數學建模 —— 層次分析法(2)

目錄

一、層次分析法(AHP)

二、構造比較判斷矩陣

2.1 兩兩比較法

三、單準則下的排序及一致檢驗

3.1 單準則下的排序

3.2 一致性檢驗

四、層次總排序

4.1 層次總排序的步驟

4.2 總排序一致性檢驗


一、層次分析法(AHP)

? ? ? ??方法:層次分析法Analytic Hierarchy Process)簡稱AHP (美國運籌學家T.L.Saaty教授在70年代中期提出)是指將決策問題的有關元素分解成目標、準則、方案等層次,在此基礎上進行定性分析和定量分析的一種決策方法.

運用層次分析法建模,大體上分成四個步驟:

建立遞階層次結構;

構造比較判別矩陣;

在單準則下的排序及一致性檢驗;

總的排序選優。

二、構造比較判斷矩陣

2.1 兩兩比較法

????????當以上一層次某個因素C作為比較準則時,可用一個比較標度aij來表達下一層次中第i個因素與第j個因素的相對重要性(或偏好優劣)的認識。aij的取值一般取正整數1—9(稱為標度)及其倒數。由aij構成的矩陣稱為比較判斷矩陣A=(aij)。關于aij取值的規則見下表

元素

標度

規?????????? 則

aij

1

以上一層某個因素為準則,本層次因素i與因素j相比

具有同樣重要

3

以上一層某個因素為準則,本層次因素i與因素j相比

ij稍微重要

5

以上一層某個因素為準則,本層次因素i與因素j相比

ij明顯重要

7

以上一層某個因素為準則,本層次因素i與因素j相比

ij強烈重要

9

以上一層某個因素為準則,本層次因素i與因素j相比

ij極端重要

aij取值也可以取上述各數的中值2468及其倒數,即若因素i與因素j比較得aij,則因素j與因素i比較得1/aij

?n階矩陣A=(aij)為正互反矩陣,? 若對于一切i,j,k,都有aijajk=aik, i,j,k=1,2,…,n,A一致矩陣.

三、單準則下的排序及一致檢驗

3.1 單準則下的排序

????????根據比較判斷矩陣如何求出各因素u1,u2,…,un , 對于準則的相對排序權重的過程稱為單準則下的排序

(1)理論依據

定理3.1.1 (Perron定理):

n階方陣A>O, lmaxA的模最大特征根,則

lmax必為正特征根,且對應特征向量為正向量;

對于A的任何其它特征值,恒有|l|<lmax

lmaxA的單特征根,因而它所對應的特征向量除相差一個常數因子外是唯一的。

定理3.1.2? 對于任何一個正互反矩陣均有lmax 3 n, 其中lmaxA的模最大特征根

定理3.1.3??? n階正互反矩陣A=(aij)為一致矩陣的充分必要條件是A的最大特征根為n.

(2)求正互反矩陣排序向量的方法

①特征根方法(EVM)

??????? 對于正矩陣,有一種求特征向量的簡易算法(冪法)。下面的定理為冪法提供了理論依據。

②和法

③根法?

3.2 一致性檢驗

?

?引入隨機一致性指標RI

?所以

?一般當CR<0.1時,認為A的不一致程度在容許范圍之內,有滿意的一致性,通過一致性檢驗。可用其歸一化特征向量作為權向量,否則要重新構造成對比較矩陣A,對 aij? 加以調整。

四、層次總排序

??????? 計算同一層次中所有元素對于最高層(總目標)的相對重要性標度(又稱排序權重向量)稱為層次總排序

4.1 層次總排序的步驟

4.2 總排序一致性檢驗

????????人們在對各層元素作比較時,盡管每一層中所用的比較尺度基本一致,但各層之間仍可能有所差異,而這種差異將隨著層次總排序的逐漸計算而累加起來,因此需要從模型的總體上來檢驗這種差異尺度的累積是否顯著,檢驗的過程稱為層次總排序的一致性檢驗

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/20814.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/20814.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/20814.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

xdp、dpdk、rdma能在同一網卡上同時使用嗎?

