国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

層次分析法(matlab實現(xiàn))

這篇具有很好參考價值的文章主要介紹了層次分析法(matlab實現(xiàn))。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報違法"按鈕提交疑問。

1.層次分析法(AHP)

? ? ? ?在決策理論中,層次分析法是一種以數(shù)學(xué)心理學(xué)為基礎(chǔ),組織和分析復(fù)雜決策的結(jié)構(gòu)化技術(shù),它代表了一種量化決策標(biāo)準(zhǔn)權(quán)重的準(zhǔn)確方法,通過成對比較,利用個別專家的經(jīng)驗來估計因素的相對大小

2.算法用途

? ? ? ?在很多情況下,我們對事物的評價,應(yīng)該多維度的進(jìn)行評價。多維度評價之后我們要如何把它們合并成一個指標(biāo)用于比較事物的好壞?這時候需要對各個指標(biāo)賦權(quán),層次分析法就是用來賦權(quán)重的,這個方法個體主觀性較強(qiáng),在數(shù)據(jù)集比較小,實在不好比較的時候可以選擇這種方法

3.算法簡述

這個算法是一個多指標(biāo)綜合評價算法,這種算法一般會有兩個用途:

  • 指標(biāo)定權(quán)

我們可以在沒有數(shù)據(jù)支撐的情況下可以根據(jù)每個人對重視程度不一樣而給各個指標(biāo)指定權(quán)重

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

  • 量化方案選擇

? ? ? 我們在旅游的時候,可能會面臨去哪的難題,我們會假設(shè)有幾套方案,例如:杭州、三亞、成都,而每個地方的都可以綜合以上的4個因素,給這些方案計算出一個量化得分,然后我們就可以根據(jù)它們各自的得分得出我們心里的最優(yōu)選擇

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

?4.AHP層次分析過程

? ? ? ?在分析一個現(xiàn)象或者問題之前,首先將現(xiàn)象或問題根據(jù)它們的性質(zhì)分解成有關(guān)因素,并根據(jù)它們之間的關(guān)系分類而形成一個多層次的結(jié)構(gòu)模型,然后通過經(jīng)驗或者專家,來判斷和衡量底層因素對高層因素的相對重要性,并根據(jù)重要性的程度得出權(quán)重排序,進(jìn)而可以量化分析比較。

? ? ? ?層次分析法的核心是將影響因素層次化和數(shù)據(jù)化,它把一個抽象的現(xiàn)象或問題由難到易的予以分解,易于對復(fù)雜問題進(jìn)行直觀的判斷并做出決策。層次分析法具有將復(fù)雜問題簡單化且計算簡單等優(yōu)點(diǎn),應(yīng)用都十分廣泛,諸如在人員素質(zhì)評估、多方案比較、科學(xué)成果評比和工作成效評價等多領(lǐng)域多方面都有運(yùn)用?

一般的層次分析法分為三層:

  • 目標(biāo)層(分析目的)
  • 準(zhǔn)則層(分析因素)
  • 方案層(分析種類)

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

?注意:一致性檢驗的含義用于確定構(gòu)建構(gòu)建的判斷矩陣是否存在邏輯問題

? ? ? 類似于A對于B是3,就說明A比B重要,A對于C是1/3,就說明C比A重要,那么如果B對于C是2的話,就說明B比C重要,但是根據(jù)上述的邏輯,這樣就犯了邏輯性的錯誤,理應(yīng)是C比B重要

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

?4.1 構(gòu)建層次評價模型

我們應(yīng)該在分析前先確認(rèn)整個決策事件的目標(biāo)層、準(zhǔn)則層、方案層

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

4.2構(gòu)造判斷矩陣

構(gòu)造判斷矩陣就是通過各要素之間相互兩兩比較,并確定各準(zhǔn)則層對目標(biāo)的權(quán)重

標(biāo)度 含義
1 表示兩個元素相比,具有同樣的重要性
3 表示兩個元素相比,前者比后者稍重要
5 表示兩個元素相比,前者比后者明顯重要
7 表示兩個元素相比,前者比后者極其重要
9 表示兩個元素相比,前者比后者強(qiáng)烈重要
2,4,6,8 表示上述相鄰判斷的中間值
1~9的倒數(shù) 表示相應(yīng)兩因素交換次序比較的重要性

判斷矩陣滿足:

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

?我們可以對于準(zhǔn)則A,可以構(gòu)造一個:

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

我們就可以根據(jù)我們對這些因素的一個客觀認(rèn)識去得到這個完整的判斷矩陣

4.3 層次單排序與一致性檢驗

4.3.1層次單排序

?所謂的層次排序法就是根據(jù)我們構(gòu)成的判別矩陣,求解各個指標(biāo)的權(quán)重

方法一:方根法

  1. 計算每行乘積得到m次方,得到一個m維向量
  2. 將向量標(biāo)準(zhǔn)即為權(quán)重向量,即得到權(quán)重?

