《AHP(层次分析法)示例说明》由会员分享，可在线阅读，更多相关《AHP(层次分析法)示例说明（11页珍藏版）》请在金锄头文库上搜索。
1、.AHP（层次分析法）示例说明(The Analgtic Hierarachy Process-AHP)一 .AHP 预备知识为了更好地理解AHP，需要准备一些矩阵方面的知识，以下知识都可以从线性代数中找到。1.1特征根与特征向量设 Aaij m n 为 n 阶方阵，若存在常数和非零 n 维向量 g ( g1 , g 2 , g n ) ，使得Agg(1)则称，是矩阵 A 的特征根（或特征值） ，非零向量 g 是矩阵 A 关于特征根的特征向量。1.2特征根的求法由 (1) 得 Agg 0A E g 0，这是一个 n 元一次线性齐次方程组，该方程组如果有非零解，则其充分必要条件为：系数行列式为零
2、，即A E 0(2)称 (2) 式为矩阵 A 的特征方程，它是一个一元 n 次方程，由线性代数基本定理知，该方程有且只有 n 个根。1.3重量模型设 u1 ,u2 , , u n 为 n 个物体，重量分别是 g1 , g2 , , g n 。但是，我们并不知道物体的重量，只知两两之间重量比的比值：aijg ig j设准则 C为比较重量，问题是：已知 aij (1 i, jn) ，在准则 C下对元素 u1 , u2 ,u n 排序，也就是按其重量大小排序已知。g1g1g1g1g2g nAaij n mg 2g2g 2g1g2g ng ngng ng1g2g n对于以下三个特性：（ 1） aij0
3、（ 2） aij1a ji（ 3） aija jkaikaij 显然满足 （ 1）与（ 2），但是，（ 3）式通常不被满足 （因为统计或构造这么完整的数据很难），满足（ 1）、（ 2）的矩阵 A为正互反矩阵 ；满足（ 1）、（ 2）并且（ 3）也成立时的矩阵A 称为一致性判断矩阵 。问题是：已知判断矩阵A，在准则 C 下对 n 个物体排序。即按重量大小排序。.如果， aijgi 是， gi ， g j 是重量的精确值，此时（3）式必定成立，即A是一致性判断矩阵。g j令g g1 g2 gn T则带入计算，Agng 。显见 n 是方阵 A 的特征根， g 是 A的与n 对应的特征向量；事实上此时
4、不难验证：n 是方阵 A=( a ) 的最大特征根，其余n-1 个特征根全为零，而 g 是 A的与最大特ij征根 n 对应的特征向量。（证明见附录） g 的 n 个分量是物体的相对重量，因此，可按此对 u1 , u2 , ,un排序。如果对矩阵 A有一个小的扰动，即 aij不再是真实重量的比值，这时显然A 不满足一致性条件，此时 A的最大特征根max 不再是 n；因扰动很小，自然max 离 n 不远，这时m ax 对应的特征向量虽然不会是 n 个物体的真实重量 gg1, g 2 ,T, gn ，但是，变动也不会太大。我们设想：如果扰动不大，则 max 离 n 就不远，此时m ax 对应的特征向
5、量g 与 g 差不多，如果g 不改变 g 的各分量的大小次序，则 g 同样给出 n 个物体 u1, u2 ,un 按重量大小的真实排序。这样，对不满足一致性的正互反矩阵A( aij ) n n ，我们求其最大特征根max ，再求与m ax 对应的特征向量 g，则可按 g 对 n 个物体 u1 , u2 , un 按重量大小排序。 但是，这一番理论有几个疑点： 当 A不满足一致性时， A 还有没有最大正的特征根； 既使 A有最大特征根，那么，这个最大特征根 m ax 对应的特征向量的全部分量能否还是正数（重量不可能为负数）？这两个问题可以用矩阵代数中 Perro Frobineus 定理 回答。
6、Perro-Frobineus定理：正矩阵存在重数为1 重的正特征根，其它特征根的模均小于这个正特征根，该正特征根对应的特征向量可以全部由正分量组成，经“归一化”处理后该特征向量是惟一的。（证明见 itac的 ecmp平台文档库中Proof_Of_PF_Theorem.pdf）Perron 定理明白地告诉我们，对正互反矩阵A，既使它不满足一致性，也一定存在最大正的实特征根，它对应的特征向量的各个分量都可以是正数，并且“归一化”后是惟一的。但是，我们能否按这个“归一化”后是惟一的特征向量对n 个物体按重量大小排序呢？或说这个“归一化”后的特征向量是否会改变扰动前的一致性矩阵 A的最大特征根 m
