数学建模 —— 层次分析法(2)

目录

一、层次分析法(AHP)

二、构造比较判断矩阵

2.1 两两比较法

三、单准则下的排序及一致检验

3.1 单准则下的排序

3.2 一致性检验

四、层次总排序

4.1 层次总排序的步骤

4.2 总排序一致性检验


一、层次分析法(AHP)

        方法:层次分析法Analytic Hierarchy Process)简称AHP (美国运筹学家T.L.Saaty教授在70年代中期提出)是指将决策问题的有关元素分解成目标、准则、方案等层次,在此基础上进行定性分析和定量分析的一种决策方法.

运用层次分析法建模,大体上分成四个步骤:

建立递阶层次结构;

构造比较判别矩阵;

在单准则下的排序及一致性检验;

总的排序选优。

二、构造比较判断矩阵

2.1 两两比较法

        当以上一层次某个因素C作为比较准则时,可用一个比较标度aij来表达下一层次中第i个因素与第j个因素的相对重要性(或偏好优劣)的认识。aij的取值一般取正整数1—9(称为标度)及其倒数。由aij构成的矩阵称为比较判断矩阵A=(aij)。关于aij取值的规则见下表

元素

标度

规           则

aij

1

以上一层某个因素为准则,本层次因素i与因素j相比

具有同样重要

3

以上一层某个因素为准则,本层次因素i与因素j相比

ij稍微重要

5

以上一层某个因素为准则,本层次因素i与因素j相比

ij明显重要

7

以上一层某个因素为准则,本层次因素i与因素j相比

ij强烈重要

9

以上一层某个因素为准则,本层次因素i与因素j相比

ij极端重要

aij取值也可以取上述各数的中值2468及其倒数,即若因素i与因素j比较得aij,则因素j与因素i比较得1/aij

 n阶矩阵A=(aij)为正互反矩阵若对于一切i,j,k,都有aijajk=aik, i,j,k=1,2,…,n,A一致矩阵.

三、单准则下的排序及一致检验

3.1 单准则下的排序

        根据比较判断矩阵如何求出各因素u1,u2,…,un , 对于准则的相对排序权重的过程称为单准则下的排序

(1)理论依据

定理3.1.1 (Perron定理):

n阶方阵A>O, lmaxA的模最大特征根,则

lmax必为正特征根,且对应特征向量为正向量;

对于A的任何其它特征值,恒有|l|<lmax

lmaxA的单特征根,因而它所对应的特征向量除相差一个常数因子外是唯一的。

定理3.1.2  对于任何一个正互反矩阵均有lmax ³ n, 其中lmaxA的模最大特征根

定理3.1.3    n阶正互反矩阵A=(aij)为一致矩阵的充分必要条件是A的最大特征根为n.

(2)求正互反矩阵排序向量的方法

①特征根方法(EVM)

        对于正矩阵,有一种求特征向量的简易算法(幂法)。下面的定理为幂法提供了理论依据。

②和法

③根法 

3.2 一致性检验

 

 引入随机一致性指标RI

 所以

 一般当CR<0.1时,认为A的不一致程度在容许范围之内,有满意的一致性,通过一致性检验。可用其归一化特征向量作为权向量,否则要重新构造成对比较矩阵A,对 aij  加以调整。

四、层次总排序

        计算同一层次中所有元素对于最高层(总目标)的相对重要性标度(又称排序权重向量)称为层次总排序

4.1 层次总排序的步骤

4.2 总排序一致性检验

        人们在对各层元素作比较时,尽管每一层中所用的比较尺度基本一致,但各层之间仍可能有所差异,而这种差异将随着层次总排序的逐渐计算而累加起来,因此需要从模型的总体上来检验这种差异尺度的累积是否显著,检验的过程称为层次总排序的一致性检验

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/670145.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