方法二:和法

  1. 先將矩陣的每列進(jìn)行標(biāo)準(zhǔn)化
  2. 將標(biāo)準(zhǔn)化后的各元素按行求和
  3. 將求和結(jié)果進(jìn)行標(biāo)準(zhǔn)化

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

4.3.2 求解最大特征值與CI值

設(shè) n 階判斷矩陣為 B,則可用以下方法求出其最大的特征根 :BW=λW,其中,W 是 B 的特征向量。 在層次分析法中, 我們用以下的一致性指標(biāo) CI 來檢驗判斷的一致性指標(biāo) (Consistency Index):

? ? ? ? ?CI=0表示判斷矩陣完全一致,CI越大,判斷矩陣的不一致性程度越嚴(yán)重

當(dāng)?shù)贸鰴?quán)重矩陣后,我們可以計算最大特征根,其公式為:

其中n為維度數(shù),AW為判斷矩陣標(biāo)準(zhǔn)化后的權(quán)重,然后按行的累加值

4.3.3 根據(jù)CI、RI值求解CR值,判斷其一致性是否通過

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

? ?情況如下:

  • CR<0.1時,矩陣A的一致性程度被認(rèn)為在容許的范圍內(nèi)
  • CR>=0.1時,我們應(yīng)該考慮對矩陣A進(jìn)行修正

4.3.4 層次總排序與一致性檢驗

計算某一層所有因素對于最高層(目標(biāo)層)相對重要性的權(quán)值,稱為層次總排序

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

案例分析:

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

層次分析法(matlab實現(xiàn)),Matlab,matlab,算法,開發(fā)語言

?matlab源碼:文章來源地址http://www.zghlxwxcb.cn/news/detail-704656.html

%層次分析法
%P是指標(biāo)評分 B是判別矩陣
function level(P,A)
%求出判別矩陣的行列數(shù)
[n,~]=size(A);
%求出該矩陣的特征向量與特征值
[V,D]=eig(A)
tzz=max(max(D))%找出最大的特征值
c1=D(1,:)==tzz%找出最大的特征值的位置
tzx=V(:,c1)%最大特征值對應(yīng)的特征向量
%賦權(quán)重
quan=zeros(n,1)
%得到權(quán)重向量
for i=1:n
    quan(i,1)=tzx(i,1)/sum(tzx);
end
Q=quan
%--------------------------------一致性檢驗---------------------------------
%計算一致性指標(biāo)CI
CI=(tzz-n)/(n-1)
%平均隨機(jī)一致性指標(biāo)RI
RI=[0,0,0.58,0.9,1.12,1.24,1.32,1.41,1.45,1.49,1.52,1.54,1.56,1.58,1.59];
%判斷是否通過一致性
CR=CI/RI(1,n)
if CR>=0.1
    fprintf('沒有通過一致性\n');
else
    fprintf('通過一致性檢驗\n');
end
%顯示出所有評分對象的評分值
score=P*Q;
for i=1:length(score)
    name=['object_score',num2str(i)];
    eval([name,'=score(i)'])
end





到了這里,關(guān)于層次分析法(matlab實現(xiàn))的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)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(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點(diǎn)擊違法舉報進(jìn)行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 數(shù)學(xué)建模之層次分析法(含MATLAB代碼)

    數(shù)學(xué)建模之層次分析法(含MATLAB代碼)

    層次分析法的基本原理與步驟 人們在進(jìn)行社會的、經(jīng)濟(jì)的以及科學(xué)管理領(lǐng)域問題的系統(tǒng)分析中,面臨的常常是 一個由相互關(guān)聯(lián)、相互制約的眾多因素構(gòu)成的復(fù)雜而往往缺少定量數(shù)據(jù)的系統(tǒng)。層次 分析法為這類問題的決策和排序提供了一種新的、簡潔而實用的建模方法。 基本

    2024年02月01日
    瀏覽(22)
  • 清風(fēng)學(xué)習(xí)筆記—層次分析法—matlab對判斷矩陣的一致性檢驗

    在判斷矩陣是否為正互反矩陣這塊,我寫了兩種代碼,改進(jìn)前很麻煩且有錯誤,改進(jìn)后簡潔多了,改進(jìn)前的代碼還有錯誤,忽略了對角線的值必須都是1,只考慮了除開對角線的元素相乘為1。? 下面是全部代碼

    2024年02月06日
    瀏覽(18)
  • 【建模算法】層次分析法(Python實現(xiàn))

    【建模算法】層次分析法(Python實現(xiàn))

    在很多情況下,我們對事物評價,應(yīng)該要多維度評價。多維度評價之后我們要如何把它們合并成一個指標(biāo)用于比較事物的好壞呢,這時候需要對各個指標(biāo)賦權(quán), 層次分析法就是用來賦權(quán)重的了。 這個方法主觀性比較強(qiáng),在數(shù)據(jù)集比較小,實在不好比較的時候可以用這個方法

