您当前的位置: 首页 >  数学

Better Bench

暂无认证

  • 2浏览

    0关注

    695博文

    0收益

  • 0浏览

    0点赞

    0打赏

    0留言

私信
关注
热门博文

【数学建模】1层次分析法模型部分

Better Bench 发布时间:2020-11-08 11:45:49 ,浏览量:2

目录
  • 1 数学建模的任务分配
  • 2 简介
  • 3 模型介绍
    • 3.1 评价类问题
    • 3.2 拿到建模问题
    • 3.3 推荐搜索网站
    • 3.4 确定好指标
    • 3.5 确定指标权重
      • (1)采用分而治之的思想
      • (2)分而治之的思想
      • (3)得到判断矩阵
      • (4)再对每个指标进行填写判断矩阵
      • (5)解决判断矩阵中不一致现象
      • (6)计算判断矩阵的权重
      • (7)Excel可以方便计算矩阵权重
  • 4 层次分析法完整建模过程
    • 4.1 第一步-建立层次结构图
    • 4.2 第二步-构造判断矩阵
    • 4.3 第三步-计算判断矩阵相对权重
    • 4.4 第四步-计算合成权重排序
  • 5 层次分析法的局限性
  • 6 模型拓展
  • 7 代码实现层次分析法
  • 8 全国大学生数学建模竞赛论文模版下载

1 数学建模的任务分配

(1)数学建模三大块:建模+编程+写作 (2)模型讲解 • 简单例子 • 写作训练

2 简介

层次分析法(The analytic hierarchy process 简称AHP)建模比赛中最基础的模型之一,其主要用于解决评价类问题(例如:选择哪种方案最好、哪位运动员或者员工表现得更优秀) AHP的主要特点是通过建立递阶层次结构,把人类的判断转化为若干因素两两之间重要度的比较上,从而把难于量化的定性判断转化为可操作的重要度的比较上面。在许多情况下,决策者可以直接使用AHP进行决策,极大的提高了决策的有效性、可靠性和可行性,但其本质是一种思维方式,它把复杂问题分解成多个组成因素,又将这些因素按支配关系分别形成递阶层次结构,通过两两比较但方法确定决策方案相对重要度但总排序。整个过程体现来人类决策思维的基本特征,即分解、判断、综合,克服来其他方法回避决策者主观判断的缺点。

3 模型介绍 3.1 评价类问题

高考毕业了,小明选择去哪个学校 思考问题的思路如下: 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

3.2 拿到建模问题

优先在知网(万方、百度学术、谷歌学术)上搜一下相关文献 如果没有找到相关文献,则和小组成员来场头脑风暴+在平台上搜索别人或者专家的看法。

3.3 推荐搜索网站

虫部落-快搜 优先级: • 谷歌搜索 • 微信搜索 • 知乎搜索 例如本题我们可以搜索关键字: 旅游选择因素、根据什么因素来选择旅游景点、旅游景点评价指标。

3.4 确定好指标

在这里插入图片描述

3.5 确定指标权重 (1)采用分而治之的思想

问题:一次性考虑五个指标之间的关系,往往考虑不周 解决方法:两两指标进行比较,最终根据两两比较的结果进行推算权重。

(2)分而治之的思想

在这里插入图片描述

(3)得到判断矩阵

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

(4)再对每个指标进行填写判断矩阵

在这里插入图片描述

(5)解决判断矩阵中不一致现象

在这里插入图片描述

• 先介绍一下什么叫一致矩阵 在这里插入图片描述

• 一致矩阵特点:各行和各列成倍数关系 在这里插入图片描述

• 一致矩阵的定义 在这里插入图片描述

• 一致性检验 原理:检验我们构造的矩阵和一致性矩阵是否有太大的差别 在这里插入图片描述 在这里插入图片描述

• 一致性检验的步骤 在这里插入图片描述

如果一致性检验大于0.1,那就需要修正矩阵。 在这里插入图片描述

• 两个小问题 在这里插入图片描述

• 计算一致矩阵的权重 在这里插入图片描述

(6)计算判断矩阵的权重

在这里插入图片描述

方法一:算术平均化求权重 在这里插入图片描述

• 算术平均法求权重的步骤: 在这里插入图片描述

• 步骤的数学表示(可放到论文中) 在这里插入图片描述

方法二:几何平均法 在这里插入图片描述

方法三:特征值法求权重 在这里插入图片描述

• 将计算结果填入权重表(特征值法最常用) 在这里插入图片描述

• 代码实现求权重矩阵

%层次分析代码
disp('请输入判断矩阵A(n阶)');
A=input('A=');
【n,n】=size(A);
x=ones(n,100);
y=ones(n,100);
m=zeros(1,100);
m(1)=max(x(:,1));
y(:,1)=x(:,1);
x(:,2)=A*y(:,1);
m(2)=max(x(:,2));
y(:,2)=x(:,2)/m(2);
p=0.0001;i=2;k=abs(m(2)-m(1));
while k>p
i=i+1;
x(:,i)=A*y(:,i-1);
m(i)=max(x(:,i));
y(:,i)=x(:,i)/m(i);
k=abs(m(i)-m(i-1));
end
a=sum(y(:,i));
w=y(:,i)/a;
t=m(i);
disp('权向量');disp(w);
disp('最大特征值');disp(t);
%以下是一致性检验
CI=(t-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】;
CR=CI/RI(n);
if CR            
关注
打赏
1665674626
查看更多评论
0.0421s