Centos 7部署NTP

介绍 NTP是Network Time Protocol&#xff08;网络时间协议&#xff09;的简称&#xff0c;它是用来通过互联网或局域网将计算机时钟同步到世界协调时间&#xff08;UTC&#xff09;的协议。 安装 # yum安装 yum install -y ntp# 离线安装 #下载地址&#xff1a;https://mir…

Caliburn.Micro框架学习笔记——多页面处理案例

在聊这个之前&#xff0c;我们先来看一个静态类 在 Caliburn.Micro 中&#xff0c;ViewLocator 是一个用于查找和关联视图与视图模型的静态类。默认情况下&#xff0c;它根据约定&#xff08;命名约定或其他规则&#xff09;自动找到与视图模型相对应的视图。然而&#xff0c;…

【5】MySQL数据库备份-XtraBackup - 全量备份

MySQL数据库备份-XtraBackup-全量备份 前言环境版本 安装部署下载RPM 包二进制包 安装卸载 场景分析全量备份 | 恢复备份恢复综合 增量备份 | 恢复部分备份 | 恢复 前言 关于数据库备份的一些常见术语、工具等&#xff0c;可见《MySQL数据库-备份》章节&#xff0c;当前不再重…

【普通切换】【DC-based handover】【DAPS】协议栈分析

移动网络切换 移动通信中切换是保证终端业务的基本流程&#xff0c;而切换时延是终端(UE)不能与任何基站交互(传递)用户面数据包的最短时间。 在5G(NR)网络中当终端(UE)接收到切换命令时&#xff0c;将断开与源小区的连接向目标小区发起随机接入过程。在此期间终端(UE)的数据传…

深入理解linux文件系统与日志分析12

一、inode和block 文件是存储在硬盘上&#xff0c;硬盘上的最小存储单位是扇区&#xff0c;每个扇区的大小是512字节。 inode&#xff1a;存储元信息&#xff08;文件的属性--权限、创建者、创建日期等等&#xff09; block&#xff1a;块 连续的八个扇区组成一个块&#xf…

rpmbuild多进程批量编译脚本

脚本用法 使用手册 bash spec.sh --help Please ensure the directory ~/rpmbuild exists, And the script can execute in any directory.Usage: bash spec.sh [OPTION]... [*.spec]... [OPTION]...or: bash spec.sh [*.spec]... [OPTION]... [*.spec]... rpmbuild all sp…

【原型模式】详解

一.概念 原型模式是一种创建型设计模式&#xff0c;它的主要思想是通过复制现有对象来创建新对象&#xff0c;而不是通过实例化一个类来创建。在原型模式中&#xff0c;我们称被复制的对象为原型&#xff08;Prototype&#xff09;&#xff0c;新创建的对象为克隆体&#xff0…

【OpenHarmony】TypeScript 语法 ③ ( 条件语句 | if else 语句 | switch case 语句 )

文章目录 一、条件语句1、if else 语句2、switch case 语句 参考文档 : <HarmonyOS第一课>ArkTS开发语言介绍 一、条件语句 1、if else 语句 TypeScript 中的 if 语句 / if else 语句 用法 , 与 JavaScript 语言中的 if 语句 / if else 语句 语法 基本相同 ; if else 语…

.gitignore 文件

一.什么是 .gitignore 文件 在任何当前工作的 Git 仓库中&#xff0c;每个文件都是这样的&#xff1a; 追踪的&#xff08;tracked&#xff09;- 这些是 Git 所知道的所有文件或目录。这些是新添加&#xff08;用 git add 添加&#xff09;和提交&#xff08;用 git commit 提…

Ubuntu 20.04安装CMake 3.22.6版本

Ubuntu 20.04通过apt安装的cmake版本是3.16.3&#xff0c;默认安装到/usr/bin/cmake路径。 $ cmake Command cmake not found, but can be installed with:sudo snap install cmake # version 3.29.3, or sudo apt install cmake # version 3.16.3-1ubuntu1.20.04.1See sna…

chatgpt之api的调用问题

1.调用api过程中&#xff0c;出现如下报错内容 先写一个测试样例 import openaiopenai.api_key "OPEN_AI_KEY" openai.api_base"OPEN_AI_BASE_URL" # 是否需要base根据自己所在地区和key情况进行completion openai.ChatCompletion.create(model"g…

