10391-数学建模-第八章 层次分析法

第八章 层次分析法

层次分析法（Analytic Hierarchy Process ，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于70年代初期提出的一种简便、灵活而又实用的多准则决策方法。

§1 层次分析法的基本原理与步骤

人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行：

（i ）建立递阶层次结构模型；

（ii ）构造出各层次中的所有判断矩阵；

（iii ）层次单排序及一致性检验；

（iv ）层次总排序及一致性检验。

下面分别说明这四个步骤的实现过程。

1.1 递阶层次结构的建立与特点

应用AHP 分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类：

（i ）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。

（ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。

（iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。

递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。

下面结合一个实例来说明递阶层次结构的建立。

例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择，试确定一个最佳地点。 在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如下的层次结构模型。

目标层O 选择旅游地

准则层C 景色 费用 居住 饮食 旅途

措施层P 1P 2P 3P

1.2 构造判断矩阵

层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的心目中，它们各占有一定的比例。

在确定影响某因素的诸因子在该因素中所占的比重时，遇到的主要困难是这些比重常常不易定量化。此外，当影响某因素的因子较多时，直接考虑各因子对该因素有多大程度的影响时，常常会因考虑不周全、顾此失彼而使决策者提出与他实际认为的重要性程度不相一致的数据，甚至有可能提出一组隐含矛盾的数据。为看清这一点，可作如下假设：将一块重为1千克的石块砸成n 小块，你可以精确称出它们的重量，设为n w w ,,1 ，现在，请人估计这n 小块的重量占总重量的比例（不能让他知道各小石块的重量），此人不仅很难给出精确的比值，而且完全可能因顾此失彼而提供彼此矛盾的数据。

设现在要比较n 个因子},,{1n x x X =对某因素Z 的影响大小，怎样比较才能提供可信的数据呢？Saaty 等人建议可以采取对因子进行两两比较建立成对比较矩阵的办法。即每次取两个因子i x 和j x ，以ij a 表示i x 和j x 对Z 的影响大小之比，全部比较结果用矩阵n n ij a A ?=)(表示，称A 为X Z -之间的成对比较判断矩阵（简称判断矩阵）。容易看出，若i x 与j x 对Z 的影响之比为ij a ，则j x 与i x 对Z 的影响之比应为ij

ji a a 1=。 定义1 若矩阵n n ij a A ?=)(满足 （i ）0>ij a ，（ii ）ij ji a a 1=

（n j i ,,2,1, =） 则称之为正互反矩阵(易见1=ii a ，n i ,,1 =)。

关于如何确定ij a 的值，Saaty 等建议引用数字1~9及其倒数作为标度。下表列出了1~9标度的含义：

从心理学观点来看，分级太多会超越人们的判断能力，既增加了作判断的难度，又容易因此而提供虚假数据。Saaty 等人还用实验方法比较了在各种不同标度下人们判断结果的正确性，实验结果也表明，采用1~9标度最为合适。

最后，应该指出，一般地作2

)1(-n n 次两两判断是必要的。有人认为把所有元素都和某个元素比较，即只作1-n 个比较就可以了。这种作法的弊病在于，任何一个判断的失误均可导致不合理的排序，而个别判断的失误对于难以定量的系统往往是难以避免的。进行2

)1(-n n 次比较可以提供更多的信息，通过各种不同角度的反复比较，从而导出一个合理的排序。

1.3 层次单排序及一致性检验

判断矩阵A 对应于最大特征值max λ的特征向量W ，经归一化后即为同一层次相应因素对于上一层次某因素相对重要性的排序权值，这一过程称为层次单排序。

上述构造成对比较判断矩阵的办法虽能减少其它因素的干扰，较客观地反映出一对因子影响力的差别。但综合全部比较结果时，其中难免包含一定程度的非一致性。如果比较结果是前后完全一致的，则矩阵A 的元素还应当满足：

ik jk ij a a a =，

n k j i ,,2,1,, =? （1） 定义2 满足关系式（1）的正互反矩阵称为一致矩阵。

需要检验构造出来的（正互反）判断矩阵A 是否严重地非一致，以便确定是否接受A 。

定理1 正互反矩阵A 的最大特征根max λ必为正实数，其对应特征向量的所有分量均为正实数。A 的其余特征值的模均严格小于max λ。

定理2 若A 为一致矩阵，则

（i ）A 必为正互反矩阵。

（ii ）A 的转置矩阵T A 也是一致矩阵。

（iii ）A 的任意两行成比例，比例因子大于零，从而1)(rank =A （同样，A 的任意两列也成比例）。

（iv ）A 的最大特征值n =max λ，其中n 为矩阵A 的阶。A 的其余特征根均为零。 （v ）若A 的最大特征值max λ对应的特征向量为T n w w W ),,(1 =，则j i ij w w a =，n j i ,,2,1, =?，即