文心一言 XDP、DPDK和RDMA是三種不同的技術&#xff0c;它們各自在Linux網絡性能優化中扮演了不同的角色。關于它們能否在同一網卡上同時使用&#xff0c;我們需要考慮以下幾個方面&#xff1a; XDP&#xff08;eXpress Data Path&#xff09;&#xff1a; XDP是Linux內核提供…

SVM算法-非線性分類背后技術詳解

引言 支持向量機&#xff08;SVM&#xff09;是一種強大的監督學習算法&#xff0c;廣泛應用于分類和回歸任務中。本文將詳細介紹SVM算法在非線性分類任務中的應用&#xff0c;并通過代碼示例來展示其背后的技術精髓。我們將分三大部分來展開&#xff0c;本部分將重點介紹SVM算…

銀行批量支付業務功能測試點詳細介紹

銀行批量支付業務是一種銀行業務處理方式&#xff0c;它允許銀行將多個支付交易合并為一個批次&#xff0c;然后一次性進行處理。這種方式通常用于處理大量、重復性高或定期發生的支付交易&#xff0c;如工資發放、定期賬單支付等。 主要作用&#xff1a; 提高效率&#xff1…

【C++面試50題】

以下是針對C程序員面試可能遇到的一些問題&#xff0c;涵蓋了從基礎語法、面向對象、STL、內存管理、模板、異常處理、并發編程等多個方面。 ### 基礎概念與語法 1. C與C的主要區別是什么&#xff1f; 2. 什么是構造函數和析構函數&#xff1f;它們何時被調用&#xff1f; 3. 什…

51單片機C語言編程網盤:深度探索與實用指南

51單片機C語言編程網盤&#xff1a;深度探索與實用指南 在嵌入式系統領域&#xff0c;51單片機以其廣泛的應用和穩定的性能而備受青睞。而C語言&#xff0c;作為一種高效且靈活的編程語言&#xff0c;更是單片機編程的首選工具。今天&#xff0c;我們將通過分享一個51單片機C語…

17、Spring系列-SpringMVC-請求源碼流程

前言 Spring官網的MVC模塊介紹&#xff1a; Spring Web MVC是基于Servlet API構建的原始Web框架&#xff0c;從一開始就已包含在Spring框架中。正式名稱“ Spring Web MVC”來自其源模塊的名稱&#xff08;spring-webmvc&#xff09;&#xff0c;但它通常被稱為“ Spring MVC…

Linux 軟件安裝:從源碼編譯到包管理器安裝

Linux 軟件安裝&#xff1a;從源碼編譯到包管理器安裝 在 Linux 操作系統中&#xff0c;軟件安裝是一個非常重要的任務。不同的軟件安裝方式有不同的優缺點&#xff0c;本篇博客將介紹 Linux 軟件安裝的幾種方式&#xff0c;包括從源碼編譯安裝、使用包管理器安裝和使用第三方…

【Redis】什么是緩存雪崩 ? 怎么解決

緩存雪崩&#xff08;Cache Avalanche&#xff09;是指在某個時刻&#xff0c;大量的緩存同時失效或過期&#xff0c;導致大量的請求直接打到數據庫&#xff0c;使數據庫壓力劇增&#xff0c;甚至崩潰。與緩存穿透和緩存擊穿不同&#xff0c;緩存雪崩是多個緩存同時失效或過期引…

[AI Google] 三種新方法利用 Gemini 提高 Google Workspace 的生產力

Workspace 側邊欄中的 Gemini 現在將使用 Gemini 1.5 Pro&#xff0c;新的 Gemini for Workspace 功能即將登陸 Gmail 移動應用&#xff0c;等等。 Gemini for Google Workspace 幫助個人和企業更好地利用 Google 應用——從在 Gmail 中撰寫郵件到在 Sheets 中組織項目計劃。過…

glpi 安裝與使用

1、環境介紹 操作系統&#xff1a;龍蜥os 8.9 nginx&#xff1a;1.26.1 php&#xff1a;8.2.19 mysql&#xff1a;MarinaDB 10.3.9 glpi&#xff1a;10.0.6 fusioninventory&#xff1a;fusioninventory-10.0.61.1 2、安裝epel源 dnf install epel-release -y dnf install htt…

