新客立减

AHP

法是将各要素配对比较,根据要素的相对重要程度进行判断,然后通过

计算判断矩阵的特征值获得权重向量?/p>

 

对于各级指标

P

k

(k

=

1

?/p>

2

?/p>

?/p>

?/p>

m)

将同级指标配对比较构成判断矩阵为?/p>

 

A

=

[

a

11

a

12

a

21

a

22

?/p>

a

1n

?/p>

a

2n

?/p>

?/p>

a

n1

a

n2

?/p>

?/p>

?/p>

a

nn

]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(1) 

其中

a

ij

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n

?/p>

j

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

的标度方?/p>

[9]

如下

 

 

?/p>

九级标度

 

标度

 

含义

 

表示两个因素相比,具有同样重要?/p>

 

表示两个因素相比,一个因素比另外一个因素稍微重?/p>

 

表示两个因素相比,一个因素比另外一个因素明显重?/p>

 

表示两个因素相比,一个因素比另外一个因素强烈重?/p>

 

表示两个因素相比,一个因素比另外一个因素极端重?/p>

 

2

?/p>

4

?/p>

6

?/p>

上述两相邻判断的中?/p>

 

倒数

 

因素

i

和就

j

比较的判?/p>

a

ij

,则因素

j

?/p>

i

比较判断

a

ij

=

1

a

ji

 

 

通过解矩?/p>

A

的特征值,可求得相应的特征向量,经归一化后得到的权?/p>

向量为:

 

𝑤

=

(𝑤

1

?/p>

𝑤

2

?/p>

𝑤

3

?/p>

?/p>

?/p>

𝑤

𝑛

)

𝑇

 

                           (2)  

其中

w

i

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

就是不同指标的相对权重?/p>

 

为了度量判断的可靠程度,可以计算一致性指?/p>

[10]

?/p>

             

               

max

1

n

CI

n

?/p>

?/p>

?

?/p>

                                    (3) 

?

1

CI

=0

,有完全的一致?/p>

 

?

2

CI

接近?/p>

0

,有满意的一致?/p>

 

?

3

CI

越大,不一致越严重

 

为了衡量

CI

的大小,引入随机一致性指?/p>

RI

?/p>

 

 

?/p>

2

随机一致性指?/p>

 

10 

11 

RI 

0.58 

0.90 

1.12 

1.24 

1.32 

1.41 

1.45 

1.49 

1.51 

 

得到一致性比?/p>

[11]

?/p>

 

Ͼλ
新客立减

AHP

法是将各要素配对比较,根据要素的相对重要程度进行判断,然后通过

计算判断矩阵的特征值获得权重向量?/p>

 

对于各级指标

P

k

(k

=

1

?/p>

2

?/p>

?/p>

?/p>

m)

将同级指标配对比较构成判断矩阵为?/p>

 

A

=

[

a

11

a

12

a

21

a

22

?/p>

a

1n

?/p>

a

2n

?/p>

?/p>

a

n1

a

n2

?/p>

?/p>

?/p>

a

nn

]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(1) 

其中

a

ij

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n

?/p>

j

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

的标度方?/p>

[9]

如下

 

 

?/p>

九级标度

 

标度

 

含义

 

表示两个因素相比,具有同样重要?/p>

 

表示两个因素相比,一个因素比另外一个因素稍微重?/p>

 

表示两个因素相比,一个因素比另外一个因素明显重?/p>

 

表示两个因素相比,一个因素比另外一个因素强烈重?/p>

 

表示两个因素相比,一个因素比另外一个因素极端重?/p>

 

2

?/p>

4

?/p>

6

?/p>

上述两相邻判断的中?/p>

 

倒数

 

因素

i

和就

j

比较的判?/p>

a

ij

,则因素

j

?/p>

i

比较判断

a

ij

=

1

a

ji

 

 

通过解矩?/p>

A

的特征值,可求得相应的特征向量,经归一化后得到的权?/p>

向量为:

 

𝑤

=

(𝑤

1

?/p>

𝑤

2

?/p>

𝑤

3

?/p>

?/p>

?/p>

𝑤

𝑛

)

𝑇

 

                           (2)  

其中

w

i

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

就是不同指标的相对权重?/p>

 

为了度量判断的可靠程度,可以计算一致性指?/p>

[10]

?/p>

             

               

max

1

n

CI

n

?/p>

?/p>

?

?/p>

                                    (3) 

?

1

CI

=0

,有完全的一致?/p>

 

?

2

CI

接近?/p>

0

,有满意的一致?/p>

 

?