??????????????????=n n n n n n w w w w w w w w w w w w w w w w w w A

21222121211

1 定理3 n 阶正互反矩阵A 为一致矩阵当且仅当其最大特征根n =max λ，且当正互反矩阵A 非一致时，必有n >max λ。

根据定理3，我们可以由max λ是否等于n 来检验判断矩阵A 是否为一致矩阵。由

于特征根连续地依赖于ij a ，故max λ比n 大得越多，A 的非一致性程度也就越严重，max λ对应的标准化特征向量也就越不能真实地反映出},,{1n x x X = 在对因素Z 的影响中所占的比重。因此，对决策者提供的判断矩阵有必要作一次一致性检验，以决定是否能接受它。

对判断矩阵的一致性检验的步骤如下：

（i ）计算一致性指标CI

1m a x --=n n

CI λ

（ii ）查找相应的平均随机一致性指标RI 。对9,,1 =n ，Saaty 给出了RI 的值，

RI 的值是这样得到的，用随机方法构造500个样本矩阵：随机地从1~9及其倒数中抽取数字构造正互反矩阵，求得最大特征根的平均值max 'λ，并定义

1

'max --=n n RI λ。 （ⅲ）计算一致性比例CR

RI

CI CR = 当10.0

1.4 层次总排序及一致性检验

上面我们得到的是一组元素对其上一层中某元素的权重向量。我们最终要得到各元素，特别是最低层中各方案对于目标的排序权重，从而进行方案选择。总排序权重要自上而下地将单准则下的权重进行合成。

设上一层次（A 层）包含m A A ,,1 共m 个因素，它们的层次总排序权重分别为m a a ,,1 。又设其后的下一层次（B 层）包含n 个因素n B B ,,1 ，它们关于j A 的层次单排序权重分别为nj j b b ,,1 （当i B 与j A 无关联时，0=ij b ）。现求B 层中各因素关于总目标的权重，即求B 层各因素的层次总排序权重n b b ,,1 ，计算按下表所示方式进行，即∑==m j j ij

i a b b 1，n i ,,1 =。

对层次总排序也需作一致性检验，检验仍象层次总排序那样由高层到低层逐层进

行。这是因为虽然各层次均已经过层次单排序的一致性检验，各成对比较判断矩阵都已具有较为满意的一致性。但当综合考察时，各层次的非一致性仍有可能积累起来，引起最终分析结果较严重的非一致性。

设B 层中与j A 相关的因素的成对比较判断矩阵在单排序中经一致性检验，求得单排序一致性指标为)(j CI ，（m j ,,1 =），相应的平均随机一致性指标为)(j RI （)()(j RI j CI 、已在层次单排序时求得），则B 层总排序随机一致性比例为

∑∑===m j j

m j j

a

j RI a

j CI CR 11)()( 当10.0

§2 层次分析法的应用

在应用层次分析法研究问题时，遇到的主要困难有两个：（i ）如何根据实际情况抽象出较为贴切的层次结构；（ii ）如何将某些定性的量作比较接近实际定量化处理。层次分析法对人们的思维过程进行了加工整理，提出了一套系统分析问题的方法，为科学管理和决策提供了较有说服力的依据。但层次分析法也有其局限性，主要表现在：（i ）它在很大程度上依赖于人们的经验，主观因素的影响很大，它至多只能排除思维过程中的严重非一致性，却无法排除决策者个人可能存在的严重片面性。（ii ）比较、判断过程较为粗糙，不能用于精度要求较高的决策问题。AHP 至多只能算是一种半定量（或定性与定量结合）的方法。

