logo资料库

数学建模层次分析法案例大学毕业生就业选择问题.doc

第1页 / 共25页
第2页 / 共25页
第3页 / 共25页
第4页 / 共25页
第5页 / 共25页
第6页 / 共25页
第7页 / 共25页
第8页 / 共25页
资料共25页,剩余部分请下载后查看
一、问题举例:
二、问题分析:
三、确定各层次互相比较的方法——成对比较矩阵和权向量
四:一致性矩阵
一致性矩阵(一致阵)性质:
解释:
分析:
问题:Remark
五、一致性检验——一致性指标:
1.一致性检验指标的定义和确定——(平均值)的定义:
2.随机一致性检验指标——
3. 一致性检验指标的定义——一致性比率。
六、标度——比较尺度解:
七、组合权向量的计算——层次总排序的权向量的计算
八、层次分析法的基本步骤:
九、特征根的近似求法(实用算法)
1.“和法”求最大特征根和对应特征向量(近似解)
2.“根法”求最大特征根特征向量近似值:
3.“幂法”求最大特征根:
十、应用实例
层次分析法建模 层次分析法(AHP-Analytic Hierachy process)---- 多目标决策方法 70 年代由美国运筹学家 T·L·Satty 提出的,是一种定性与定量分析相结合的多目标决策 分析方法论。吸收利用行为科学的特点,是将决策者的经验判断给予量化,对目标(因素)结 构复杂而且缺乏必要的数据情况下,採用此方法较为实用,是一种系统科学中,常用的一种系 统分析方法,因而成为系统分析的数学工具之一。 传统的常用的研究自然科学和社会科学的方法有: 机理分析方法:利用经典的数学工具分析观察的因果关系; 统计分析方法:利用大量观测数据寻求统计规律,用随机数学方法描述(自然现象、 社会现象)现象的规律。 基本内容:(1)多目标决策问题举例 AHP 建模方法 (2)AHP 建模方法基本步骤 (3)AHP 建模方法基本算法 (3)AHP 建模方法理论算法应用的若干问题。 参考书: 1、姜启源,数学模型(第二版,第 9 章;第三版,第 8 章),高等教育出版社 2、程理民等, 运筹学模型与方法教程,(第 10 章),清华大学出版社 3、《运筹学》编写组,运筹学(修订版),第 11 章,第 7 节,清华大学出版社 一、问题举例: A.大学毕业生就业选择问题 获得大学毕业学位的毕业生,“双向选择”时,用人单位与毕业生都有各自的选择标准和要 求。就毕业生来说选择单位的标准和要求是多方面的,例如: 1 能发挥自己的才干为国家作出较好贡献(即工作岗位适合发挥专长); 2 工作收入较好(待遇好); 3 生活环境好(大城市、气候等工作条件等); 4 单位名声好(声誉-Reputation); 5 工作环境好(人际关系和谐等) 6 发展晋升(promote, promotion)机会多(如新单位或单位发展有后劲)等。 问题:现在有多个用人单位可供他选择,因此,他面临多种选择和决策,问题是他将如何 作出决策和选择?——或者说他将用什么方法将可供选择的工作单位排序? 工作选择 贡献 收入 发展 声誉 工作环境 生活环境 1
可供选择的单位 P1’ P2 ‘ ----- Pn B.假期旅游地点选择 暑假有 3 个旅游胜地可供选择。例如: 1P :苏州杭州, 2P 北戴河, 3P 桂林,到底到哪个 地方去旅游最好?要作出决策和选择。为此,要把三个旅游地的特点,例如:①景色;②费用; ③居住;④环境;⑤旅途条件等作一些比较——建立一个决策的准则,最后综合评判确定出一 个可选择的最优方案。 目标层 选择旅游地 准则层 景 色 方案层 费 用 P1 居 住 P2 饮 食 P3 旅 途 C.资源开发的综合判断 7 种金属可供开发,开发后对国家贡献可以通过两两比较得到,决定对哪种资源先开发, 效用最用。 对经济发展、贡献 U 经济价值 开採费 风险费 要求量 战略重要性 交通条件 铁 In 铜 Co 磷酸盐 钿 Ur 铝 Al 金 Go 二、问题分析: 例如旅游地选择问题:一般说来,此决策问题可按如下步骤进行: 2
(S1)将决策解分解为三个层次,即: 目标层:(选择旅游地) 准则层:(景色、费用、居住、饮食、旅途等 5 个准则) 方案层:(有 1P , 2P , 3P 三个选择地点) 并用直线连接各层次。 (S2)互相比较各准则对目标的权重,各方案对每一个准则的权重。这些权限重在人的思维过 程中常是定性的。 例如:经济好,身体好的人:会将景色好作为第一选择; 中老年人:会将居住、饮食好作为第一选择; 经济不好的人:会把费用低作为第一选择。 而层次分析方法则应给出确定权重的定量分析方法。 (S3)将方案后对准则层的权重,及准则后对目标层的权重进行综合。 (S4)最终得出方案层对目标层的权重,从而作出决策。 以上步骤和方法即是 AHP 的决策分析方法。 