即对于判断矩阵B，计算满足

（8.1.5）;③检验判断矩阵的一致性:通过前面的分析，我们知道，如果判断矩阵B具有完全一致性时时,λmax＝n。但是，在一般情况下是不可能的。为了检验判断矩阵的一致性，需要计

算它的一致性指标

（8.1.6）

在（8.1.6）式中，当CI＝0时，判断矩阵具有有完全一致性；反之，CI愈大，就表示判断断矩阵的一致性就越差。;为了检验判断矩阵是否具有令人满意的一致性，需要将CI与平均随机一致性指标RI（表8.1.1）进行比较。

一般而言，1或2阶的判断矩阵总是具有完全一致性的。对于2阶以上的判断矩阵，其一致性指标CI与同阶的平均随机一致性指标RI之;表8.1.1平均随机一致性指标;（五）层次总排序;假如上一层的层次总排序已经完成，元素A1，A2，…，Am得到的权重值分别为a1，a2，…，am；与Aj对应的本层次元素B1，B2，…，Bn

的层次单排序结果为[]T（当Bi与Aj无联系时，

＝0）；那么，B层次的总排序结果见表8.1.2。;表8.1.2层次总排序表;（六)层次总排序的一致性检验;RI＝;当CR0.10时，则认为层次总排序的计算结果具有令人满意的一致性；否则，就需要对本层次的各判断矩阵进行调整，直至层次总排序的一致性检验达到要求为止。;三、计算方法;常常用如下两种近似算法求解判

断矩阵的最大特征根及其所对应的特征向量。;(一) 方根法;将向量 ＝归一化;(二) 和积法;将向量＝归一化;四、对AHP方法的简单评价;缺点

存在着较大的随意性。

譬如，对于同样一个决策问题，如果在互不干扰、互不影响的条件下，让不同的人同样都采用AHP决策分析方法进行研究，则他们所建立的层次结构模型、所构造的判断矩阵很可能是各不相同的，分析所得出的结论也可能各有差异。;为了克服这种缺点，在实际运用中，特别是在多目标、多准则、多要素、多层次的非结构化的战略决策问题的研究中，对于问题所涉涉及的各种要素及其层次结构模型的建立，往往需要多部门、多领域的专家共同会商、集体决定；在构造判断矩阵时，对于各个因素之间的重要程度的判断，也应该综合各个专家的不同意见，譬如，取各个专家的判断值的平均数、众数或中位数。;