在应用层次分析法时，建立层次结构模型是十分关键的一步。现再分析一个实例，以便说明如何从实际问题中抽象出相应的层次结构。

例2 挑选合适的工作。经双方恳谈，已有三个单位表示愿意录用某毕业生。该生根据已有信息建立了一个层次结构模型，如下图所示。

A 1

B 2B 3B 4B 5B 6B

1B 1 1 1 4 1 1/2

2B 1 1 2 4 1 1/2

3B 1 1/2 1 5 3 1/2 4B 1/4 1/4 1/5 1 1/3 1/3

5B 1 1 1/3 3 1 1

6B 2 2 2 3 3 1

（方案层）

1B 1C 2C 3C 2B 1C 2C 3C

1C 1 1/4 1/2 1C 1 1/4 1/5

2C 4 1 3 2C 4 1 1/2

3C 2 1/3 1 3C 5 2 1

3B 1C 2C 3C 4B 1C 2C 3C

1C 1 3 1/3 1C 1 1/3 5

2C 1/3 1 7 2C 3 1 7

3C 3 1/7 1 3C 1/5 1/7 1

5B 1C 2C 3C 6B 1C 2C 3C

1C 1 1 7 1C 1 7 9

2C 1 1 7 2C 1/7 1 1

3C 1/7 1/7 1 3C 1/9 1 1

根据层次总排序权值，该生最满意的工作为工作1。

计算程序如下：

clc

a=[1,1,1,4,1,1/2

1,1,2,4,1,1/2

1,1/2,1,5,3,1/2

1/4,1/4,1/5,1,1/3,1/3

1,1,1/3,3,1,1

2,2,2,3,3,1];

[x,y]=eig(a);eigenvalue=diag(y);lamda=eigenvalue(1);

ci1=(lamda-6)/5;cr1=ci1/1.24

w1=x(:,1)/sum(x(:,1))

b1=[1,1/4,1/2;4,1,3;2,1/3,1];

[x,y]=eig(b1);eigenvalue=diag(y);lamda=eigenvalue(1);

ci21=(lamda-3)/2;cr21=ci21/0.58

w21=x(:,1)/sum(x(:,1))

b2=[1 1/4 1/5;4 1 1/2;5 2 1];

[x,y]=eig(b2);eigenvalue=diag(y);lamda=eigenvalue(1);

ci22=(lamda-3)/2;cr22=ci22/0.58

w22=x(:,1)/sum(x(:,1))

b3=[1 3 1/3;1/3 1 1/7;3 7 1];

[x,y]=eig(b3);eigenvalue=diag(y);lamda=eigenvalue(1);

ci23=(lamda-3)/2;cr23=ci23/0.58

w23=x(:,1)/sum(x(:,1))

b4=[1 1/3 5;3 1 7;1/5 1/7 1];

[x,y]=eig(b4);eigenvalue=diag(y);lamda=eigenvalue(1);

ci24=(lamda-3)/2;cr24=ci24/0.58

w24=x(:,1)/sum(x(:,1))

b5=[1 1 7;1 1 7;1/7 1/7 1];

[x,y]=eig(b5);eigenvalue=diag(y);lamda=eigenvalue(2);

ci25=(lamda-3)/2;cr25=ci25/0.58

w25=x(:,2)/sum(x(:,2))

b6=[1 7 9;1/7 1 1 ;1/9 1 1];

[x,y]=eig(b6);eigenvalue=diag(y);lamda=eigenvalue(1);

ci26=(lamda-3)/2;cr26=ci26/0.58

w26=x(:,1)/sum(x(:,1))

w_sum=[w21,w22,w23,w24,w25,w26]*w1

ci=[ci21,ci22,ci23,ci24,ci25,ci26];

cr=ci*w1/sum(0.58*w1)

习题八

1. 若发现一成对比较矩阵A的非一致性较为严重，应如何寻找引起非一致性的元素？例如，设已构造了成对比较矩阵

?????

