一种综合评价及决策方法:层次分析法AHP

大家好,层次分析法(Analytic Hierarchy Process,AHP)是一种多准则决策方法,它帮助决策者处理复杂的决策问题,将其分解成层次结构,然后通过两两比较来确定各个层次的因素之间的相对重要性。这种分析方式允许决策者对问题进行系统化的、结构化的处理,从而更清晰地理解各因素之间的相互关系和作用。

AHP的核心思想是通过对各个因素的两两比较,得出一个比较矩阵,然后利用特定的数学方法(如特征值分解)计算出每个因素的权重,最终将这些权重综合起来,确定备选方案的总排序。在这个过程中,决策者需要结合专业知识和主观判断来进行比较和权衡,从而达到对问题的全面分析和综合评价的目的。

层次分析法(AHP)体现了分解问题、判断因素重要性和综合评价的思维特征,使得决策者能够更系统、更科学地进行决策分析,提高了决策的准确性和可信度。

1.层次分析法评价决策

运用层次分析法进行评价或决策的流程如下:

  • 建立递阶层次结构: 首先,需要将复杂的评价系统或决策问题分解成一系列逐层细化的要素。这些要素从总体到细节依次排列,形成一个递阶结构,以反映问题的层次性质和要素之间的关系。

  • 两两比较及一致性检验: 对于同一层次中的各元素,进行两两比较,评价它们对上一层次中某一准则的重要性。这些比较通常通过专家判断或者调查问卷来完成。比较的结果构成了一个判断矩阵。然后,进行一致性检验,以确保专家的判断具有一定的稳定性和逻辑性。

  • 计算相对权重: 通过对判断矩阵进行数学处理,可以计算出每个要素对于所考虑准则的相对权重。这通常涉及特征值分解等数学方法,从而得出各要素的权重,以便后续的综合分析。

  • 合成权重与排序: 最后,将各层要素对系统目的的相对权重进行合成,得出各备选方案的综合权重,并据此进行排序。这样就能够确定最优的决策方案或者评价结论。

通过这四个流程操作,层次分析法能够帮助决策者系统地分析复杂的问题,综合考虑各要素的重要性,从而做出更加科学和合理的决策。

2.层次分析法分析步骤

层次结构由以下几部分构成:

图片

  • 目标:通过提前制定SMART目标(具体的-可衡量的-可实现的-相关的-时限的),组织中的每个人都知道他们想要实现什么。

  • 标准:通过确定实现目标所重要的标准,建立了一个框架。每个目标都有一定程度上重要的标准来实现它。通过设置标准,每个人在做出决策时都知道了要求。

  • 候选方案:通过考虑候选方案及其优缺点、及评分,组织被引导到最佳的最终决策。

接下来,需要对标准层的各个方面进行主观经验打分,以确定评价尺度。例如,对标准层的C1到C5的重要性进行主观打分,根据以下原则进行评分:

  • 1:两个要素相比具有同等重要性

  • 3:两个要素相比,前者略微重要于后者

  • 5:两个要素相比,前者明显重要于后者

  • 7:两个要素相比,前者强烈重要于后者

  • 9:两个要素相比,前者极端重要于后者

  • 2、4、6、8:上述相邻判断的中间值

  • 倒数:两个要素相比,后者重要性优于前者

C1到C5的重要性进行主观打分矩阵(模拟)及计算权重和归一化的权重:

图片

下面分别评价三个方案A1/A2/A3在不通同标准(C1/C2/C3)的评价矩阵和评分,算法同标准层:

图片

图片

图片

上面三张图是三个方案在各个标准上的评分,整个体系的评分如下图:

图片

三个标准权重:C=[0.230,0.648,0.122]

A1的评分:A1=[0.105,0.592,0.149]

A2的评分:A1=[0.258,0.333,0.066]

A3的评分:A1=[0.637,0.075,0.785]

计算各个方案总评分并对方案进行排序:A1、A3、A2

方案A1:A1*C=[0.230,0.648,0.122]*[0.105,0.592,0.149]=0.426

方案A2:A2*C=[0.230,0.648,0.122]*[0.258,0.333,0.066]=0.283

方案A3:A3*C=[0.230,0.648,0.122]*[0.637,0.075,0.785]=0.291

import numpy as np
import pandas as pd
C=np.array([0.230,0.648,0.122])

A1=np.array([0.105,0.592,0.149]).T
A2=np.array([0.258,0.333,0.066]).T
A3=np.array([0.637,0.075,0.785]).T

print(f'方案A1 得分:%.3f' % C.dot(A1))  #矩阵相乘
print(f'方案A2 得分:%.3f' % C.dot(A2))  
print(f'方案A3 得分:%.3f' % C.dot(A3))