【PingPong_注册安全分析报告】

前言 由于网站注册入口容易被黑客攻击&#xff0c;存在如下安全问题&#xff1a; 暴力破解密码&#xff0c;造成用户信息泄露短信盗刷的安全问题&#xff0c;影响业务及导致用户投诉带来经济损失&#xff0c;尤其是后付费客户&#xff0c;风险巨大&#xff0c;造成亏损无底洞 …

C++ | Leetcode C++题解之第125题验证回文串

题目&#xff1a; 题解&#xff1a; class Solution { public:bool isPalindrome(string s) {int n s.size();int left 0, right n - 1;while (left < right) {while (left < right && !isalnum(s[left])) {left;}while (left < right && !isalnu…

【scikit-learn010】sklearn算法模型清单实战及经验总结(已更新)

1.一直以来想写下基于scikit-learn训练AI算法的系列文章,作为较火的机器学习框架,也是日常项目开发中常用的一款工具,最近刚好挤时间梳理、总结下这块儿的知识体系。 2.熟悉、梳理、总结下scikit-learn框架模型算法包相关技术点及经验。 3.欢迎批评指正,欢迎互三,跪谢一键…

数学建模 —— 灰色系统(4)

目录 什么是灰色系统&#xff1f; 一、灰色关联分析 1.1 灰色关联分析模型 1.2 灰色关联因素和关联算子集 1.2.1 灰色关联因素 1.2.2 关联算子集 1.3 灰色关联公理与灰色关联度 1.3.1 灰色关联度 1.3.2 灰色关联度计算步骤 1.4 广义关联度 1.4.1 灰色绝对关联…

mysql表字段超过多少影响性能 mysql表多少效率会下降

一直有传言说&#xff0c;MySQL 表的数据只要超过 2000 万行&#xff0c;其性能就会下降。而本文作者用实验分析证明&#xff1a;至少在 2023 年&#xff0c;这已不再是 MySQL 表的有效软限制。 传言 互联网上有一则传言说&#xff0c;我们应该避免单个 MySQL 表中的数据超过 …

深入分析 Android Service (完)

文章目录 深入分析 Android Service (完)1. Service 的生命周期管理2. Service 的生命周期方法2.1 onCreate()2.2 onStartCommand(Intent intent, int flags, int startId)2.3 onBind(Intent intent)2.4 onUnbind(Intent intent)2.5 onRebind(Intent intent)2.6 onDestroy() 3.…

springboot 项目集成 knife4j

官方版本推荐 版本依赖 spring boot 2.3.12.RELEASE 和 knife4j 2.0.9 引入依赖 完整的pom.xml文件 <!-- https://mvnrepository.com/artifact/com.github.xiaoymin/knife4j-spring-boot-starter --> <dependency><groupId>com.github.xiaoymin</groupI…

JavaScript笔记二-JavaScript基础语法

1、标识符 命名规则 第一个字符必须是一个字母、下划线&#xff08; _ &#xff09;或一个美元符号&#xff08; $ &#xff09;。其它字符可以是字母、下划线、美元符号或数字。按照惯例&#xff0c;ECMAScript 标识符采用驼峰命名法。标识符不能是关键字和保留字符。 2、字…

CDN——内容分发网络

目录 为什么使用CDN CDN是如何工作的 类型 推模式&#xff08;Push&#xff09; 拉模式&#xff08;Pull&#xff09; 缺点 例子 内容分发网络&#xff08;CDN&#xff09;是一组在地理上广泛分布的服务器&#xff0c;它们一起工作以提供互联网内容的快速交付。通常静态…