???????=161316153511A （i ）对A 作一致性检验。

（ii ）如A 的非一致性较严重，应如何作修正。

数学建模之层次分析法

第四讲层次分析法 在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。 比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化，构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次： （1） 最高层（目标层）：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果； （2） 中间层（准则层）：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则； （3） 最低层（方案层）：这一层次包括了为实现目标可供选择的各种措施、决策方案等。 比如旅游景点问题，我们可以得到下面的决策系统： 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从额确定它们在目标中占的比重。如旅游问题中，五个准则对于不同决策者在进行决策是肯定会有不同的重要程度，而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的

数学建模——回归分析

回归分析——20121060025 吕佳琪 企业编号生产性固定资产价值(万元)工业总产值(万元) 1318524 29101019 3200638 4409815 5415913 6502928 7314605 812101516 910221219 1012251624 合计65259801 （2）建立直线回归方程; （3）计算估价标准误差; （4）估计生产性固定资产(自变量)为1100万元时总产值(因变量)的可能值。解: (1)画出散点图,观察二变量的相关方向 x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; plot(x,y,'or') xlabel('生产性固定资产价值(万元)') ylabel('工业总产值(万元)') 由图形可得,二变量的相关方向应为直线 (2)

x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0、05); b,bint,stats b = 395、5670 0、8958 bint = 210、4845 580、6495 0、6500 1、1417 stats = 1、0e+004 * 0、0001 0、0071 0、0000 1、6035 上述相关系数r为1,显著性水平为0 Y=395、5670+0、8958*x (3) 计算方法:W=((Y1-y1)^2+……+(Y10-y10)^2)^(1/2)/10 利用SPSS进行回归分析:

数学建模定性分析方法解析

定性研究数据采集 定量研究往往具有足够样本量支持，丰富的统计分析技术，可以得出具有一定代表性的结论，但对于某个问题消费者为何如此回答，其所给解释是否是其真实想法，这样的问题便显得有些束手无策了。相对而言，定性技术对数理性的要求低一些，但对消费者动机的深层挖掘要求却更高，更具针对性，因而 与定量研究形成互补。 常规定性研究的方法主要是个别深度访谈与座谈会访谈。其中深度访谈是深层次地挖掘个体的表现特征与背后的原因，而座谈会是利用几个人一起进行头脑风暴（brainstorming）的优势，相互激发、相互启迪， 从而挖掘出深层次的原因。 座谈会（FDG） 座谈会的成功依赖于两个系统，一个是主持人培训系统，一个是被访者约访系统。华通现代建立起专职主持人与研究员水平主持人两个体系。一方面保持几个专职主持人，以利于他们不断提高公司在座谈会主持方面的技术水平，适应一些难度非常大的主持项目；另一方面又更鼓励一部分研究人员掌握主持技巧， 完成常规项目中必须的座谈会需求。 专职主持人的特点是主持技巧水平较高，缺点是研究设计、分析能力弱。必须要研究人员与主持人的高度配合才能够拿出高水平的研究报告。研究员水平的主持人对于一些特别复杂的技巧没有专职主持人那么强，但由于自己完全参与项目设计、数据分析、报告撰写等过程，容易对消费者有特别深入的理解、对数据的理解也会有独到的方面，比较容易出好的研究报告。 深层访谈（In-depth Interview） 深访是一种无结构的、直接的、一对一的访问，在访问过程中，由掌握高级访谈技巧的调查员对调查对象进行深入的访谈，用以揭示对某一问题的潜在动机、态度和情感，此方法最适合于做探测性调查。深层访谈的优点是更能深入地了解被调查者的内心想法和态度；便于对一些保密性、敏感性问题进行调查；能够自由地交换信息，常常会取得一些意外的资料。缺点是调查的无结构性使得这种方法首调查员自身素

(完整版)数学建模之层次分析法

层次分析法 层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。 缺点： （1）层次分析法的主观性太强，模型的搭建，判断矩阵的输入都是决策者的主观判断，往往会因为决策者的考虑不周、顾此失彼而造成失误。 （2）层次分析法模型的内部结构太过理想化，完全分离、彼此独立的层次结构在实践中很难做到。 （5）层次分析法只能从给定的决策方案中去选择，而不能给出新的、更优的策略。 1.模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 （1）公司选拔人员， （2）旅游地点的选取， （3）产品的购买等， （4）船舶投资决策问题（下载文档）， （5）煤矿安全研究， （6）城市灾害应急能力， （7）油库安全性评价， （8）交通安全评价等。 2.步骤 ①建立层次结构模型 首先明确决策目标，再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型，模型如下图所示。