    2024年01月22日
    瀏覽(22)
  • Matlab:如何利用層次分析法(升級版)計算具有多重指標(biāo)的判斷矩陣的一致性檢驗和權(quán)重

    Matlab:如何利用層次分析法(升級版)計算具有多重指標(biāo)的判斷矩陣的一致性檢驗和權(quán)重

    02 論文提供的太陽鏡的評價體系 03 建立目標(biāo)層和準(zhǔn)則層的判斷矩陣?(論文提供) 04 首先需要對判斷矩陣進(jìn)行一致性檢驗 4.1 一致性檢驗的一般步驟 4.2 對應(yīng)上方步驟的變量和代碼 05 一致性檢驗通過之后開始計算權(quán)重 5.1 算術(shù)平均法計算權(quán)重-理論部分 5.2 算術(shù)平均法計算權(quán)重

    2024年02月03日
    瀏覽(28)
  • 主成分分析法(PCA)及MATLAB實現(xiàn)

    主成分分析法(PCA)及MATLAB實現(xiàn)

    目錄 1. 主成分分析概念: ?2. 主成分分析法步驟: 第一步:對所有特征進(jìn)行中心化:去均值 第二步:求協(xié)方差矩陣C 第三步:求協(xié)方差矩陣C的特征值?編輯和相對應(yīng)的特征向量?編輯 第四步:將原始特征投影到選取的特征向量上,得到降維后的新K維特征 ?3. 主成分分析法

    2024年02月12日
    瀏覽(29)
  • 數(shù)學(xué)建模--層次分析法(AHP)的Python實現(xiàn)

    目錄 1.算法流程簡介 2.算法核心代碼 3.算法效果展示 算術(shù)平均法求得的權(quán)重為: [0.07243906 0.30125047 0.62631047] 幾何平均法求得的權(quán)重為: [0.7374984 ?0.17727613 0.08522547] 特征值權(quán)重法法求得的權(quán)重為: [0.07239208 0.30116321 0.62644471]

    2024年02月10日
    瀏覽(20)
  • 評價模型(一) 層次分析法(AHP),熵權(quán)法,TOPSIS分析 及其對應(yīng) PYTHON 實現(xiàn)代碼和例題解釋

    評價模型(一) 層次分析法(AHP),熵權(quán)法,TOPSIS分析 及其對應(yīng) PYTHON 實現(xiàn)代碼和例題解釋

    數(shù)學(xué)建模系列文章: 以下是個人在準(zhǔn)備數(shù)模國賽時候的一些模型算法和代碼整理,有空會不斷更新內(nèi)容: 評價模型(一)層次分析法(AHP),熵權(quán)法,TOPSIS分析 及其對應(yīng) PYTHON 實現(xiàn)代碼和例題解釋 評價模型(二)主成分分析、因子分析、二者對比及其對應(yīng) PYTHON 實現(xiàn)代碼和例

    2024年02月08日
    瀏覽(28)
  • 主成分分析法(PCA)解析與MATLAB實踐

    主成分分析法(PCA)解析與MATLAB實踐

    PCA(Principal Components Analysis)即主成分分析,也稱主分量分析或主成分回歸分析法,是一種無監(jiān)督的數(shù)據(jù)降維方法,在機(jī)器學(xué)習(xí)中常用于特征降維提取主要特征以減少計算量。PCA主要原理是將高維原數(shù)據(jù)通過一個轉(zhuǎn)換矩陣,映射到另一組低維坐標(biāo)系下,從而實現(xiàn)數(shù)據(jù)降維。舉個簡

    2023年04月08日
    瀏覽(22)
  • 層次分析法

    層次分析法

    人們常常面臨一個由 相互關(guān)聯(lián)、相互制約 的眾 多因素 構(gòu)成的復(fù)雜而往往 缺少定量數(shù)據(jù) 的系統(tǒng); AHP是對一些較為復(fù)雜、較為模糊的問題作出決策的簡易方法,特別適用于那些難于完全定量分析的問題; 美國運(yùn)籌學(xué)家T. L. Saaty 教授于上世紀(jì)70 年代初期提出的一種簡便、靈活

    2024年02月02日
    瀏覽(25)
  • 層次分析法(參考:清風(fēng))

    ? ? ? ? ?層次分析法(The?Analytic?Hierarchy?Process即 AHP)是由美國運(yùn)籌學(xué)家、 匹茲堡大學(xué)教授T?.?L.?Saaty于20世紀(jì)70年代創(chuàng)立的一種系統(tǒng)分析與決策的綜合 評價方法,是在充分研究了人類思維過程的基礎(chǔ)上提出來的,它較合理地解 決了定性問題定量化的處理過程。 ? ? ? ?A

    2024年02月06日
    瀏覽(24)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包