7、ax =n 对应的特征向量的各分量间大小的排序呢？这个问题太难了，人们简直难于正面明确地回答，而只能给出一个并不是十分令人满意的简接回答。那就是对判断矩阵 A aij的一致性满意程度进行检验：我们说过，由于对 A 不大的扰动，最大特征根离n 不应太远，所以一致性检验自然与n 有关。我们可以证明： 只要 A 的一致性不被满足， 那么 A的最大特征根max 一定比 n 大，即 max n0。（对于正互反矩阵最大特征根随扰动的变大而变大的证明没有找到，忘补充）C.I.maxnn 1令显然， 我们希望 C.I .尽量小； 但是， C.I .小到什么程度， 才能使 max 与 n 对应的特征向量 “归一
8、化”后各分量大小次序不被破坏呢？这仍是一个非常非常困难的问题，可以说，人们难以正面回答这个问题。为此， AHP发明者 Saaty给出了平均一致性检验值R.I . 。我们重复 1000 次，对随机判断矩阵 A 的最大特征根进行计算后求取算术平均值得到如下平均随机一致性检验指标如下：.阶数123456789101112131415R.I .000.52 0.891.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59令C.I .C.R.R.I .当 C.R. 0.1 时，认为判断矩阵A 的一致性是可以被接受的。 亦即当 C.R.0.1即 C.I
9、.0.1R.I .时，就是说， 当给定的判断矩阵 A(aij ) 的一致性指标 C.I. 不超过平均随机一致性指标R.I.的 0.1倍时，认为判断矩阵 A (aij) 的一致性是可以被接受的。言外之意：此时的A的 m ax 对应的特征向量“归一化”后，能给出n个物体 u1 , u2 , ,u n 按重量大小的真实排序。明显看出这个回答不是正面的，也有些令人难以置信。但是，这已是目前为止最好的回答了，这也是AHP 理论上不够严谨的问题。不过，从应用角度讲，当C.R.0.1 时， AHP不再适用，这时，只能回头考虑，变更递阶层次结构，或对判断矩阵A重新赋值。C二 .AHP 基本步骤用 AHP解决问
10、题，有四个步骤：1. 建立问题的递阶层次结构；2. 构造两两比较判断矩阵；3. 由判断矩阵计算被比较元素相对权重；4. 计算各层元素组合权重，并进行一致性检验。下面通过一个应用实例说明AHP的每个步骤的实施。例：某闹市区一商场附近交通拥挤。目标G：改善该街区交通环境。有三种方案可供选择：A1 ：修天桥或修高架桥；A2 ：修地道；A3 ：商场搬迁。选择方案的准则有5 个： c1 ：通车能力；c2 ：方便市民；c3 ：改造费用；c4 ：安全性；c5 ：市容美观。决策步骤：A. 建立问题的递阶层次结构：.1. 目标层最高层：目标层G：改变交通环境2. 准则层c1 ：通车能力c2 ：方便市民c3 ：改
11、造费用c4 ：安全性c5 ：市容美观3. 方案层方案 A1方案 A2方案 A3递阶层次结构中，每一层的每一个元素均是下一层中每个元素的准则。B. 构造两两比较判断矩阵构造判断矩阵A(aij ) n n ，在单准则下分别构造，即在G下对 c1 c2 c3 c4 c5 ，构造判断矩阵；分别在 c1 c2 c3 c4 c5 下对 A1 A2 A3 构造判断矩阵。在单一准则下，如何具体构造两两比较判断矩阵A( aij ) 呢？即如何具体确定比值aij 呢？在AHP中比较常用的是1-9 比例标度法 。关于 1-9 比例标度法的说明:n 个元素 u1, u2 ,un ，两两比较其重要性共要比较n(n1)
12、次。第 i 个元素 ui 与第 j 个元素 u j2重要性之比为aij 。通过使用标度比重，确定aij ，一下是标度值：aij1表示 ui 与 u j 重量相同，或重要性相同；aij3表示 ui 比 u j 稍重；aij5表示 ui 比 u j 明显重；aij7表示 ui 比 u j 强烈重；aij9表示 ui 比 u j 极端重；数 2、 4、6、 8 则为上述判断的中值。两两比较两个元素的重要性，总是在某种准则 （准则层比较是以总目标G为准则，方案层比较，分别以准则层中各元素为准则）下进行的。至于为什么取1-9 比例标度 ，而不取别的，是因为人们直觉最多只能判断出9 个等级的差异，再细的差异，人的直觉是分辨不出来的，而两两比较判断矩阵是领域专家靠感觉去分辨和构造的。从理论上讲，用1-15 比例标度也未尝不可，只是人的直觉分辨不出。对n 个物体，两两比较其重要性得判断矩阵A(aij )n n ，显然 aij 满足：