目标层 准则层 方案层 目标层：表示解决问题的目的，即层次分析要达到的总目标。通常只有一个总目标。 准则层：表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层：表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意： （1）任一元素属于且仅属于一个层次；任一元素仅受相邻的上层元素的支配，并不是任一元素与下层元素都有联系； （2）虽然对准则层中每层元素数目没有明确限制，但通常情况下每层元素数最好不要超过 9 个。这是因为，心理学研究表明，只有一组事物在 9 个以内，普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时，决策者对两两重要性判断可能会出现逻辑错误的概率加大，此时可以通过增加层数，来减少同一层的元素数。 ②构造判断（成对比较）矩阵 以任意一个上一层的元素为准则，对其支配的下层各因素之间进行两两比 a重要程度的衡量用Santy的1—9较。得到判断矩阵，再求出各元素的权重。 ij 标度方法给出。即

层次分析报告法在数学建模中的应用

层次分析法在数学建模中的应用 摘要：人们在生活中处理一些决策问题的时候，要考虑的因素有多有少，有大有小，但是 一个共同的特点是它们通常都涉及到经济 、社会、 人文等方面的因素。在作比较、 判断 、 评价、 决策时，这些因素的重要性 影响力或者优先程度往往难以量化，人的主观选择会起 着相当主要的作用，这就给用一般的数学方法解决问题带来本质上的困难。这是就有人提出 了一种能有效地处理这样一类问题的实用方法，称为层次分析法，这是一种定性和定量相结 合的、系统化、层次化的分析方法。以及在对层次分析法的引入基础之上，建立层次分析模 型，并给出了层次分析的求解过程，以及在现实生活中的应用。 关键词：层次分析法；成对比较矩阵；权向量；一致性指标；一致性比率 一． 问题的提出：人们在日常生活中常常碰到许多决策问题：请朋友吃饭要筹划是办家宴还是去饭店，是吃中餐、西餐还是自助餐；假期旅游和科研成果的评价。诸如此类问题面临抉择，就要慎重考虑，反复比较，尽可能满意的决策。 然而人们在处理上面这些决策问题的时候，要考虑的因素有多有少，有大有小，但是一个共同的特点是它们通常都涉及经济社会和人文等方面的因素。在做比较、判断、评价、决策时，这些因素的重要性、影响力或者优先程度难以量化，人的主观选择会起着相当重要的作用。T.L.Saaty 等人在20世纪70年代提出了一种能有效地处理这样一类问题的实用方法，称为层次分析法（简称AHP ），这是一种定性和定量相结合的、系统化、层次化的分析方法。 二． 层次分析法的基本步骤 1.将决策问题分解为三个层次。最上层为目标层，最下层为方案层，中间层为准则层。 2.通过相互比较确定各准则对于目标的权重，及各方案对于每一准则的权重，这些权重在人的思想过程常是定性的，而在层次分析法中则要给出得到权重的定量方法。 3.将方案层对准则层的权重及准则层对目标层的权重进行综合，最终确定方案层对目标层的权重。在层次分析法中要给出进行综合的计算方法。 三． 构造成对比较阵、计算权向量并做一致性检验；计算组合权向量并做组合一致性检验。 1.成对比较矩阵和权向量 所有因素两两相互对比，对比时采用相对尺度，以尽可能减少性质不同的诸因素相互对比的困难，提高准确度。 假设要比较某一层n 个因素对12,n c c c 上层一个因素O 的影响，每次取两个

第八章层次析法

第八章 层次分析法 层次分析法（Analytic Hierarchy Process ，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 §1 层次分析法的基本原理与步骤 人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行： （i ）建立递阶层次结构模型； （ii ）构造出各层次中的所有判断矩阵； （iii ）层次单排序及一致性检验； （iv ）层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1 递阶层次结构的建立与特点 应用AHP 分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类： （i ）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。 （ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。 （iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择，试确定一个最佳地点。 在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如下的层次结构模型。 目标层O 选择旅游地 准则层C 景色 费用 居住 饮食 旅途 措施层P 1P 2P 3P 1.2 构造判断矩阵

