编程
% 对第一层指标直觉偏好矩阵进行变换，计算其直觉模糊判断矩阵clc,clear
r1=[0.5 0.65 0.6;
0.25 0.5 0.55;
0.2 0.3 0.5];
r2=[0.5 0.25 0.2;
0.65 0.5 0.3;
0.6 0.55 0.5];
R1=r1;
R2=r2;
R1(1,3)=(r1(1,2)*r1(2,3))/((r1(1,2)*r1(2,3))+(1-r1(1,2))*(1-r1(2,3)));
R2(1,3)=(r2(1,2)*r2(2,3))/((r2(1,2)*r2(2,3))+(1-r2(1,2))*(1-r2(2,3)));
R1(3,1)=R2(1,3);
R2(3,1)=R1(1,3);
R0=ones(3);r0=ones(3);
C=abs(R1-r1)+abs(R2-r2)+abs((R0-R1-R2)-(r0-r1-r2));
d0=(1/(2*(3-1)*(3-2)))*sum(sum(C))
% d0=0.0942<0.1通过一致性检验
%--------------------------------------------------------------------------
% 对第二层指标直觉偏好矩阵进行变换，计算其直觉模糊判断矩阵r1=[0.5 0.25 0.2;
0.65 0.5 0.55;
0.6 0.23 0.5];
r2=[0.5 0.65 0.6;
0.25 0.5 0.3;
0.2 0.55 0.5];
R1=r1;
R2=r2;
R1(1,3)=(r1(1,2)*r1(2,3))/((r1(1,2)*r1(2,3))+(1-r1(1,2))*(1-r1(2,3)));
R2(1,3)=(r2(1,2)*r2(2,3))/((r2(1,2)*r2(2,3))+(1-r2(1,2))*(1-r2(2,3)));
R1(3,1)=R2(1,3);
R2(3,1)=R1(1,3);
R0=ones(3);r0=ones(3);
C=abs(R1-r1)+abs(R2-r2)+abs((R0-R1-R2)-(r0-r1-r2));
d1=(1/(2*(3-1)*(3-2)))*sum(sum(C))
% d0=0.1568>0.1未通过一致性检验
%--------------------------------------------------------------------------
% 设置参数进行调整
p=0.6;
R3=[];
for i=1:3
for j=1:3
R3(i,j)=(((r1(i,j))^(1-p))*((R1(i,j))^p))/(((r1(i,j))^(1-p))*((R1(i,j))^p)+(((1-r1(i,j))^(1-p)))*(((1-R1(i,j))^ p)));
R4(i,j)=(((r2(i,j))^(1-p))*((R2(i,j))^p))/(((r2(i,j))^(1-p))*((R2(i,j))^p)+(((1-r2(i,j))^(1-p)))*(((1-R2(i,j))^ p)));
end
end
R0=ones(3);r0=ones(3);
C=abs(R3-r1)+abs(R4-r2)+abs((R0-R3-R4)-(r0-r1-r2));
d2=(1/(2*(3-1)*(3-2)))*sum(sum(C))
% d1=0.0937<0.1通过一致性检验
%--------------------------------------------------------------------------
m=ones(3);
% 求得B的权重
bq1=[sum(R3(1,:))/sum(sum(m-R4)) 1-(sum(1-R3(1,:))/sum(sum(R4)))];
bq2=[sum(R3(2,:))/sum(sum(m-R4)) 1-(sum(1-R3(2,:))/sum(sum(R4)))];
bq3=[sum(R3(3,:))/sum(sum(m-R4)) 1-(sum(1-R3(3,:))/sum(sum(R4)))];
bq=[bq1;bq2;bq3]
%--------------------------------------------------------------------------
% 求C1的权重
wc1=ny_dc([0.3712,0.5997],[0.5476,0.3412]);
wc2=ny_dc(wc1,[0.1996,0.6626])
%--------------------------------------------------------------------------
% 对甲基金进行权重分析
W1=[0.4343,0.1677];
% 对乙基金进行权重分析
W2=[0.3990,0.1370];
%--------------------------------------------------------------------------
% 步骤六、绩效评价的排序
p1=0.5*(1+1-W1(1)-W1(2))*(1-W1(1))
p2=0.5*(1+1-W2(1)-W2(2))*(1-W2(1))
计算结果
d0 =
0.0942
0.1568
d2 =
0.0937
bq =
0.2005 0.5012
0.3405 0.6756
0.2476 0.5599 wc2 =
0.0406 0.9110 p1 =
0.3954
p2 =
0.4399
