当前课程知识点:数学建模 > 第4章 AHP方法与系统决策 > 4.3 权重向量的计算 > 4.3 权重向量的计算
同样我们上节已经给出了我们说的 一个正负反矩阵
对吧 也给出了一个一次性矩阵
并且我们也说好了
如果我们怎么来构造一个特别好的一个正负反矩阵
就希望它能够可以跟一次性矩阵
最好是相同或说最好的差距越来越小越好
因为差距越来越小的话
或者接近一次性矩阵以后的话
那我们说的特征根
或者最大特征根对应的特征向量的就可以看到
权重向量 有了权重向量以后的话
我们就可以来做一些
权重计算或者权重排序的这方面的事情
于是呢
我们就可以把问题了
刚才提到的决策问题的就会给它数值化
数量化出来
所以呢
我们接下来开始考虑我们的权重计算
那么
权重计算的常规的计算
我们的就是我们幂法计算
那就是典型的根据我们的线性代数
那么 特征根特征向量
然后又开始进行迭代收敛
能计算出它特征根特征向量出来
然后有了特征根以后我们得考虑特征根是不是
满足我们的要求是不是我们的一致性系数
比我们的给定的一个精度要求要来的小
那我们就可以往下继续了
那我们一般来说我们用的计算的方式
或者说一种简单的方法就是我们方根法
就是我们方根法 方根法比较简单
操作起来比较方便
那我们这地方啰嗦几下说几句
那么首先呢
就计算我们这个判断矩阵或者成对比较矩阵的每一行
n个元素每一行这些元素的几何平均值
所得几何平均值的话
不就是计算它的成绩
然后开方嘛 开n次方
然后呢
把这些我们说得到的
这些mi值或者wi值
我们这边的规划 给它规划
为什么规划呢 因为权重需要规划
所以来得到了我们的wi
这个东西最后呢
我们说
利用我们的特征向量
我们反过来求它的特征值
反过来求它的特征值
也就是我们后面这个表达式
λ等于∑求和那么分母呢
是nwi wi是一个数值所以n乘wi是一个数值啦
好的分子需要解释一下是A乘上w括号这个i
大家知道A是一个n乘n的一个矩阵
w是个权重向量是n乘1
所以呢
乘出来本来就变成我们说n行一列的这么一个矩阵
所以呢括号那个i呢
表示什么意思呢
就表示
在这n个向量里面
第i个分量的值来表示它第i个分量的值了
所以这么一来的话
从我们可以看得出来
分子是一个数值
分母是个数值
那么除起来再求和就是个数值
得到λ的值了最后来判断λ
到底是怎么回事情好的
那么接下来我们就以刚才的例子对吧
我们要出去旅游
考虑了五个因素
对吧 五个准则
那么我们得到一个5乘5的
一个成对比较矩阵或者正负反矩阵
那么通过它呢我们可以计算出
它的特征根
等于5.019它的特征向量呢
分别都是0.48 0.20 0.05以及
0.1以及0.11
得到一次性指标呢
CI值 就是我们n减1分之λ减去n
得到了 我们是0.00475
那么通过这里面
我们可以查表可以得到
我们可以查表可以得到一个
rin等于5的ri等于1.12
于是呢我们最后得到CR的值了
可能CR的值明显的小于0.1
所以呢
我们可以得到
我们刚才数得到那个成对比较的那个
矩阵 判断矩阵获得正负反矩阵
我们说它满足近似的一致性
既然是近似的一致性
那么很自然的话
我们所得到的特征向量呢
就可以把它近似的看作为它的权重向量
好的 这是我们说回到我们刚才来说上一层是目标
是我们的旅游景点下一层呢是五个因素
五个因素所得到一个权重的分配
那么根据我们刚才的说法
那么我们对于下面还有三个
旅游的地点或者三个理由的方案
关于它的每一个因素
我们又可以构成对吧
一个上下级的关系又可以构成一个目标
跟因素之间关系
所以接下来的话我们就应该可以得到
五个3乘3的一个矩阵
例如我们第一个矩阵呢
就是我们考虑的第一个指标对吧
关于我们的三个景点三个景点
它所得的一个那么一样的可以计算出来
它的最大特征根可以得到它的特征向量
这一来的话
我们可以把五个矩阵
结果都可以跟它表述出来
好的分别呢
我们都可以把它的最大特征根
