数学建模与Matlab|层次分析法及matlab代码

数学建模算法(一) 层次分析法 The analytic hierarchy process(AHP) 【清风数学建模课程笔记】

文章目录

  • 数学建模算法(一)
    • 层次分析法 The analytic hierarchy process(AHP)
      • 解决评价类问题的一般步骤:
      • 层次分析法的过程:
      • 一致性检验的步骤:
      • 计算权重?
        • 一致矩阵:归一化处理(一致矩阵权重就是特征向量)
        • 判断矩阵
      • 将计算所得的权重填入权重表中并计算得分
      • 层次分析法具体讲解
      • 层次分析法的局限性
      • 模型拓展
      • Matlab代码详解

主要用于解决评价类问题,确定一些评价指标,并为每个指标定权重(和为1)
数学建模与Matlab|层次分析法及matlab代码
文章图片

**(同颜色的单元格和为1)**
解决评价类问题的一般步骤:
  1. 评价的目标(题目提取)
  2. 可选方案有哪些
  3. 评价的准则/指标(根据背景材料、常识以及网上搜集到的一些文献、论文)
    推荐:虫部落快搜https://search.chongbuluo.com/
    优先级:谷歌-微信-知乎
层次分析法的过程:
  • 两个两个指标进行比较,最终根据两两比较的结果来推算出权重
    数学建模与Matlab|层次分析法及matlab代码
    文章图片

  • 判断矩阵是一个正互反矩阵,根据判断矩阵去推算指标的权重数学建模与Matlab|层次分析法及matlab代码
    文章图片

  • 填写其它的判断矩阵,并计算权重
  • 不一致的情况
    数学建模与Matlab|层次分析法及matlab代码
    文章图片

  • 一致矩阵:各行/各列之间成倍数关系,说明一致矩阵有一个特征值为n,其余特征值均为0
数学建模与Matlab|层次分析法及matlab代码
文章图片

a i j × a j k = a i k a_{ij} \times a_{jk} =a_{ik} aij?×ajk?=aik?
  • 在使用判断矩阵求权重之前,必须对其进行一致性检验(检验我们构造的判断矩阵与一致矩阵是否有太大的差别)复习特征值和特征向量
    • 矩阵A为一致矩阵的充要条件为
      • a i j > 0; a 11 = a 22 = . . . = a n n = 1; [ a i 1 , a i 2 , a i 3 , . . . , a i n ] = k [ a l 1 , a l 2 , a l 3 , . . . , a l n ] a_{ij}>0\ ; \\ a_{11}=a_{22}=...=a_{nn}=1\ ; \\ [a_{i1},a_{i2},a_{i3},...,a_{in}] = k[a_{l1},a_{l2},a_{l3},...,a_{ln}] aij?>0 ; a11?=a22?=...=ann?=1 ; [ai1?,ai2?,ai3?,...,ain?]=k[al1?,al2?,al3?,...,aln?]
    • 引理:A为n阶方阵,且r(A) = 1,则A有一个特征值为tr(A)=n,其余特征值均为0
    • 另外,我们很容易得到,当特征值为n时,对应的特征向量刚好为(这个可以自己算出来,就是齐次线性方程组的基础解系)
      k [ 1 a 11 , 1 a 12 , . . . , 1 a 1 n ] ( k ≠ 0 ) = k [ a 11 , a 21 , . . . , a n 1 ] ( k ≠ 0 ) k[\frac{1}{a_{11}},\frac{1}{a_{12}},...,\frac{1}{a_{1n}}](k \neq 0)=k[a_{11},a_{21},...,a_{n1}](k \neq 0) k[a11?1?,a12?1?,...,a1n?1?](k?=0)=k[a11?,a21?,...,an1?](k?=0)
    • 引理:当n阶正互反矩阵非一致时,最大特征值一定满足:
      λ m a x > n \lambda_{max} > n λmax?>n
      且判断矩阵越不一致时,最大特征值与n相差就越大,如下图。数学建模与Matlab|层次分析法及matlab代码
      文章图片