层次分析法建模 层次分析法（AHP－Analytic Hierachy process）---- 多目标决策方法 70 年代由美国运筹学家T·L·Satty提出的，是一种定性与定量分析相结合的多目标决策分析方法论。吸收利用行为科学的特点，是将决策者的经验判断给予量化，对目标（因素）结构复杂而且缺乏必要的数据情况下，採用此方法较为实用，是一种系统科学中，常用的一种系统分析方法，因而成为系统分析的数学工具之一。 传统的常用的研究自然科学和社会科学的方法有： 机理分析方法：利用经典的数学工具分析观察的因果关系； 统计分析方法：利用大量观测数据寻求统计规律，用随机数学方法描述（自然现象、 社会现象）现象的规律。 基本内容：（1）多目标决策问题举例AHP建模方法 （2）AHP建模方法基本步骤 （3）AHP建模方法基本算法 （3）AHP建模方法理论算法应用的若干问题。 参考书： 1、姜启源，数学模型（第二版，第9章；第三版，第8章），高等教育出版社 2、程理民等，运筹学模型与方法教程，（第10章），清华大学出版社 3、《运筹学》编写组，运筹学（修订版），第11章，第7节，清华大学出版社 一、问题举例： A．大学毕业生就业选择问题 获得大学毕业学位的毕业生，“双向选择”时，用人单位与毕业生都有各自的选择标准和要求。就毕业生来说选择单位的标准和要求是多方面的，例如： ①能发挥自己的才干为国家作出较好贡献（即工作岗位适合发挥专长）； ②工作收入较好（待遇好）； ③生活环境好（大城市、气候等工作条件等）； ④单位名声好（声誉-Reputation）； ⑤工作环境好（人际关系和谐等） ⑥发展晋升（promote, promotion）机会多（如新单位或单位发展有后劲）等。 问题：现在有多个用人单位可供他选择，因此，他面临多种选择和决策，问题是他将如何作出决策和选择？——或者说他将用什么方法将可供选择的工作单位排序？
基于层次分析法的模糊综 合评价模型 Prepared on 22 November 2020
2016江西财经大学数学建模竞赛A题 城市交通模型分析 参赛队员:黄汉秦、乐晨阳、金霞 参赛队编号：2016018 2016年5月20日~5月25日
承诺书 我们仔细阅读了江西财经大学数学建模竞赛的竞赛章程。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C中选择一项填写）：A 我们的参赛队编号为2016018 参赛队员(打印并签名)： 队员1.姓名专业班级计算机141 队员2.姓名专业班级计算机141 队员3.姓名专业班级计算机141 日期：2016年5月25日
编号和阅卷专用页 2016年5月15日制定
城市交通模型分析 摘要 随着国民经济的高速发展和城市化进程的加快，我国机动车保有量及道路交通流量急剧增加，交通出行结构发生了根本变化，城市道路交通拥挤堵塞问题已成为制约经济发展、降低人民生活质量、削弱经济活力的瓶颈之一。本篇论文针对道路拥挤的问题采用层次分析法进行数学建模分析，讨论拥堵的深层次问题及解决方案。 首先建立绩效评价指标的层次结构模型，确定了目标层，准则层（一级指标），子准则层（二级指标）。 其次，建立评价集V=(优，良，中，差)。对于目标层下每个一级评价指标下相对于第m 个评价等级的隶属程度由专家的百分数u 评判给出，即U ＝[0,100]应用模糊统计建立它们的隶属函数A(u)，B(u)，C(u)，D(u)，最后得出目标层的评价矩阵Ri ，（i=1,2,3,4,5）。利用A,B 两城相互比较法，根据实际数据建立二级指标对于相应一级指标的模糊判断矩阵P i （i=1,2,3,4,5） 然后，我们经过N 次试验调查，明确了各层元素相对于上层指标的重要性排序，构造模糊判断矩阵P ，利用公式 []R W R W R W R W R W W R W O 5 5 4 4 3 3 2 2 1 1 ,,,,==计算出权重值，经过一致性检验公式 RI CI CR = 检验后，均有0.1CR <，由此得出各层次的权向量()12,,T n W W W W =。然后 后，给出建立绩效评价模型（其中O 是评价结果向量），应用模糊数学中最大隶属度原则，对被评价城市交通的绩效进行分级评价。 接着在改进方案中，我们具体以交叉口为中心建立模型，其中包括道路长度、宽度、车辆平均长度、车速等等考虑因素。通过车辆排队长度可以间接判断交通拥堵情况，不需要测量车速、时间等因素而浪费的人力物力和财力，有效的提高了工作成本和效率。为管理城市交通要道提供了良好的模型和依据。 【关键字】交通拥堵层次分析法模糊综合评判绩效评价隶属度 一、问题重述 随着我国经济社会持续快速发展，群众购车刚性需求旺盛，汽车保有量继续呈快速增长趋势，2015年新注册登记的汽车达2385万辆，保有量净增1781万辆，均为历史最高水平。汽车占机动车的比率迅速提高，近五年汽车占机动车比率从%提高到%，群众机动化出行方式经历了从摩托车到汽车的转变，交通出行结构发生了根本性变化。 2015年，小型载客汽车达亿辆，其中，以个人名义登记的小型载客汽车（私家车）达到亿辆，占小型载客汽车的%。与2014年相比，私家车增加1877万辆，增长%。全国有40个城市的汽车保有量超过百万辆，北京、成都、深圳、上海、重庆、天津、苏州、郑州、杭州、广州、西安11个城市汽车保有量超过200万辆。全国平均每百户家庭拥有31辆私家车，北京、成都、深圳等大城市每百户家庭拥有私家车超过60辆。
disp('请输入判断矩阵A(n阶)'); A=input('A='); [n,n]=size(A); x=ones(n,100); y=ones(n,100); m=zeros(1,100); m(1)=max(x(:,1)); y(:,1)=x(:,1); x(:,2)=A*y(:,1); m(2)=max(x(:,2)); y(:,2)=x(:,2)/m(2); p=0.0001;i=2;k=abs(m(2)-m(1)); while k>p i=i+1; x(:,i)=A*y(:,i-1); m(i)=max(x(:,i)); y(:,i)=x(:,i)/m(i); k=abs(m(i)-m(i-1)); end a=sum(y(:,i)); w=y(:,i)/a; t=m(i); disp(w);disp(t); %以下是一致性检验 CI=(t-n)/(n-1);RI=[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]; CR=CI/RI(n); if