3

CI

越大,不一致越严重

 

为了衡量

CI

的大小,引入随机一致性指?/p>

RI

?/p>

 

 

?/p>

2

随机一致性指?/p>

 

10 

11 

RI 

0.58 

0.90 

1.12 

1.24 

1.32 

1.41 

1.45 

1.49 

1.51 

 

得到一致性比?/p>

[11]

?/p>

 

">
新客立减

AHP

法是将各要素配对比较,根据要素的相对重要程度进行判断,然后通过

计算判断矩阵的特征值获得权重向量?/p>

 

对于各级指标

P

k

(k

=

1

?/p>

2

?/p>

?/p>

?/p>

m)

将同级指标配对比较构成判断矩阵为?/p>

 

A

=

[

a

11

a

12

a

21

a

22

?/p>

a

1n

?/p>

a

2n

?/p>

?/p>

a

n1

a

n2

?/p>

?/p>

?/p>

a

nn

]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(1) 

其中

a

ij

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n

?/p>

j

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

的标度方?/p>

[9]

如下

 

 

?/p>

九级标度

 

标度

 

含义

 

表示两个因素相比,具有同样重要?/p>

 

表示两个因素相比,一个因素比另外一个因素稍微重?/p>

 

表示两个因素相比,一个因素比另外一个因素明显重?/p>

 

表示两个因素相比,一个因素比另外一个因素强烈重?/p>

 

表示两个因素相比,一个因素比另外一个因素极端重?/p>

 

2

?/p>

4

?/p>

6

?/p>

上述两相邻判断的中?/p>

 

倒数

 

因素

i

和就

j

比较的判?/p>

a

ij

,则因素

j

?/p>

i

比较判断

a

ij

=

1

a

ji

 

 

通过解矩?/p>

A

的特征值,可求得相应的特征向量,经归一化后得到的权?/p>

向量为:

 

𝑤

=

(𝑤

1

?/p>

𝑤

2

?/p>

𝑤

3

?/p>

?/p>

?/p>

𝑤

𝑛

)

𝑇

 

                           (2)  

其中

w

i

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

就是不同指标的相对权重?/p>

 

为了度量判断的可靠程度,可以计算一致性指?/p>

[10]

?/p>

             

               

max

1

n

CI

n

?/p>

?/p>

?

?/p>

                                    (3) 

?

1

CI

=0

,有完全的一致?/p>

 

?

2

CI

接近?/p>

0

,有满意的一致?/p>

 

?

3

CI

越大,不一致越严重

 

为了衡量

CI

的大小,引入随机一致性指?/p>

RI

?/p>

 

 

?/p>

2

随机一致性指?/p>

 

10 

11 

RI 

0.58 

0.90 

1.12 

1.24 

1.32 

1.41 

1.45 

1.49 

1.51 

 

得到一致性比?/p>

[11]

?/p>

 

Ͼλ">

AHP(层次分析?具体步骤 - 百度文库
新客立减

AHP

法是将各要素配对比较,根据要素的相对重要程度进行判断,然后通过

计算判断矩阵的特征值获得权重向量?/p>

 

对于各级指标

P

k

(k

=

1

?/p>

2

?/p>

?/p>

?/p>

m)

将同级指标配对比较构成判断矩阵为?/p>

 

A

=

[

a

11

a

12

a

21

a

22

?/p>

a

1n

?/p>

a

2n

?/p>

?/p>

a

n1

a

n2

?/p>

?/p>

?/p>

a

nn

]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(1) 

其中

a

ij

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n

?/p>

j

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

的标度方?/p>

[9]

如下

 

 

?/p>

九级标度

 

标度

 

含义

 

表示两个因素相比,具有同样重要?/p>

 

表示两个因素相比,一个因素比另外一个因素稍微重?/p>

 

表示两个因素相比,一个因素比另外一个因素明显重?/p>

 

表示两个因素相比,一个因素比另外一个因素强烈重?/p>

 

表示两个因素相比,一个因素比另外一个因素极端重?/p>

 

2

?/p>

4

?/p>

6

?/p>

上述两相邻判断的中?/p>

 

倒数

 

因素

i

和就

j

比较的判?/p>

a

ij

,则因素

j

?/p>

i

比较判断

a

ij

=

1

a

ji

 

 

通过解矩?/p>

A

的特征值,可求得相应的特征向量,经归一化后得到的权?/p>

向量为:

 

𝑤

=

(𝑤

1

?/p>

𝑤

2

?/p>

𝑤

3

?/p>

?/p>

?/p>

𝑤

𝑛

)

𝑇

 

                           (2)  

其中

w

i

(i

=

1

?/p>

2

?/p>

?/p>

?/p>

n)

就是不同指标的相对权重?/p>

 

为了度量判断的可靠程度,可以计算一致性指?/p>

[10]

?/p>

             

               

max

1

n

CI

n

?/p>

?/p>

?

?/p>

                                    (3) 

?

1

CI

=0

,有完全的一致?/p>

 

?

2

CI

接近?/p>

0

,有满意的一致?/p>

 

?

3

CI

越大,不一致越严重

 

为了衡量

CI

的大小,引入随机一致性指?/p>

RI

?/p>

 

 

?/p>

2

随机一致性指?/p>

 

10 

11 

RI 

0.58 

0.90 

1.12 

1.24 

1.32 

1.41 

1.45 

1.49 

1.51 

 

得到一致性比?/p>

[11]

?/p>

 



ļ׺.doc޸Ϊ.docĶ
ϵͷ779662525#qq.com(#滻Ϊ@)