2.2 以层次分析法为例.docx

以层次分析法为例

2.2.1层次分析法

按照层次分析法的算法步骤逐步推演到最终结果。主要涉及编程技术如下。

向量化编程：同时对向量或矩阵中的所有元素，做同一种运算，如四则运算、应用函数、汇总计算等，使得代码更加简洁、高效。

自定义函数：是对代码段的一种封装，小到一个功能，大到一个算法，一旦调试通过，就可以封装为自定义函数，就好比创造了该功能或算法的“模具”，后续便于简单、批量地生成“产品”。

层次分析法(AnalyticHierarchyProcess,AHP)是美国运筹学家Saaty于20世纪70年代，应用网络系统理论和多目标综合评价方法提出的一种层次权重决策分析方法。层次分析法是将与决策有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。

层次分析法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。尤其适合对决策结果难以直接准确量化的情形。

层次分析法合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程细致化（层次化、数量化），经常被用来处理复杂的决策问题，而决策是基于该方法计算出的权重，所以也常被用来确定指标的权重。

●AHP的优点

(1)系统性

层次分析法是一种系统分析工具，它把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。

(2)简洁实用

把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系，最后进行简单的数学运算。

(3)所需定量数据信息较少

层次分析法主要是从评价者对评价问题的本质和要素的理解出发，可以不需要量化数据，根据定性的分析和判断即可完成。

●AHP的缺点

(1)不能为决策提供新方案

层次分析法的作用是只能从主观的原有方案中进行选取，而不能为决策者提供解决问题的新方案。

(2)定量数据较少，定性和主观判断成分多，不易令人信服

层次分析法是模拟人脑的决策方式，带有较强的定性和主观色彩，不如严格数学论证和定量方法更让人信服。

(3)指标过多时，权重难以确定

指标的增加就意味着要构造层次更深、数量更多、规模更庞大的判断矩阵，判断的一致性可能会有问题。

实际使用层次分析法，需要通过问卷的方式，找若干专家进行两两比较或对因素重要性进行打分，据此得到成对比较矩阵。层次分析法常被用作确定综合评价模型中指标的权重的方法，不需要定量数据，根据指标做定性比较再做AHP合成就能得到权重。但建模竞赛时只能依赖于队员主观比较，使得结果主观性太强而不被评审所认可。所以，建模竞赛时应当避免将层次分析法作为决策的主模型或赋权的唯一方法。

2.2.2AHP算法步骤

1.建立层次结构

在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。

最上层为目标层，通常只有一个因素，最下层通常为方案层或对象层，中间可以有一个或多个层次，通常为准则层或指标层。一般层次结构模型的示意图如图2-1所示。

2-1一般层次结构模型的示意图

2.构造判断矩阵

这一步是要比较层次结构模型的第二层各个因素对上一层因素的影响，从而确定它们对上层因素的影响作用中所占的权重。有时需要理解为下层因素对上层因素的贡献。

设有n个因素x1，x2，…，xn对上一层目标有影响，直接确定它们对目标的影响程度不是很容易，所以每次取两个因素xi与xj比较，用aij表示xi与xj对上层目标的影响比，则称A=(aij)n×n为判断矩阵或成对比较矩阵。

矩阵A中的元素满足：

判断矩阵主对角线上的元素都为1，关于主对角线对称的元素互为倒数，所以是正互反矩阵。

Saaty根据绝大多数人认知事物的心理习惯，建议用1～9及其倒数作为标度来确定aij的值，具体对应关系如图2-2所示。

2-2Saaty发明的1~9标度含义

其中，2，4，6，8分别介于1，3，5，7，9对应的重要程度之间。

3.计算权向量及一致性检验

对于每一个判断矩阵，计算其最大特征值λmax及对应特征向量。

再进行一致性检验：利用一致性指标、平均随机一致性指标计算一致性比率。若检验通过，那么归一化特征向量即为权向量；若不通过，需重新构造判断矩阵A。

判断矩阵涉及的一个关键问题：一致性，这涉及两两比较的传递性。比如a的重要性是b的2倍，b的重要性是c的3倍，则传递过来的a的重要性是c的6倍