3.智慧决策的利器

层次分析法(AHP)是组织进行决策的工具,允许在做出决定之前考虑某些因素(标准)。每个因素(标准)都可以根据其重要性来衡量。通过将数学值赋予相关人员的愿望,可以进行充分的比较。数值在决策过程的每个环节都发挥着重要作用。设定这些数值有助于所有相关人员基于数学证据做出选择。每个候选方案都会根据标准获得分数。这些因素在一个表格中进行权衡,其中也包括负面因素。运用数学逻辑,可以更轻松地做出明智的决策。

层次分析法(AHP)是组织进行决策的利器,通过考虑各种因素的重要性,帮助决策者做出明智的选择。通过数学化的方法,将愿望量化为数值,并结合权重计算,实现全面的评估。每个候选方案都经过标准的评分和权衡,以便更好地指导决策。AHP的运用使得复杂问题的分析和决策变得更加系统化和科学化,提高了决策的准确性和可信度。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/635319.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【vue与iframe通讯】

vue 与 iframe 通讯 发送数据vue 向 iframe 发送数据iframe 向 vue 发送数据接收信息( vue & iframe 通用) 实现相互通讯通讯流程图实现代码vue 页面iframe页面iframe内部重定向访问地址,更新vue路由 代码下载 前言:vue嵌套iframe实现步骤 发送数据 vue 向 if…

回溯算法05(leetcode491/46/47)

参考资料: https://programmercarl.com/0491.%E9%80%92%E5%A2%9E%E5%AD%90%E5%BA%8F%E5%88%97.html 491. 非递减子序列 题目描述: 给你一个整数数组 nums ,找出并返回所有该数组中不同的递增子序列,递增子序列中 至少有两个元素…

微软开发者大会:编程进入自然语言时代、“AI员工”闪亮登场

当地时间周二,美国科技公司微软召开年度Build开发者大会。在CEO纳德拉的带领下,微软各个产品团队再一次展现出惊人的执行力,在发布会上又拿出了接近50个新产品或功能更新。 整场发布会持续了接近两个小时,在这里挑选了一些投资者…

知识表示概述

文章目录 知识表示研究现状技术发展趋势 知识表示 知识是人类在认识和改造客观世界的过程中总结出的客观事实、概念、定理和公理的集合。知识具有不同的分类方式,例如按照知识的作用范围可分为常识性知识与领域性知识。知识表示是将现实世界中存在的知识转换成计算机…

Linux进程的地址空间

Linux进程的地址空间 1. 前言 在编写程序语言的代码时&#xff0c;打印输出一个变量的地址时&#xff0c;这个地址在内存中是以什么形式存在的&#xff1f;一个地址可以存储两个不同的值吗&#xff1f; 运行以下代码&#xff1a; #include <stdio.h> #include <un…

C#-根据日志等级进行日志的过滤输出

文章速览 概要具体实施创建Log系统动态修改日志等级 坚持记录实属不易&#xff0c;希望友善多金的码友能够随手点一个赞。 共同创建氛围更加良好的开发者社区&#xff01; 谢谢~ 概要 方便后期对软件进行维护&#xff0c;需要在一些关键处添加log日志输出&#xff0c;但时间长…

vulhub——ActiveMQ漏洞

文章目录 一、CVE-2015-5254(反序列化漏洞)二、CVE-2016-3088&#xff08;任意文件写入漏洞&#xff09;2.1 漏洞原理2.2 写入webshell2.3 写入crontab 三、CVE-2022-41678&#xff08;远程代码执行漏洞&#xff09;方法一方法2 四、CVE-2023-46604&#xff08;反序列化命令执行…

HTML+CSS+JS 扩散登录表单动画

效果演示 Code <!DOCTYPE html> <html><head><meta http-equiv="content-type" content="text/html; charset=utf-8"><meta name="viewport" content="width=device-width,initial-scale=1,maximum-scale=1,us…

MAIA:多模态自动化可解释智能体的突破

随着人工智能技术的飞速发展&#xff0c;深度学习模型在图像识别、自然语言处理等领域取得了显著成就。然而&#xff0c;这些模型的“黑箱”特性使得其决策过程难以理解&#xff0c;限制了它们的应用范围和可靠性。为了解决这一问题&#xff0c;研究者们提出了多种模型可解释性…