一致性检验的步骤:
  1. 计算一致性指标CI
    C I = λ m a x ? n n ? 1 CI=\frac{\lambda_{max}-n}{n-1} CI=n?1λmax??n?
  2. 【数学建模与Matlab|层次分析法及matlab代码】查找对应的平均随机一致性指标RI(这个东西用到了随机抽样、蒙特卡罗模拟等等,比较复杂,有兴趣自己查资料)
    n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
    RI 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59
    注:实际运用中,n很少超过10,如果指标的个数大于10,则可考虑建立二级指标体系
  3. 计算一致性比例CR
    C I = C I R I CI=\frac{CI}{RI} CI=RICI?
    注:如果CR<0.1,则可认为判断矩阵的一致性可以接受;否则需要对判断矩阵进行修正
计算权重?
一致矩阵:归一化处理(一致矩阵权重就是特征向量) 判断矩阵 方法一:算数平均法
  1. 按照列归一化:用每一列的数据计算权重,得到n组权重数据
  2. 将归一化的各列相加(按行求和)
  3. 将相加后得到的向量中每个元素除以n:算数平均法求权重
方法二:几何平均法
  1. 将A的元素按照行相乘得到一个新的列向量
  2. 将新的向量的每个分量开n次方
  3. 对该向量进行归一化可以得到权重向量
方法三:特征值法求权重(一般用这个)
假如我们的判断矩阵一致性可以接受,那么我们可以仿照一致矩阵权重的求法。(一致矩阵权重就是特征向量)
  1. 求出矩阵A的最大特征值以及其对应的特征向量
  2. 对求出的特征向量进行归一化即可得到我们的权重
将计算所得的权重填入权重表中并计算得分
用Excel,可以按F4锁定单元格
层次分析法具体讲解
  1. 分析系统中各因素的关系,建立系统的递阶层次结构(要把层次结构图放在论文里面,目标层-准则层-方案层,可以用smartart但是很丑,用visio吧,或者亿图/draw.io)
    数学建模与Matlab|层次分析法及matlab代码
    文章图片

  2. 构造判断矩阵(就直接给……不要说自己是哪里来的)
    例如:准则层—方案层的判断矩阵的数值要结合实际来填写,如果题目中有其他数据,可以考虑利用这些数据进行计算。有一个指标是交通安全程度,现在要比较开放小区、半开放小区和封闭小区,而且你收集到了这些小区车流量的数据(搜集资料),那么就可以根据这个数据进行换算作为你的判断矩阵。
    数学建模与Matlab|层次分析法及matlab代码
    文章图片

  3. 由判断矩阵计算被比较元素对于该准则的相对权重,并进行一致性检验(检验通过权重才能用)。为了保证模型的稳健性,可以用三种方法算然后打平均。
    注意:
    • 一致矩阵不需要进行一致性检验,只有非一致矩阵的判断矩阵才需要进行一致性检验;
    • 在论文写作中,应该先进行一致性检验,通过检验后再计算权重,视频中讲解的只是为了顺应计算过程。
    • CR>0.1时如何修正? 直接往各行各列成比例的方向上调
    • 加上一段话:以往的论文利用层次分析法解决实际问题时,都是采用其中某一种方法求权重,而不同的计算方法可能会导致结果有所偏差。为了保证结果的稳健性,本文采用了三种方法分别求出了权重后计算平均值,再根据得到的权重矩阵计算各方案的得分,并进行排序和综合分析,这样避免了采用单一方法所产生的偏差,得出的结论将更全面、更有效。
层次分析法的局限性
  1. 评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异
    可能会很大。
  2. 如果决策层中指标的数据是已知的,那么我们如何利用这些数据来使得
    评价的更加准确呢?(有了数据之后再自己填的话就不客观了)
模型拓展
Matlab代码详解
知识点:
  1. Matlab基本的小常识
    分号的作用、注释的快捷键、clc和clear、disp和input
  2. sum函数
  3. Matlab中如何提取矩阵中指定位置的元素?
  4. size函数
  5. repmat函数
  6. Matlab中矩阵的运算(加点和不加点)
  7. Matlab中求特征值和特征向量
  8. find函数的基本用法
  9. 矩阵与常数的大小判断运算
  10. 判断和循环语句
注意以下几点:
  1. 在论文写作中,应该先对判断矩阵进行一致性检验,然后再计算权重,因为只有判断矩阵通过了一致性检验,其权重才是有意义的。但在下面的代码中,我们先计算了权重,然后再进行了一致性检验,这是为了顺应计算过程,事实上在逻辑上是说不过去的。
  2. 论文中如果用到了层次分析法,一定要先对判断矩阵进行一致性检验。
  3. 而且要说明的是,只有非一致矩阵的判断矩阵才需要进行一致性检验。如果你的判断矩阵本身就是一个一致矩阵,那么就没有必要进行一致性检验。
输入判断矩阵
注意:判断矩阵的每个元素都是1~9或者它们的倒数
clear; clc A =[1 1 4 1/3 3; 1 1 4 1/3 3; 1/4 1/4 1 1/3 1/2; 3 3 3 1 3; 1/3 1/3 2 1/3 1] % matlab矩阵有两种写法,可以直接写到一行: % [1 1 4 1/3 3; 1 1 4 1/3 3; 1/4 1/4 1 1/3 1/2; 3 3 3 1 3; 1/3 1/3 2 1/3 1] % 也可以写成多行: % 两行之间以分号结尾(最后一行的分号可加可不加),同行元素之间以空格(或者逗号)分开。