CR<0.10 disp('此矩阵的一致性可以接受!'); disp('CI=');disp(CI); disp('CR=');disp(CR); end function AHPInit1(x,y) %层次分析的初始化 %默认只有两层x为准则数，y为方案数 %CToT为准则对目标生成的比较阵 %EigOfCri为准则层的特征向量 %EigOfOpt为选项层的特征向量 EigOfCri=zeros(x,1);%准则层的特征向量 EigOfOpt=zeros(y,x); dim=x;%维度 RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51];%RI标准%生成成对比较阵 for i=1:dim CToT(i,:)=input('请输入数据:'); end CToT %输出 pause, tempmatrix=zeros(x+1);
%% AHP weight calculation %%data input clc clear all A =[1 3 5 7 9 5;1/3 1 3 9 3 3;1/5 1/3 1 3 3 1/3;1/7 1/9 1/3 1 5 1/3;1/9 1/3 1/3 1/5 1 1/3;1/5 1/3 1 3 3 1]; %%Consistency calculation and weight vector calculation [n,n] = size(A); [v,d] = eig(A); r = d(1,1); CI = (r-n)/(n-1); RI = [0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59]; CR = CI/RI(n); if CR<0.10 CR_Result = 'pass'; else CR_Result = 'no pass'; end % % Weight vector calculation w = v(:,1)/sum(v(:,1));
w = w'; % % output disp('The judgment matrix weight vector calculation report：'); disp('coincidence indicator：');disp(num2str(CI)); disp('Consistency ratio：');disp(num2str(CR)); disp(' Consistency test results：');disp(CR_Result); disp('eigenvalue:');disp(num2str(r)); disp('weight vector:');disp(num2str(w));
一、引言 层析分析法是将定量与定性相结合的多目标决策法,是一种使用频率很高的方法,在经济管理、城市规划等许多领域得到了广泛应用。由于其结果受主观思维的影响较大,许多科研工作者对其进行了深入的研究,将模糊理论与层次分析法相结合,提出了模糊层次分析法。为克服层次分析法中判断矩阵的一致性与人类思维的一致性存在的显著差异,文献[1-2]引入了模糊一致矩阵。为解决解的精度及收敛问题,文献[3-4]引入幂法来求排序向量。运用模糊层次分析法研究实际问题时,常采用迭代法来得到精度更高的排序向量,这就要求选择合适的初始值并通过大量的计算,为此,文中利用三种方法计算了初始排序向量,并给出了算法的Matlab程序,最后通过实例说明。 二、模糊层次分析法 为解决AHP种所存在的问题,模糊层次分析法引入模糊一致矩阵,无需再进行一致性检验,同时使用幂法来计算排序向量,可以减少迭代齿数,提高收敛速度,满足计算精度的要求.具体步骤: 1.构造优先关系矩阵 采用0.1～0.9标度[2],建立优先判断矩阵 2.将优先关系矩阵转化为模糊一致矩阵 3.计算排序向量 (1)和行归一法: (2)方根法: (3)利用排序法: (4)利用幂法[5-6]求精度更高的排序向量: 否则,继续迭代。 三、模糊层次分析法的程序实现 给出模糊层次分析法的Matlab程序。 clear; clc; E=input('输入计算精度e:') Max=input('输入最大迭代次数Max:')
F=input('输入优先关系矩阵F:'); %计算模糊一致矩阵 N=size(F); r=sum(F'); for i=1:N(1) for j=1:N(2) R(i,j)=(r(i)-r(j))/(2*N(1))+0.5; end end E=R./R'; % 计算初始向量---------- % W=sum(R')./sum(sum(R)); % 和行归一法 %--------------------------------------------------------- for i=1:N(1) S(i)=R(i,1); for j=2:N(2) S(i)=S(i)*R(i,j); end end S=S^(1/N(1)); W = S./sum(S);%方根法%-------------------------------------------------------- % a=input('参数a=?'); %W=sum(R')/(N(1)*a)-1/(2*a)+1/N(1); %排序法 % 利用幂法计算排序向量----V(:,1)=W'/max(abs(W)); %归一化 for i=1:Max V(:,i+1)=E*V(:,i); V(:,i+1)=V(:,i+1)/max(abs(V(:,i+1))); if max(abs(V(:,i+1)-V(:,i)))k=i; A=V(:,i+1)./sum(V(:,i+1)); break Else End End 四、计算实例