三、确定各层次互相比较的方法——成对比较 矩阵和权向量 在确定各层次各因素之间的权重时,如果只是定性的结果,则常常不容易被别人接受,因 而 Santy 等人提出:一致矩阵法 ..... 即:1. 不把所有因素放在一起比较,而是两两相互比较 2. 对此时採用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,提高准确度。 因素比较方法 —— 成对比较矩阵法: 目的是,要比较某一层 n 个因素 , CC 1  对上一层因素 O 的影响(例如:旅游决策解 , nC , 2 中,比较景色等 5 个准则在选择旅游地这个目标中的重要性)。 採用的方法是:每次取两个因素 iC 和 jC 比较其对目标因素 O 的影响,并用 ija 表示,全部 比较的结果用成对比较矩阵表示,即: A  ( a ij ) nxn , a ij  ,0 a ji  ( 1 a ij 或 a ij  a ij  )1 (1) 由于上述成对比较矩阵有特点: A  ( a ij , ) a ij  ,0 a ij  1 a ji 故可称 A 为正互反矩阵:显然,由 a ij 1 ,即: a ji a ij a  ji 1 ,故有: 1jia 3
例如:在旅游决策问题中: 12 a 1 = 2 C (景色) 1 C (费用) 2 表示: C  ( 景色)对目标 1  C (费用)对目标  2 O 1 的重要性为 O 2 的重要性为 故: 12 a 1 1 (2 即景色重要性为 ,费用重要性为 2 ) a 13 4 4 1 = C (景色) 1 C (居住条件) 3 表示: 即:景色为 4,居住为 1。 ( C  景色)对目标 1  C (居住条件)对目标  3 O 的重要性为 4 O 1 的重要性为 的重要性为 7 O 1 的重要性为 a 23 7 7 1 = O 表示: C (费用) 2 C (居住条件) 3 ( C  费用)对目标 2  C (居住条件)对目标  3 即:费用重要性为 7,居住重要性为 1。 33 55 1 2 11 11 1 4 2 7 1 1 17 1 2 5 1 3 5 1 2 1 1 1                   4 3 3 A  3 1 因此有成对比较矩阵: ??问题:稍加分析就发现上述成对比较矩阵的问题: 1 即存在有各元素的不一致性,例如: 既然: a 12  C 1 C 2  a 21 1 2 ;2 a 13  所以应该有: a 23  C C 2 3  a a 21 31  C 2 C 3 C 1 C 1  而不应为矩阵 A 中的 23 a 7 1  a 31 4 1 1 a 13  1 4  8 8 1 C 1 C 3 2 1 4 ②成对比较矩阵比较的次数要求太 ,因: n 个元素比较次数为: 2 Cn  )1 ( nn  !2 次, 因此,问题是:如何改造成对比较矩阵,使由其能确定诸因素 ,1  对上层因素 O 的 C , nC 权重? 对此 Saoty 提出了:在成对比较出现不一致情况下,计算各因素 ,1  对因素(上层 C , nC 因素)O 的权重方法,并确定了这种不一致的容许误差范围。 为此,先看成对比较矩阵的完全一致性——成对比较完全一致性 4
四:一致性矩阵 Def:设有正互反成对比较矩阵: A               a 11  a 21  W 1 W 1 W 2 W 1  1 a 12  a 22  2 W 1 W W W 2 2   , 1 , a  1 n  , 1 , a   2 n W 1 W n W W 2 n   a ij  W i W j  a 1 n  W n W 1 a n 2  W W n 2  a nn  W W n n 1               (4) 除满足:(i)正互反性:即 a ij  0 a ij  ( 1 a 或 a ji  a ji ij  )1 而且还满足:(ii)一致性:即 a ij  a a i j  ka i a  kj  ha i ha j j i,  1, 2,  n 则称满足上述条件的正互反对称矩阵 A 为一致性矩阵,简称一致阵。 一致性矩阵(一致阵)性质: 性质 1: A 的秩 Rank(A)=1 A 的唯一非 0 的特征根为 n 性质 2: A 的任一列(行)向量都是对应特征根 n 的特征向量: 即有(特征向量、特征值): A            n 2 2  W 1 W W W W W 1 1 W W 1 W W 2 W W 1 n  W W n n W W 1 W W   2 2 2 n n           ,则向量  W  2 W 1 W  W 3             5