使用算术平均法求权重
% 第一步:将判断矩阵按照列归一化(每一个元素除以其所在列的和) Sum_A = sum(A)n = size(A,1) % 因为我们的判断矩阵A是一个方阵,所以这里的r和c相同,我们可以就用同一个字母n表示 SUM_A = repmat(Sum_A,n,1) clc; A SUM_A Stand_A = A ./ SUM_A% 第二步:将归一化的各列相加(按行求和) sum(Stand_A,2)% 第三步:将相加后得到的向量中每个元素除以n即可得到权重向量 disp('算术平均法求权重的结果为:'); disp(sum(Stand_A,2) ./ n)

其它替代语句
% 将列和重复5行的其它方法: SUM_A = []; for i = 1:n%这一行后面不能加冒号(和Python不同),这里表示循环n次 SUM_A = [SUM_A; Sum_A] end

使用几何平均法求权重
% 第一步:将A的元素按照行相乘得到一个新的列向量 clc; A Prduct_A = prod(A,2) % prod函数和sum函数类似,一个用于乘,一个用于加dim = 2 维度是行% 第二步:将新的向量的每个分量开n次方 Prduct_n_A = Prduct_A .^ (1/n)% 第三步:对该列向量进行归一化即可得到权重向量 disp('几何平均法求权重的结果为:'); disp(Prduct_n_A ./ sum(Prduct_n_A))

使用特征值法求权重
% 第一步:求出矩阵A的最大特征值以及其对应的特征向量 clc [V,D] = eig(A) %V是特征向量, D是由特征值构成的对角矩阵(除了对角线元素外,其余位置元素全为0) Max_eig = max(max(D)) %max(D)是求出每列的最大值,输出一个1行n列的矩阵 %可以直接写成max(D(:))[r,c] = find(D == Max_eig , 1) % D == Max_eig返回的是一个逻辑矩阵,此语句找到D中第一个与最大特征值相等的元素的位置,记录它的行和列。% 第二步:对求出的特征向量V(:,c)进行归一化即可得到我们的权重 disp('特征值法求权重的结果为:'); disp( V(:,c) ./ sum(V(:,c)) )

一致性检验
clc CI = (Max_eig - n) / (n-1); RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59]; %注意,这里的RI最多支持 n = 15 CR=CI/RI(n); disp('一致性指标CI='); disp(CI); disp('一致性比例CR='); disp(CR); if CR<0.10 disp('因为CR < 0.10,所以该判断矩阵A的一致性可以接受!'); else disp('注意:CR >= 0.10,因此该判断矩阵A需要进行修改!'); end

写在最后:
如何修改代码避免查重的方法

    推荐阅读