模糊层次分析法理论基础 FAHP及计算过程层次分析法(AHP)是20世纪70年代美国运筹学家T.L. Saaty教授提出的一种定性与定量相结合的系统分析方法,该方法对于量化评价指标,选择最优方案提供了依据,并得到了广泛的应用。然而, AHP存在如下方面的缺陷:检验判断矩阵是否一致非常困难,且检验判断矩阵是否具有一致性的标准CR < 0. 1缺乏科学依据;判断矩阵的一致性与人类思维的一致性有显著差异。为此,本文结合模糊数学理论,首先介绍了模糊层次分析法(Fuzzy - AHP) FAHP ,然后用FAHP对公共场所安全性指标权重进行了处理。 1. 1 模糊一致矩阵及有关概念[4 ,5 ] 1. 1. 1 定义1. 1 设矩阵R = ( rij) n×n ,若满足: 0 ≤( rij) ≤ 1 , ( i = 1 ,2 , ……n , j = 1 ,2 , ……n)，则称R 为模糊矩阵 1. 1. 2 定义1. 2 若模糊矩阵R = ( rij) n×n ,若满足: Πi , j , k 有rij= rik - rij + 0. 5 ,则称模糊矩阵R 为模糊一致矩阵。 1. 1. 3 定理1. 1 设模糊矩阵R = ( rij) n×n是模糊一致矩阵,则有 (1) Πi ( i = 1 ,2 , …n) ,则rij = 0. 5 ; (2) Πi , j ( i = 1 ,2 , …n , j = 1 ,2 , …n) ,有rij + rji= 1 ; (3) R 的第i 行和第i 列元素之和为n ; (4)从R 中划掉任一行及其对应列所得的矩阵仍然是模糊一致矩阵; (5) R 满足中分传递性,即当λ≥0. 5 时,若rij≥λ, rjk ≥λ,则rij ≥λ;当λ≤0. 5 时,若rij ≤λ, rjk ≤λ,则rij ≤λ。(证明见文献1) 。 1. 1. 4 定理1. 2 模糊矩阵R = ( rij) n×n是模糊一致矩阵的充要条件是任意指定行和其余各行对应元素之差是一个常数。 1. 1. 5 定理1. 3 如果对模糊互补矩阵 F = ( f ij) n×n按行求和,记为ri = 6nk = 1f ik ( i = 1 ,2 , …, n) ,并施之如下数学变换:rij =ri - rj2 m + 0. 5 (1)，则由此建立的矩阵是模糊一致的。 1. 2 模糊一致判断矩阵的建立 模糊一致判断矩阵的建立R 表是针对上一层某元素,本层次与之有关元素之间相对重要性的比较,假定上一层次元素T 同下一层次元素a1 , a2 ,…, an 有关系,则模糊一致判断矩阵可表示为: rij的实际意义是:元素ai 和元素aj 相对于元素T 进行比较时, ai 和aj 具有模糊关系“…比…重要得多”的隶属度,表1采用0. 1～0. 9 数量标度来说明其模糊关系。
基于Matlab的层次分析法及其运用浅析 本文通过使用Matlab软件进行编程,在满足同一层次中各指标对所有的下级指标均产生影响的假定条件下,实现了层次分析法的分析运算。本程序允许用户自由设定指标层次结构内的层次数以及各层次内的指标数,通过程序的循环,用户只需输入判断矩阵的部分数据,程序可依据层次分析法的计算流程进行计算并作出判断。本程序可以方便地处理层次分析法下较大的运算量,解决层次分析法的效率问题,提高计算机辅助决策的时效性。 标签：Matlab层次分析法判断矩阵决策 在当前信息化、全球化的大背景下,传统的手工计算已不能满足人们高效率、高准确度的决策需求。因此计算机辅助决策当仁不让地成为了管理决策的新工具、新方法。基于此,本文在充分发挥计算机强大运算功能的基础上,选用美国MathWorks公司的集成数学建模環境Matlab R2009a作为开发平台,使用M语言进行编程,对计算机辅助决策在层次分析法中的运用进行讨论。试图通过程序实现层次分析法在计算机系统上的运用,为管理决策探索出新的道路。 1 层次分析法的计算流程 根据层次分析法的相关理论,层次分析法的基本思想是将复杂的决策问题进行分解,得到若干个下层指标,再对下层指标进行分解,得到若干个再下层指标,如此建立层次结构模型,然后根据结构模型构造判断矩阵,进行单排序,最后,求出各指标对应的权重系数,进行层次总排序。 1.1 构造层次结构模型在进行层次分析法的分析时,最主要的步骤是建立指标的层次结构模型,根据结构模型构造判断矩阵,只有判断矩阵通过了一致性检验后,方可进行分析和计算。其中,结构模型可以设计成三个层次,最高层为目标层,是决策的目的和要解决的问题,中间层为决策需考虑的因素,是决策的准则,最低层则是决策时的备选方案。一般来讲,准则层中各个指标的下级指标数没有限制,但在本文中设计的程序尚且只能在各指标具有相同数量的下级指标的假定下,完成层次分析法的分析,故本文后文选取的案例也满足这一假定。 1.2 建立判断矩阵判断矩阵是表示本层所有因素针对上一层某一个因素的相对重要性的比较给判断矩阵的要素赋值时,常采用九级标度法(即用数字1到9及其倒数表示指标间的相对重要程度),具体标度方法如表1所示。 1.3 检验判断矩阵的一致性由于多阶判断的复杂性,往往使得判断矩阵中某些数值具有前后矛盾的可能性,即各判断矩阵并不能保证完全协调一致。当判断矩阵不能保证具有完全一致性时,相应判断矩阵的特征根也将发生变化,于是就可以用判断矩阵特征根的变化来检验判断的一致性程度。在层次分析法中,令判断矩阵最大的特征值为λmax,阶数为n,则判断矩阵的一致性检验的指标记为:
分析法总结 SWOT SWOT分析法又称为态势分析法，是一种能够较客观而准确地分析和研究一个单位现实情况的方法。 SWOT分别代表：strengths（优势）、weaknesses（劣势）、opportunities(机会)、threats（威胁）。 SWOT 分析通过对优势、劣势、机会和威胁的加以综合评估与分析得出结论，然后再调整企业资源及企业策略，来达成企业的目标。SWOT分析已逐渐被许多企业运用到包括：企业管理、人力资源、产品研发等各个方面。SWOT方法的重要贡献就在于用系统的思想将这些似乎独立的因素相互匹配起来进行综合分析，使得企业战略计划的制定更加科学全 面。 SWOT分析方法从某种意义上来说隶属于企业内部分析方法，即根据企业自身的既定内在条件进行分析。SWOT分析有其形成的基础。按照企业竞争战略的完整概念，战略应是一个企业“能够做的”（即组织的强项和弱项）和“可能做的”（即环境的机会和威胁）之间的有机组合。 优点：与其他的分析方法相比较，SWOT分析从一开始就具有显著的结构化和系统性的特征。就结构化而言，首先在形式上，SWOT分析法表现为构造SWOT结构矩阵，并对矩阵的不同区域赋予了不同分析意义；其次内容上，SWOT分析法的主要理论基础也强调从结构分析入手对企业的外部环境和内部资源进行分析。 缺点：SWOT方法自形成以来，广泛应用于战略研究与竞争分析，成为战略管理和竞争情报的重要分析工具。分析直观、使用简单是它的重要优点。即使没有精确的数据支持和更专业化的分析工具，也可以得出有说服力的结论。但是，正是这种直观和简单，使得SWOT不可避免地带有精度不够的缺陷。例如SWOT分析采用定性方法，通过罗列S、W、O、T的各种表现，形成一种模糊的企业竞争地位描述。以此为依据作出的判断，不免带有一定程度的主观臆断。所以，在使用SWOT方法时要注意方法的局限性，在罗列作为判断依据的事实时，要尽量真实、客观、精确，并提供一定的定量数据弥补SWOT定性分析的不足，构造高层定性分析的基础。 运用SWOT分析法使人事决策科学化 把SWOT分析法运用于人力资源规划中，通过利用变量因数法给SWOT矩阵中每个纬度的每一项因素配以权重，并根据权重进行定量分析，根据当时当地的人才市场情况和企业具体情况，用数量化的方式把企业优势、机会结合起来与劣势、威胁相比较，才能够清晰地分出自己选择战
层次分析法及其应用 摘要 在日常生活中我们会遇到许多决策问题，处理决策问题时，要考虑的因素很多。此文把层次分析法及其应用分为四个部分进行介绍，首先对层次分析的背景、现状、目的，其次对层次分析的原理进行分析，在运用层次分析和评价或决策时，按四个步骤进行描述：建立层次结构模型；构造成对比较矩阵；计算权向量并做一致性检验；计算组合权向量并做组合一致性检验，再次对层次分析的举例分析并行应用，最后进行总结。 关键词：层次分析法基本原理举例分析应用
1、绪论 层次分析法（The Analytic Hierarchy Pricess，以下简称AHP）是由美国运筹学家、匹兹堡大学萨第（T.L.Saaty）教授于本世纪70年代提出的，他首先于1971年在为美国国防部研究“应急计划”时运用了AHP，又于1977年在国际数学建模会议上发表了“无结构决策问题的建模—层次分析法”一文，此后AHP在决策问题的许多领域得到应用，同时AHP的理论也得到不断深入和发展。目前每年都有不少AHP的相关论文发表，以AHP为基本方法的决策分析系统—“专家选择系统”软件也已早推向市场，并日益成熟。 AHP于1982年传入我国。在当年召开的中美能源、资源、环境会议上萨第教授的学生高兰尼柴（H.Gholamnezhad）向中国学者介绍了这一新的决策方法。随后，许树柏等发表了发表了国内第一篇介绍AHP的文章“层次分析法—决策的一种实用方法”（1982年）。此后，AHP在我国得到迅速发展，1987年9月我国召开了第一届AHP 学术讨论会，1988年在我国召开了第一届国际AHP学术会议，目前AHP在应用和理论方面得到不断发展与完善。 它的主要特点是定性与定量分析相结合，将人的主观判断用数量形式表达出来并进行科学处理，因此，更能适合复杂的社会科学领域的情况，较准确地反映社会科学领域的问题。同时，这一方法虽然有深刻的理论基础，但表现形式非常简单，容易被人理解、接受，因此，这一方法得到了较为广泛的应用。
、模糊层次分析法的程序实现 给出模糊层次分析法的Matlab程序。 clear; clc; E=input('输入计算精度e:') Max=input('输入最大迭代次数Max:') F=input('输入优先关系矩阵F:'); %计算模糊一致矩阵 N=size(F); r=sum(F'); for i=1:N(1) for j=1:N(2) R(i,j)=(r(i)-r(j))/(2*N(1))+0.5; end end E=R./R'; % 计算初始向量---------- % W=sum(R')./sum(sum(R)); % 和行归一法 %--------------------------------------------------------- for i=1:N(1) S(i)=R(i,1); for j=2:N(2) S(i)=S(i)*R(i,j); end end S=S^(1/N(1)); W = S./sum(S);%方根法%-------------------------------------------------------- % a=input('参数a=?'); %W=sum(R')/(N(1)*a)-1/(2*a)+1/N(1); %排序法 % 利用幂法计算排序向量----V(:,1)=W'/max(abs(W)); %归一化 for i=1:Max V(:,i+1)=E*V(:,i); V(:,i+1)=V(:,i+1)/max(abs(V(:,i+1))); if max(abs(V(:,i+1)-V(:,i)))k=i; A=V(:,i+1)./sum(V(:,i+1)); break Else End End 四、计算实例 由优先关系矩阵得到模糊一致矩阵 利用三种方法计算排序向量分别为:
层次分析法的优缺点 优点： 1. 系统性的分析方法层次分析法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，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其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. 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是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，便于人们接受，且能把多目标、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后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。 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、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。 缺点： 1.不能为决策提供新方案层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从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。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够人家企业所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。 2. 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出
层次分析法程序举例： A=[1 1/7 1/5 2 4 1/3;7 1 3 5 5 3;5 1/3 1 5 5 3;1/2 1/3 1/5 1 2 1/3;1/4 1/5 1/5 1/2 1 1/5;3 1/3 1/3 3 5 1]; [v,d]=eig(A); eigenvalue=diag(d); lamda=max(eigenvalue); cil=(lamda-6)/5; crl=cil/1.26; w1=v(:,1)/sum(v(:,1)) 挑选合适的工作。经双方恳谈，已有三个单位表示愿意录用某毕业生。该生根据已有信息建立了一个层次结构模型，如下图所示。 程序： A=[1 1/7 1/5 2 4 1/3;7 1 3 5 5 3;5 1/3 1 5 5 3;1/2 1/3 1/5 1 2 1/3;1/4 1/5 1/5 1/2 1 1/5;3 1/3 1/3 3 5 1]; [v,d]=eig(A); eigenvalue=diag(d); lamda=max(eigenvalue); ci=(lamda-6)/5
cr=ci/1.26 w1=v(:,1)/sum(v(:,1)) B1=[1 1/4 1/2;4 1 3;2 1/3 1]; [v,d]=eig(B1); eigenvalue=diag(d); lamda=max(eigenvalue); cil1=(lamda-3)/2 cr1=cil1/0.52 b1w=v(:,1)/sum(v(:,1)) B2=[1 1/4 1/5;4 1 1/2;5 2 1]; [v,d]=eig(B2); eigenvalue=diag(d); lamda=max(eigenvalue); cil2=(lamda-3)/2 cr2=cil2/0.52 b2w=v(:,1)/sum(v(:,1)) B3=[1 1/2 2; 2 1 3;1/2 1/3 1]; [v,d]=eig(B3); eigenvalue=diag(d);
层次分析法与模糊综合判别的区别与联系 1、层次分析法 [ 参考文献：吋义成, 柯丽华, 黄德育. 系统综合评价技术及其应用[M]. 北京: 冶金工业出版社,2006] 人们在日常生活中经常要从一堆同样大小的物品中挑选出最重要的物品，如重量最大的物品，即至少要确定各物品的相对重量。这时，经验和常识告诉我们，可以利用两两比较的方法来达到目的。 若在没有称量仪器的条件下对一组物体的重量进行估计，则可以通过爱对比较这组物体相对重量的方法，得出每对物体相对重量比的判断，从而形成比较判断矩阵，再通过求解判断矩阵的最大特征根和它所对应的特征向量问题，就能计算出这组物体的相对重量。 将此方法应用到复杂的社会、经济和科学管理等领域中，就能确定各种方案、措施、政策等 相对于总目标的重要性排序情况，以供领导者决策。 一般的层次分析法模型由图5-1 所示，分为目标层、准则层、指标层、方案层组成。需要注意几点： （1）层次分析法的评价结构并非是上述部分一成不变的，其中的当指标层因素较少时准则层可以省去（图5-2 ），当某一准则对应的指标层元素过多时可以将其指标层细分为“子准则层和指标层”（图5-4 ）。由于层次分析法是利用两两比较完成的，为了便于人的比较与判别，每层的元素个数在3~7 之间为佳，超过7 以后增加了比较判断的难度，因此当元素过多时，可以将其分类后分成两层或多层来判别。 （2）准则层与指标层之间的关系可以对比一下图5-1 和图5-4 ，即每个准则可能有独 用的指标体系，也可能是各准则之间共用某几个指标。 （3）层次分析法的特点是基于某个目标，对多个待评价方案进行评价，从而得到方案的重要性排序。具体到某个问题，其并无相应的数据。而模糊综合判别有相应的基础数据。两者可以结合一起用，比如常用的是模糊综合评判过程中，权重可以由层次分析法计算。 层次分析法的骤如下： 1）在作者建立评价模型后，根据经验对每层里的各个元素建立重要性判别矩阵，从判 别矩阵中可以得到某一层中各个指标的归一化权重（表5-1中的W B,W C1,W C2,W C3,W C4）。（表5-1和5-2 的数据为图5-1 模型的） 2）由层与层之间权重的传递可以得到最低层（具体指标层）的综合权重。如图5-1 所示的图中有得到各个C ij的综合权重W ij（表5-2第2列）。 3）最后，在指标层与方案层之间建立判别矩阵，针对每一个指标C ij 都需要建立一个各 方案A i的比较矩阵，判别A针对C j的重要性w A i （表5-2的每一行）。最后将指标C ij的综合权重W ij与W Ai进行乘法求和，从而得到方案A的最终综合权重刀（W ij心Ai），即为续表5-2的最后一行。
