2.3 【实验】旅游地选择.docx

【实验】旅游地选择

2.3.1问题描述

某人要出去旅游，有3个备选旅游地供参考，他准备从景色、费用、居住条件、饮食、交通便利这5个因素来考量，选择最优的旅游地。

下面将详细阐述利用层次分析法求解该问题的整个过程，实际上学习一个算法也是这样一个过程，希望读者能仔细体会、举一反三。

●在理解算法原理和步骤的基础上，选择一个具体算例，按照算法步骤逐步推演一遍，直到到达最终结果。

●这里的推演，指的是借助编程演算，其实就是一个翻译过程，如果用笔算知道怎么算，那就按编程语法翻译成代码，让计算机计算。

●一旦完成了这个计算机推演过程，就可以把它打包封装成自定义函数，下次想使用该算法解决问题时，只需要简单地调用一个函数即可。

2.3.2建立层次结构

根据本问题的描述，可以构建出如图2-4所示的层次结构。

2-4旅游地选择的层次结构图

2.3.3构造判断矩阵

将5个因素景色、费用、居住条件、饮食、交通便利分别记为x1、x2、x3、x4、x5。某人根据自己的考量，给出了如下的判断矩阵。

其中，aij表示xi与xj对选择旅游地的相对重要性之比。比如，a21=2表示在该人看来，费用x2是景色x1的2倍重要。

先在MATLAB中输入判断矩阵，矩阵是存放同类型数据的二维容器，用[]括起来，逗号或空格用来换列，分号用来换行：

【例AHP1】：

A=[11/2433;

21755;

1/41/711/21/3;

1/31/5211;

1/31/5311]%行尾不加分号,会输出该对象，若不想输出就要加上分号

2-5运行结果

2.3.4计算权向量及一致性检验

根据判断矩阵A计算最大特征值及其对应的特征向量，还要计算一致性指标，做一致性检验。

计算最大特征值及其对应的特征向量，可以使用MATLAB自带函数，更简单。

我们采用方根法来近似计算最大特征值及其对应的特征向量。

第一步：计算判断矩阵每一行元素的乘积。

MATLAB的自带函数prod()用来计算连乘，有参数可以控制按行或列连乘。

【例AHP1】：

W=prod(A,2)%计算每一行乘积

2-6运行结果

第二步：计算W中各元素的n次方根。

【例AHP1】：

n=size(A,1);%矩阵行数

W=nthroot(W,n)%计算n次方根

2-7运行结果

第三步：对W做归一化，得到权向量。

【例AHP1】：

W=W/sum(W)%归一化得到权向量

2-8运行结果

归一化后的向量，其各个元素的和为1，适合作为权重。

第四步：计算最大特征值。

要将一个数学表达式翻译成代码，首先得看懂它：等号右端分子是矩阵An×n乘向量Wn×1，结果是n×1向量，然后逐元素除以W中的对应元素，最后求和再除以n，即取平均。

【例AHP1】：

Lmax=mean((A*W)./W)%计算最大特征值

2-9运行结果

第五步：计算一致性指标。

【例AHP1】：

CI=(Lmax-n)/(n-1)%计算一致性指标

2-10运行结果

第六步：与Saaty给出的随机一致性指标对比，计算一致性比率

【例AHP1】：

RI=[000.580.901.121.241.321.411.451.491.51];

CR=CI/RI(n)%计算一致性比率

2-11运行结果

一致性比率CR=0.016＜0.1，满足一致性要求，故第三步得到的权向量

W=[0.2636,0.4773,0.0531,0.0988,0.1072]T

可以使用。这5个权重就对应5个因素：景色、费用、居住条件、饮食、交通便利的重要程度。可见，在该人看来，费用最重要占47.73%，其次是景色占26.36%。

有了这几个权重，一种可行的做法是：再对方案层3个备选旅游地，就景色、费用、居住条件、饮食、交通便利分别打分，将分数根据该权重合成，这样就能计算出每个备选旅游地的总得分，据此就可以做出决策，优先选择得分最高的旅游地。

2.3.5整个层次结构的组合权重向量

本案例采用了与上述不同的做法，不是对3个旅游地的各因素分别打分，而是根据3个旅游地与5个因素构成的层次结构，继续用层次分析法计算权向量，最终合成总的3个旅游地对该人选择旅游地（目标层）的组合权向量。

方案层（3个旅游地）对准则层（5个因素）构成了5个单独的层次结构，此时，可以理解为3个