满足: WA  W 1 W 1  W n W 1        2  W W 1 1 W W  W W W W  n n n 2 n              2 W 1 W  W n              nW 1 nW 2  nW n        Wn 即: ( A  WnI )  0 启发与思考:既然一致矩阵有以上性质,即 n个元素 W1, W2,W3 , …Wn 构成的向量       是一致矩阵 A 的特征向量,则可以把向量 W 归一化后的向量,看成是诸元素 W1, W2,W3 , …Wn 目标的权向量,因此,可以用求 A的特征根和特征向量的办法,求出元素 W1, W2,W3 , …Wn相对于 目标 O 的劝向量。 W 1 W 2  nW       W  解释: 一致矩阵即: n 件物体 MM , 1 ,  ,它们重量分别为 nM , 2 WW , 1 ,  ,将他们两两比较 nW , 2 重量,其比值构成一致矩阵,若用重量向量 W  W 1 W 2  nW             右乘 A ,则 为特征根的特征向量为 :重量向量  ,= 则归一化后的特征向量 W W 1 W 2  nW             : , n n A 的特征根为      以          权向量,此种用特征向     W=   W 1  W         1W = ,就表示诸因素 C i ,C,,C 1  2 对上层因素O的权重, 为即 n 量 称特征根法, 求权向量的方法 6
分析: 若重量向量 W  2 W 1 W  nW             未知时,则可由决策者对物体 MM , 1 ,  之间两两相比关系, nM , 2 主观作出比值的判断,或用 Delphi(调查法)来确定这些比值,使 A 矩阵(不一定有一致性) 为已知的,并记此主观判断作出的矩阵为(主观)判断矩阵 A ,并且此 A (不一致)在不一致 的容许范围内,再依据: A 的特征根或和特征向量W 连续地依赖于矩阵的元素 ija ,即当 ija 离 一致性的要求不太远时, A 的特征根i 和特征值(向量)W 与一致矩阵 A 的特征根和特征向 量W 也相差不大的道理:由特征向量W 求权向量W 的方法即为特征向量法,并由此引出一致 性检查的方法。 问题:Remark 以上讨论的用求特征根来求权向量W 的方法和思路,在理论上应解决以下问题: 1. 一致阵的性质 1 是说:一致阵的最大特征根为 n (即必要条件),但用特征根来求特征向量 时,应回答充分条件:即正互反矩阵是否存在正的最大特征根和正的特征向量?且如果正互 反矩阵 A 的最大特征根 nmax 时, A 是否为一致阵? 2. 用主观判断矩阵 A 的特征根和特征向量W 连续逼近一致阵 A 的特征根和特征向量W 时,即: 由 得到: 即:   lim  k k k lim k  lim k  WW k  Ak  A 是否在理论上有依据。 3.一般情况下,主观判断矩阵 A 在逼近于一致阵 A 的过程中,用与 A 接近的 *A 来代替 A , 即有 A * A ,这种近似的替代一致性矩阵 A 的作法,就导致了产生的偏差估计问题,即一致 性检验问题,即要确定一种一致性检验判断指标,由此指标来确定在什么样的允许范围内, 主观判断矩阵是可以接受的,否则,要 两两比较构造主观判断矩阵。此问题即一致性检 验问题的内容。 以上三个问题:前两个问题由数学严格比较可获得(见教材 P325,定理 1、定理 2)。第 7
3 个问题:Satty 给出一致性指标(TH1,TH2 介绍如下:) 附: Th1:(教材 P326,perronTh 比隆 1970 )对于正矩阵 A ( A 的所有元素为正数) (1) A 的最大特征根是正单根; (2)对应正特征向量W (W 的所有分量为正数) lim k  (3) k eA T k eAe 1 1  1 证明:(3)可以通过将 A 化为标准形证明 其中:       W   e 为半径向量,W 是对应的归一化特征向量       Th2: n 阶正互反阵 A 的最大特征根 n ; 当 n 时, A 是一致阵 五、一致性检验——一致性指标: 1.一致性检验指标的定义和确定—— IC  (平均值)的定义: 当人们对复杂事件的各因素,采用两两比较时,所得到的主观判断矩阵 A ,一般不可直接 保证正互反矩阵 A 就是一致正互反矩阵 A ,因而存在误差(及误差估计问题)。这种误差,必 然导致特征值和特征向量之间的误差  ( -及 WW)   。此时就导致问题 WA = Wmax 与问 题 AW  nW 之间的差别。(上述问题中 max 是主观判断矩阵 A 的特征值,W 是带有偏差的相 对权向量)。这是由判断矩阵不一致性所引起的。 因此,为了避免误差太大,就要衡量主观判断矩阵 A 的一致性。 因为: ①当主观判断矩阵 A 为一致阵 A 时就有: n   = k k 1  n n 1   k  n  k 1  a kk  n  k 1  1  n A 为一致阵时有: 1iia (a[ii]为对角线 上的值,按照一致性矩阵的理解,它应该为 1) 此时存在唯一的非  max n 8
分享到:
收藏