前景理论的直觉模糊多属性决策 一、前景理论 目前，学者对于前景理论在模糊多准则决策领域的研究较少。Gomes and Lima (1992)在前景理论的基础上，将参考点的准则标准设定为某属性值，利用层次分析法计算确定属性的权重系数，提出交互式多准则决策方法TODIM 。Miyamoto and Wakker (1996)将包括前景理论在内的非期望效用理论与多属性效用理论相结合，对解决多属性决策问题的可行性进行了证明。Zank (2001)探讨了在多属性决策问题中，效用函数和前景理论中价值函数，以及决策权重函数的参数估值问题。Harry (2002)研究前景理论中两个函数在收益和损失对比模型中的应用，发现当决策所面临的环境较复杂，备选方案较多时，通常情况下，决策者偏好按照己确定的属性进行判断。Tamura (2005)在前景理论的基础上，创新提出一种多准则决策方法，可以较好地求解备选方案的单准则价值。Lahdelma and Salminen (2009)深入研究了以前景理论为基础的随机多准则可接受性分析方法。该方法是将前景理论的分段线性差函数和随机多准则可接受性分析相结合，计算在假定行为下反映不同方案被接受可能性大小的指数，可应用在决策者偏好难以准确评估的决策问题中，同时也可以测量决策问题相对其偏好信息的鲁棒性。Bleichrodt, Schmidt and Zank (2009)以前景理论为基础，对于具有一个、两个以及多个属性的不确定决策问题的可加性效用进行了深入研究。 国内学者对于基于前景理论的模糊多准则决策方法同样有所研究，并且取得了较好的成果。胡军华等(2009)针对不确定条件下的多准则决策问题，创新的提出一种基于前景理论的决策方法，并进一步将其发展为基于前景理论的语言评价模糊多准则决策方法。王坚强等(2009)针对准则权重不完全确定的多准则决策问题，提出一种基于前景理论的决策方法l"}l 。王正新等(2010 )探讨决策者的风险偏好会影响其对于多指标决策问题的判断与选择，在前景理论的基础上提出一种多指标灰关联决策方法。 Kahneman 和Tversky 在1979年经过大量的调查和实验，在Simon 有限理性的基础上，提出一种新的理论解释和预测在不确定情况下的个人决策行为，即前景理论。 前景理论将决策者在风险条件下的选择过程分为两个阶段:编辑阶段(editing)和估值阶段(evaluation)。编辑阶段的主要作用是通过收集和整理决策信息，按照一定的标准，即确定合适的决策参考点，然后对决策问题以参考点为参考水平对决策问题进行编码，当决策结果优于参考点，则其被编码为获得;劣于参考点时，其被编码为损失。编辑主要有编辑、合成、剥离、相抵、简化和占优检查六个步骤。估值阶段是决策者对编辑后的期望值通过两个主观量度进行估值并选择决策方案。 一个主观量度是()πp ，表示与概率p 对应的决策权重，另一个主观量度是()v x ，表示决策结果x 所对应的决策者主观价值。估值的标准为:在财富水平i w 下，行为a 发生的概率是i p ，而行为b 发生的概率是i q ，则当()()()()ππ>∑∑V V i i i i p v w q v w 成立时，相比较来说，决策者倾向于选择行为a 。这里0=-V i i w w w 。表示财富偏离决策者所选择参考点0w 的大小。 前景理论下的决策者决策框架如图1所示，
信息系统分析与设计作业 层次分析法确定绩效评价权重在matlab中的实现 小组成员：孙高茹、王靖、李春梅、郭荣1 程序简要概述 编写程序一步实现评价指标特征值lam、特征向量w以及一致性比率CR的求解。 具体的操作步骤是：首先构造评价指标，用专家评定法对指标两两打分，构建比较矩阵，继而运用编写程序实现层次分析法在MATLAB中的应用。 通过编写MATLAB程序一步实现问题求解，可以简化权重计算方法与步骤，减少工作量，从而提高人力资源管理中绩效考核的科学化电算化。 2 程序在matlab中实现的具体步骤 function [w,lam,CR] = ccfx(A) %A为成对比较矩阵，返回值w为近似特征向量 % lam为近似最大特征值λmax，CR为一致性比率 n=length(A(:,1)); a=sum(A); B=A %用B代替A做计算 for j=1:n %将A的列向量归一化 B(:,j)=B(:,j)./a(j); end s=B(:,1); for j=2:n s=s+B(:,j); end c=sum(s);%计算近似最大特征值λmax w=s./c; d=A*w lam=1/n*sum((d./w)); CI=(lam-n)/(n-1);%一致性指标 RI=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45,1.49,1.51];%RI为随机一致
性指标 CR=CI/RI(n);%求一致性比率 if CR>0.1 disp('没有通过一致性检验'); else disp('通过一致性检验'); end end 3 案例应用 我们拟构建公司员工绩效评价分析权重，完整操作步骤如下： 3.1构建的评价指标体系 我们将影响员工绩效评定的指标因素分为：打卡、业绩、创新、态度与品德。 3.2专家打分，构建两两比较矩阵 A = 1.0000 0.5000 3.0000 4.0000 2.0000 1.0000 5.0000 3.0000 0.3333 0.2000 1.0000 2.0000 0.2500 0.3333 0.5000 1.0000 3.3在MATLAB中运用编写好的程序实现 直接在MATLAB命令窗口中输入 [w,lam,CR]=ccfx(A) 继而直接得出 d = 1.3035 2.0000 0.5145 0.3926 w = 0.3102 0.4691 0.1242 0.0966 lam =4.1687