特征向量都可以表达出来
那么一样道理
我们可以来验证它最大特征根
是不是满足我们的一致性系数
我们说满足一致性系数
那么它就相应来说就是我们说的一个特征向量了
那么接下来我们就开始考虑另外一个问题
我们相当是两两都说清楚了
我们说最高层跟因素层说清楚了
那么中间的因素层逐一的关于方案层也说清楚了
那么最后我们就开始考虑考虑什么呢
考虑我们的真正的方案层到目标层的事情了
也就换句话说最下面最底层到最高层
那么这种
应该怎么来传递
应该怎么来求续
应该怎么来求它的特征向量
这是我们呢今天要说的最后一个话题
也就是我们说的总排序
跟它的一致性
好的总排序
想法非常简单
就是利用一种传递性
就是利用一种传递性
也就是说
从我们的方案这一层到因素这一层
我们得到一个权重的一种排序
然后呢
由因素造成的到了目标这一层
又有个权重的排序
依次的就会出现
我们说的x可以到y
y到z所有把它合并起来
就是x到z的一种权重的分配的事情
例如在这里面
我们假设对吧因素这一层到z这一层呢
我们的权重排序是a1a2一直到an
那么相应来说的话
x关于每个因素
关于每个准则
它又有个排序
我们有b对吧
bij来表示
那么在这里面我们可以写成正比和矩阵
例如
我们说因素这一层关于目标的权重呢
我们把它写成矩阵的最右边就是我们
我们的表格里面的最右边的一列
a1 a2 a3 a4 a5
然后呢
我们关于五个因素对于方案这一层每一个呢
我们都有个什么都有个权重
那么每一个权重呢我们开始写在左边
这个矩阵里面写着左边这个矩阵里面
例如我们说第一个因素关于我们三个方案
就写在我们左边这个矩阵第一列
那么第二个因素呢
就写在第二列
那么第三个因素第三列
第四个因素第四列
第五个因素写在第五列
所以呢
大家可以设想左边这个矩阵呢就构成了一个什么东西
三行五列的一个矩阵
那么在乘上a呢
a是一个五行一列的
所以把它合在一块呢
就变成我们说三行一列的一个矩阵
三行一列的一个矩阵
那么得到的就是三个值了
大家可以设想一下
如果一切都正常的话
正确的话
那么这三个值呢
就应该分别都是
第一个方案关于总目标的一种权重分配
第二个方案关于总目标的一种权重分配
第三个方案关于总目标的一种权重分配
这种的如果一切正常起来应该就是这样的
那么是不是这样的情况的那么紧
接下来我们还要考虑一个什么东西呢
考虑一个检验的过程
也就是我们要计算一个
我们说总的ci值
总的CI值怎么计算呢
我们说要计算它是不是满足我们的一致性的话
不是要计算CI值吗
一次性系数吗
那一次性系数有两个值
一个是CI值一个是RI值
RI值好说
RI值呢就是我们可以查表所得到对吧
查表所得到的那么关于每个权重
ai
我们把它权重求和就可以的了
所以RI的值很好说
那么CI怎么计算呢
CI值的也很简单
CI值呢就是说我们每一个因素关于这三个地点
三个方案都有个CI值
那么实际上的话也就说a1
乘上一个第一个因素对它的CI值
a2 呢实际上第二个因素对它的ci值
那么a1a2呢
实际上就是我们说的是关于第一个因素
它在我总目标里面
它的一种权重的占比对吧
a1 a2 a3 a4 a5
其它值是五个因素它的权重占比分别对应
它的ci1ci2
一直到cin就是五个因素
对应的CI值所以这么一来的话
就构成我们的总的CI值跟总的RI值了
那么把它们俩呢在相除一下就可以得到
我们的总的一致性系数
如果这个总的一致性系数能不能满足
我们的0.1的这么一个精度要求的话
所以这样一来的话
我们刚才所得到的三行一列的那么一个向量
就是我们将来所要考虑的一个权重向量
也就是我们经常说的
我们的0.293
0.311
还有个0.446
这是我们关于这三个地点
最后对于目标来说
它的一种权重分配
所以呢
从这个地方我们来看
权重大小表示它目标的重要性程度
那我们可以看出来第三个目标对它的重要性程度
是最高的