Mongodb安裝和簡單操作

文章目錄 1.安裝服務端1.1 官網下載&#xff0c;解壓安裝1.2 配置啟動 2.安裝客戶端2.1 MongoDB Shell下載安裝2.2 連接服務3.操作3.1 創建數據庫 Create a New Database and Collection3.1 Insert Documents3.2 Query Documents3.3 Update Documents3.4 Delete Documents 1.安…

Python | Leetcode Python題解之第125題驗證回文串

題目&#xff1a; 題解&#xff1a; class Solution:def isPalindrome(self, s: str) -> bool:n len(s)left, right 0, n - 1while left < right:while left < right and not s[left].isalnum():left 1while left < right and not s[right].isalnum():right - …

2010-2015 年阿拉斯加北坡苔原植物功能類型連續覆蓋圖

ABoVE: Tundra Plant Functional Type Continuous-Cover, North Slope, Alaska, 2010-2015 2010-2015 年阿拉斯加北坡苔原植物功能類型連續覆蓋圖 簡介 文件修訂日期&#xff1a;2021-08-27 數據集版本: 1 摘要 該數據集以 30 米的分辨率提供了阿拉斯加北坡約 12.5 萬平方…

UTF-64設想之排列組合

現有的UTF-8和UTF-16&#xff0c;用不同語言表示相同意思時&#xff0c;字節數相差很多。所以&#xff0c;就有了UTF-64的設想。它的設計目標是&#xff1a;不同語言表示相同意思&#xff0c;需要的字節數相差不多。 運行以下程序&#xff0c;得出所有排列組合。 import itert…

【深度學習的未來:探索無監督學習的潛力】

文章目錄 前言無監督學習的基本概念簡單的無監督學習示例&#xff1a;K-Means聚類分析代碼結論 前言 隨著深度學習技術的不斷進步&#xff0c;我們正逐漸從依賴大量標注數據的有監督學習轉向更加高效和自主的無監督學習。無監督學習旨在讓機器從數據中自行發現模式和結構&…

【RuoYi】實現文件的上傳與下載

一、前言 首先&#xff0c;最近在做一個管理系統&#xff0c;里面剛好需要用到echarts圖和富文本編輯器&#xff0c;然后我自己去看了官網覺得有點不好懂&#xff0c;于是去B站看來很多視頻&#xff0c;然后看到了up主【程序員青戈】的視頻&#xff0c;看了他講的echarts圖和富…

k8s 部署 Dashboard

Dashboard 是官方提供的一個UI&#xff0c;可用于基本管理K8s資源。 # 在master節點執行# wget \ https://raw.githubusercontent.com/kubernetes/dashboard/v2.5.0/aio/deploy/recommended.yaml vi recommended.yaml 增加 nodePort: 30001 和 type: NodePort ...... spec:p…

一步一步寫線程之十四并行編程和并行庫

一、并行編程 多線程和多進程編程&#xff0c;在早期一般是并發編程&#xff0c;現在基本是并行編程的基礎。或者干脆就叫并行編程也沒有什么可糾結的。但實際上并發編程和并行編程還是有著很大的不同。在前面的“多核和多CPU編程”系列中&#xff0c;已經對并發和并行的概念以…

利用Python處理DAX多條件替換

小A&#xff1a;白茶&#xff0c;救命啊~~~ 白茶&#xff1a;什么情況&#xff1f; 小A&#xff1a;是這樣的&#xff0c;最近不是臨近項目上線嘛&#xff0c;有一大波度量值需要進行類似的調整&#xff0c;一個兩個倒沒啥&#xff0c;600多個&#xff0c;兄弟&#xff0c;救命…

從JS角度直觀理解遞歸的本質

讓我們寫一個函數 pow(x, n)&#xff0c;它可以計算 x 的 n 次方。換句話說就是&#xff0c;x 乘以自身 n 次。 有兩種實現方式。 迭代思路&#xff1a;使用 for 循環&#xff1a; function pow(x, n) {let result 1;// 在循環中&#xff0c;用 x 乘以 result n 次for (let i…