MATLAB教程网 第八章层次分析法 层次分析法（Analytic Hierarchy Process，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 MATLAB教程网 § 1层次分析法的基本原理与步骤 人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行： （i）建立递阶层次结构模型； （ii）构造出各层次中的所有判断矩阵； （iii）层次单排序及一致性检验； （iv）层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1递阶层次结构的建立与特点 应用AHP分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类： （i）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。 （ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。 （iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配 的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1假期旅游有R、F2、F3 3个旅游胜地供你选择，试确定一个最佳地点。在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如下的层次结构模型。 目标层0 选择旅游地
AHP（层次分析法）在供应商选择中的应用 自20世纪90年代以来，随着经济全球化的到来和市场竞争的加剧，越来越多的企业开始加强与供应商之间的合作，尤其是与战略供应商保持密切合作关系，因此，供应商管理越来越受到企业的重视。 供应商管理是企业一项非常重要的工作，主要是指对供应商的了解、选择、开发、控制和使用。其中，了解是基础，选择、开发和控制是措施，而使用是最终目的。从中可以看出，如何选择适合企业自身发展需求的、有良好发展前景的供应商，已经成为企业发展的一个至关重要的问题。 供应商选择的研究主要集中在两个方面:一方面集中在供应商选择标准上,另一方面集中在供应商选择方法上。 在供应商选择标准方面，研究影响最大的是Dickson G.W.(1966)。它通过分析170份对美国采购经理协会的采购代理人和采购经理的调查结果，得出结论：“质量、成本和历史配送水平是供应商选择最重要的3个标准。”国内早期关于供应商选择的标准研究，提出供应商选择的标准包括：企业业绩、业务结构与生产能力、交货期、成本、服务、创新、质量系统以及企业环境等一级指标的供应链合作伙伴评价体系。 在供应商选择方法方面,国外对供应商的评价及选择研究已经形成一些较为成熟的理论和方法,包括定性、定量及二者结合的方法。从20世纪90年代初至今,国内学者也在供应商选择方法方面作了大量卓有成效的研究工作。目前常用的供应商选择方法有主观判断法、考核选择、招标选择和协商选择等方法，但是供应商选择受多种因素的影响，各因素之间的联系难以精确定量和不完全确知，如某第三方物流公司在进行MRO（修理、维护、运营部件）供应商选择时，需要考虑的因素主要有： 一、短期因素 1.成本 2.质量 3.交货期 4.服务水平 5.履行合同的承诺与能力 二、长期因素 1.财务状况 2.供应商组织与管理 3.供应商配合与支持程度 仔细分析选择供应商时所要考虑的因素之后，可以看出这些因素共同体现了供应商的实力、供应商合作的意愿、选择该供应商企业所需支付的成本等，最终我们应根据这些因素对供应商作出综合评价，以此决定对供应商的选择。但是，仅仅依靠上面所提到的定性方法和一般
５．结论 由以上计算过程可以看出，模糊层次分析法同普通层次分析法相比具有以下优点：（１）检验一次性更方便。根据定理２．１或定理２．２可直接检验模糊矩阵是否具有一致性。（２）调整过程更简洁。通过调整模糊矩阵的元素可很快使模糊矩阵具有模糊一致性。（３）判断依据更合理。根据定理２．１或定理２．２作为检验一致性的标准更科学简便。 参考文献［１］张吉军．模糊层次分析法．模糊系统与数学，２０００，１４（２）：８０－８８ ［２］吕跃进．基于模糊一致矩阵的模糊层次分析法的排序．模糊系统与数学，２００２，１６（２）：７９－８５ ［３］ＪｏｈｎＭＧｌｅａｓｏｎ．Ｆｕｚｚｙｓｅｔｃｏｍｐｕｔａｔｉｏｎａｌｐｒｏｃｅｓｓｅｓｉｎｒｉｓｋａｎａｌｙｓｉｓ．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ ＥｎｇｉｎｅｅｒｉｎｇＭａｎａｇｅｍｅｎｔ，１９９１，３８（２）：１７７－１７８ ４．３．２层次总排序 同理，可求得其他矩阵对应元素的权重，并得到Ｃ层次总排序如下： ４．３．５结论 球面网壳动力稳定临界力简化计算 王节１黄显民２ （１．黑龙江省林业设计研究院２．哈尔滨工业大学建筑设计研究院１５０００８） 摘要：球面网壳动力稳定临界力简化估算公式是针对跨度３０ｍ￣６０ｍ，矢跨比１／１０￣１／６的单层球面网壳，对于其它类型的网壳结构要具体分析。 关键词：单层球面网壳动力稳定动力稳定临界力中图分类号：ＴＢ１２２文献标识码：Ａ 网壳结构是杆件沿曲面有规律布置而组成的空间杆系结构。具有刚度大、自重轻、受力均匀、在水平、竖向及多维地震作用下的动内力分布均匀且较小，结构抗震性能良好。结构在罕遇地震作用下的动力失稳临界峰值较高，随着矢跨比增加，结构刚度增大，地震作用稳定性提高。而且造型丰富美观、综合技术指标好等特点，是大跨度、大空间结构的主要结构形式之一。目前世界上跨度最大的网壳结构是美国新奥尔良体育馆的超级穹顶，跨度２１３米。近年来，网壳结构在我国获得了迅速的发展，哈尔滨速滑馆，由筒壳及两个半球壳组成的组合网壳，网壳平面投影８６．２ｍ×１９１．２ｍ，是已建成最大的网壳结构。 在我国，单层球面网壳多应用在跨度较小的结构中，主要原因是该类结构为缺陷敏感性结构，在大雪、强风和强烈地震作用下，杆件进入塑性，结构通过塑性变形吸收地震能量，随着地震输入能量的增加，结构产生很大的塑性变形甚至失稳倒塌破坏。目前关于球面网壳的研究主要集中在结构静力稳定性及静力后屈