【机器学习】—机器学习和NLP预训练模型探索之旅

目录 一.预训练模型的基本概念 1.BERT模型 2 .GPT模型 二、预训练模型的应用 1.文本分类 使用BERT进行文本分类 2. 问答系统 使用BERT进行问答 三、预训练模型的优化 1.模型压缩 1.1 剪枝 权重剪枝 2.模型量化 2.1 定点量化 使用PyTorch进行定点量化 3. 知识蒸馏…

[emailprotected](7)父子通信,传递元素内容

目录 1&#xff0c;children 属性2&#xff0c;多个属性 普通对象等&#xff0c;可以通过变量直接传递&#xff0c;那类似 vue 中的 slot 插槽&#xff0c;如何传递元素内容&#xff1f; 1&#xff0c;children 属性 实际上&#xff0c;写在自定义组件标签的内部代码&#xf…

【再探】Java—泛型

Java 泛型本质是参数化类型&#xff0c;可以用在类、接口和方法的创建中。 1 “擦除式”泛型 Java的“擦除式”的泛型实现一直受到开发者的诟病。 “擦除式”的实现几乎只需要在Javac编译器上做出改进即可&#xff0c;不要改动字节码、虚拟机&#xff0c;也保证了以前没有使…

k8s pv 一直是release状态

如下图所示&#xff0c;pv 一直是release状态 这个时候大家可能就会想到现在我的 PVC 被删除了&#xff0c;PV 也变成了 Released 状态&#xff0c;那么我重建之前的 PVC 他们不就可以重新绑定了&#xff0c;事实并不会&#xff0c;PVC 只能和 Available 状态的 PV 进行绑定。…

【华为】将eNSP导入CRT,并解决不能敲Tab问题

华为】将eNSP导入CRT&#xff0c;并解决不能敲Tab问题 eNSP导入CRT打开eNSP&#xff0c;新建一个拓扑右键启动查看串口号关联CRT成功界面 SecureCRT连接华为模拟器ensp,Tab键不能补全问题选择Options&#xff08;选项&#xff09;-- Global Options &#xff08;全局选项&#…

ORB-SLAM2从理论到代码实现(六):Tracking程序详解(上)

1. Tracking框架 Tracking线程流程框图&#xff1a; 各流程对应的主要函数 2. Tracking整体流程图 上面这张图把Tracking.cc讲的特别明白。 tracking线程在获取图像数据后&#xff0c;会传给函数GrabImageStereo、GrabImageRGBD或GrabImageMonocular进行预处理&#xff0c;这…

wordpress主题 ACG美化插件v3.4.2支持zibll主题7b2主题美化

独具一格的二次元风格&#xff0c;打造全新的子比美化方向 大部分代码均为CSS、JS做成插件只是为了方便懒人小白站长 后台全功能一览&#xff0c;大部分美化均为网上通用流传&#xff0c;

基于ucos-ii操作系统的生产者消费者-问题

目 录 第1章 题目分析. 1 1.1 生产者线程... 1 1.2 消费者线程... 1 1.3 缓冲区... 1 1.4 进程的同步与互斥... 1 第2章 解决方案. 2 2.1 总体方案... 2 2.2 生产者问题... 2 2.3 消费者问题... 3 2.4 进程问题... 5 第3章 实验结果. 6 3.1 运行结果... 6 3.2 结果分析... 8 第…

用kimi一键绘制《庆余年》人物关系图谱

《庆余年》里面人物关系复杂&#xff0c;如果能画出一个人物关系图谱&#xff0c;可以直观的理解其中人物关系&#xff0c;更好的追剧。 首先&#xff0c;用kimi下载庆余年的分集剧情&#xff0c;常见文章《AI网络爬虫&#xff1a;批量爬取电视猫上面的《庆余年》分集剧情》&am…

【Java面试】三、Redis篇(下)

文章目录 1、抢券场景2、Redis分布式锁3、Redisson实现分布式锁4、Redisson实现的分布式锁是可重入锁5、Redisson实现分布式锁下的主从一致性6、面试 1、抢券场景 正常思路&#xff1a; 代码实现&#xff1a; 比如优惠券数量为1。正常情况下&#xff1a;用户A的请求过来&a…

Centos7.9上安装Oracle 11gR2 RAC 三节点(ASMlib管理asm磁盘)

服务器规划 OS 规格 主机名 IP VIP private IP scanip centos 7.9 1C4G racdb01 192.168.40.165 192.168.183.165 192.168.40.16 192.168.40.200 centos 7.9 1C4G racdb02 192.168.40.175 192.168.183.175 192.168.40.17 192.168.40.200 centos 7.9 1C4G…