Índice
2. Construir uma matriz de julgamento
2. Estabeleça uma matriz de julgamento
3. Classificação hierárquica única e verificação de consistência
prefácio
Eu simplesmente usei o AHP em cursos antes, e desta vez vou estudá-lo novamente sistematicamente e escrever uma nota de estudo!
1. Introdução do processo
- construir hierarquia
- Construir uma matriz de julgamento
- Cálculo de pesos, verificações de consistência
- Calcule a pontuação para tirar conclusões
2. Realização do modelo
1. Crie uma hierarquia
Explore o ranking de competitividade do turismo urbano das cinco cidades a seguir: Chengdu, Hangzhou, Changsha.
Selecione os seis indicadores da camada de critério para estabelecer a seguinte estrutura hierárquica:
2. Construir uma matriz de julgamento
Para a comparação pairwise da importância de elementos do mesmo nível em relação a um determinado critério no nível anterior, construa uma matriz de comparação pairwise (matriz de julgamento)
1. Capacite os indicadores
fator i do que fator j | valor quantizado |
Igualmente importante | 1 |
ligeiramente importante | 3 |
mais forte importante | 5 |
fortemente importante | 7 |
extremamente importante | 9 |
Valor intermediário de julgamento adjacente | 2、4、6、8 |
2. Estabeleça uma matriz de julgamento
Cada fator da matriz precisa ser preenchido manualmente de acordo com a experiência:
índice |
A1
|
A2
|
A3
|
A4
|
A5
|
A6
|
A1
|
1 | 1/2 | 1/3 | 1/5 | 3 | 5 |
A2
|
2 | 1 | 1/2 | 1/4 | 4 | 4 |
A3
|
3 | 2 | 1 | 1/3 | 4 | 5 |
A4 | 5 | 4 | 3 | 1 | 5 | 6 |
A5
|
1/3 | 1/4 | 1/4 | 1/5 | 1 | 3 |
A6
|
1/5 | 1/4 | 1/5 | 1/6 | 1/3 | 1 |
3. Classificação hierárquica única e verificação de consistência
1. Camada padrão
Em termos simples, a classificação hierárquica simples é calcular o peso de cada índice da matriz de julgamento;
![](https://img-blog.csdnimg.cn/img_convert/ea5f4db7cb5744c1fc697ee8ca95c4f2.png)
%matlab代码
A = [1,1/2,1/3,1/5,3,5;
2,1,1/2,1/4,4,4;
3,2,1,1/3,4,5;
5,4,3,1,5,6;
1/3,1/4,1/4,1/5,1,3;
1/5,1/4,1/5,1/6,1/3,1;];
[x,y] = eig(A); eigenvalue = diag(y);
Lmax = max(eigenvalue); %计算最大特征值
n = size(A,1); %计算判断矩阵阶数
w = x(:,1)/sum(x(:,1)); %计算归一化权向量
CI = (Lmax-n)/(n-1);
RI = [0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51];
CR = CI/RI(n); %计算 CR
O resultado é o seguinte:
CI |
0,0839 |
CR | 0,0677 |
Lmax (máxima raiz característica) | 6.4195 |
w (peso) | [0,1089,0,1503,0,2188,0,4269,0,0593,0,0358] |
IC=0,0839<0,1, indicando que a matriz de julgamento passou no teste de consistência.
2. Camada de programa
Estabeleça uma matriz de julgamento A1 para o fator número de turistas:
número de turistas | Chengdu | hangzhou | Changsha |
Chengdu | 1 | 3 | 5 |
hangzhou | 1/3 | 1 | 3 |
Changsha | 1/5 | 1/3 | 1 |
Desta forma, estabelecem-se seis matrizes de julgamento e calculam-se os pesos e realiza-se o teste de consistência:
Todos os itens acima passaram no teste de consistência e os dados originais serão fornecidos posteriormente.
4. Calcule a pontuação
Multiplique a matriz de peso da camada de critério e a matriz de peso da camada de esquema para obter as pontuações finais das três cidades e realizar a normalização
O resultado é: ou seja, as classificações finais são Chengdu, Hangzhou e Changsha.
3. Análise de Método
vantagem:
- Sistemático: Processo de Hierarquia Analítica toma o objeto de pesquisa como um sistema e toma decisões de acordo com o modo de pensar da decomposição, comparação e julgamento e síntese
- Simplicidade: Este método não busca puramente matemática avançada, nem presta atenção unilateral ao comportamento, lógica e raciocínio, mas combina organicamente métodos qualitativos e quantitativos
- Extenso: o processo hierárquico analítico começa principalmente com a compreensão do avaliador sobre a natureza e os elementos do problema de avaliação e enfatiza a análise qualitativa e o julgamento mais do que os métodos quantitativos gerais
deficiência:
- Confinado ao antigo: apenas um pode ser selecionado do plano original e não há como apresentar um novo plano melhor
- Subjetividade: a seleção de indicadores, a construção da matriz de julgamento e outros vínculos precisam ser conduzidos por humanos, o que carece de popularidade
- Ambigüidade: preste atenção ao qualitativo, não requer alto volume de dados, falta de métodos quantitativos, é difícil resolver o problema do grande volume de dados
Resumir
Desta vez, usei um exemplo que usei antes para melhorar, espero que você possa me corrigir se houver erros.
Para simplificar todo o processo, foram selecionadas apenas três cidades e seis indicadores. Quem quiser os dados originais pode enviar mensagem privada ou comentar
Peça também um like! !