所以应该它可以排在第一位
也就换句话说
去承德对于我们这一部分决策者的心理来说
它是首选的第一位
好的
接下来
关于方根法的一些数学根据
我想我这边就不再去多说它了
如果大家有兴趣的话
我们可以回过来
我可以把它做个阅读资料
大家仔细来看一看
一方面它既体现了我们第二章里面说的
数据处理方法的一种建模的思想跟方法
另外一方面呢
又是一个比较好的艺术数学训练
数学训练
这是我们说的方根法的根据接下来
我们把层次分析方法我们做一点点简单的推广
首先
第一个推广就是我们说的群组推广
所谓群主推广什么意思呢
我们刚才所得到那个成对比较矩阵
我们说是一个专家所给出来的
一个专家所给出来的那么很显然
我们在目前的科学决策过程当中
专家就不再是一个专家了
而是什么一个专家组了或者
而是一个全决策的事情
全决策的事情
我们假设有s个专家
每一个专家都可以给出个成对比较矩阵出来了
怎么把这S个专家对吧智慧都集中在一块集中在一块
那么这是我们将来所必须考虑的事情
当然一种最简单的一种办法就可以
每个专家都跟在加个全对吧
然后呢
变成我们说的aij括号的
幂函数幂次方
然后再把它乘积构成出来的
这是我们说的最简单的一种处理办法
这是我们的群组
群组决策里面必须要面对的一个对象
那么第二种推广呢就是我们说的
我们在群组决策过程当中
有时候在那个比较矩阵里面
有时候在那个比较矩阵里面的话
我们可以看出来确实很难给出
谁比谁重要
或者说已经超出了专家的一种资质范围了
所以就出现我们的缺失数据的那么一个成对比较矩阵
当然大家会说了
如果缺失数据太多
那么这么一个的专家是太不牢靠了
或者说这个东西就很有问题了
但是我们可以设想
假设只是缺失一少部分这个数据
那么一少部分的成对比较矩阵
那么这个能不能导出我们的权重分别出来
这是我们的缺失数据方面的事情
第三种推广呢就是我们说的
那么我们在给出成对比较矩阵的过程当中的话
我们说有些数据给出的不是那么精确
而是出现一定的
变化范围
例如我们通常说的重要吗
重要确实是非常非常重要
就是精确的描述
但是呢重要吗差不多对吧
或者说比较重要或者差不多重要
也就换句话说
这个时候客观的数据呢
它可能出现一些模糊的数据
出现一些模糊数据
也就是说
在模糊数据或者从模糊的数据的判断矩阵里面
怎么来得出我们的层次分析
怎么能得到它的相对权重
怎么对它进行排序
那么这是我们后面可能在科学决策里面
需要面对的一些特殊的问题
那么这些大家如果有兴趣了
我们可以坐下来
可以把它分别做一些研究方向来进行探讨
好的
关于层数分析我们要说的一些话题
今天就告一段落
谢谢大家 再见
-1.1 案例分析
-1.2 数学建模绪论
-1.3 数学建模活动
-第1章 习题
--第1章 习题
-2.1 最小二乘方法
-2.2 拟合函数的扩展
-2.3 最小二乘方法应用
-2.4 线性插值
--2.4 线性插值
-2.5 样条插值
--2.5 样条插值
-第2章 习题
--第2章 习题
-3.1 Malthus模型
-3.2 Logistic模型
-3.3 捕食者模型
-3.4 差分方程模型
-3.5 随机动态模型
-第3章 习题
--第3章 习题
-4.1 成对比较矩阵
-4.2 一致性指标
-4.3 权重向量的计算
-4.4 量纲分析
--4.4 量纲分析
-4.5 轮廓模型
--4.5 轮廓模型
-第4章 习题
--第4章 习题
-5.1 名额分配
--5.1 名额分配
-5.2 Hamilton方法
-5.3 Q方法
--5.3 Q方法
-第5章 习题
--第5章 习题
-6.1 两变量的线性规划
-6.2 单纯形方法
-6.3 整数规划
--6.3 整数规划
-第6章 习题
--第6章 习题
-7.1 模糊集合
-7.2 模糊关系
--7.2 模糊关系
-7.3 模糊综合决策
-7.4 模糊聚类分析
-第7章 习题
--第7章 习题