基于层次分析法的数学建模

基于层次分析法研究云南烟草品牌竞争力 摘要 与国外知名烟草品牌相比，国内的烟草品牌存在着品牌集中度不够，品牌多、杂、散、小；品牌定位模糊，市场占有率低；品牌形象乱，品牌美誉度低，消费者购买行为习惯化导致忠诚度差等问题，因此，本文采用层次分析法对在中国烟草行业中有着举足轻重地位的云南省烟草品牌竞争力进行了评价研究，分析云南烟草业品牌现状，提出品牌竞争力的影响因素，对提高云南烟草业的品牌竞争力、解决烟草业存在的问题提供一定的帮助。 关键词：烟草品牌云南烟草品牌竞争力层次分析法 一、问题重述 近年来，我国一直推进实施卷烟工业的整合重组、卷烟品牌的淘汰和优化。但是，由于之前的卷烟品牌众多；截止到 2009 年底我国的烟草企业有 30 家，卷烟品牌 138 个，所以目前我国烟草企业之间的竞争非常激烈，行业内有众多势均力敌的竞争对手。当今卷烟产品差异化日渐缩小，消费者购买时会更看重品牌价值和品牌文化，使烟草行业内部面临着激烈的竞争,以具有代表性的云烟为实证，分析云南烟草企业的品牌竞争力及影响品牌竞争力的主要因素，并提出提高云烟品牌竞争力的对策建议。

二、问题分析 （1）云南卷烟近年情况分析 图1为云产卷烟在全国各地区的销量情况，有颜色部分为云南卷烟销量均超过15.58万箱，在全国卷烟销售中占有很大份额。2008 年卷烟品牌为16个，比2003年的36个减少了 20个。作为全国卷烟产销量最大的省份，2009 年云南的产销量达到 3667.9 亿支。在卷烟产量增幅较小的情况下，2008 年云南烟草工业税利为 577 亿元，比2003 年的 330 亿元增加了 247 亿元。因此，分析云南卷烟品牌竞争力有助于对云南卷烟品牌做出适当的规划调整，很大程度上能够促进云南经济的发展。（数据为云南中烟系统中2015年 云产卷烟销量数据） 图1

数学建模期末作业谈层次分析法在就业中的应用讲课稿

数学建模期末作业谈层次分析法在就业中 的应用

谈层次分析法在就业中的应用 摘要 近年高校毕业生数量急剧膨胀就业的难题似乎变得更加严峻和突出——全国就业工作座谈会传来消息，2010年应届毕业生规模是本世纪初的6倍，2011年高校毕业生人数为660万人，“十二五”时期应届毕业生年平均规模将达到近700万人。许多大学生处于就业十字路口，茫然不知所措。这种心态下的种种决策难免造成失误，所以需要一种可靠的定量的容易操作的，并且具体的有说服力的方法来帮助做出决策。本文提出了定性和定量相结合的层次分析法步骤，构成了工作满意度的评价指标体系，通过各因素重要程度比较与计算，最终确定出了6个具体指标在该体系下的权重并排序，这样在分析某种工作的满意程度时就可以按此权重进行衡量。为此我们建立了层次结构模型，做成对比较矩阵： 正互反矩阵为?????????? ????? ? ??? ?=wn wn w wn w wn wn w w w w w w w wn w w w w w w w A /...... 2/1//2........3/22/21/2/1........3/12/11/1M M M M 通过Matlab 等数学工具，得到特征向量 T w )083.0,201.0,139.0,154.0,076.0,347.0(1=，且∑==508.6)(max i i nw Aw λ，通过一致 性指标得出1016.0) 1() (max =--= n n CI λ，1.0082.024 .11016 .0<=== RI CI CR ， 如果有CI 偏差，那偏差是否在满意的一致性范围，引进平均随机一致性指标RI 。 平均随机一致性指标RI 数值

8第八章 层次分析法

-167- 第八章 层次分析法 层次分析法（Analytic Hierarchy Process ，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 §1 层次分析法的基本原理与步骤 人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行： （i ）建立递阶层次结构模型； （ii ）构造出各层次中的所有判断矩阵； （iii ）层次单排序及一致性检验； （iv ）层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1 递阶层次结构的建立与特点 应用AHP 分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类： （i ）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。 （ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。 （iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择，试确定一个最佳地点。 在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如图1的层次结构模型。 图1 层次结构模型

数学建模之回归分析法

什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。

今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：（数据可以先用excel建立再通过spss打开） 点击“分析”——回归——线性——进入如下图所示的界面：

回归分析在数学建模中的应用

摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验

回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II

层次分析法-数学建模

层次分析法 一、分析模型和一般步骤 二、建立层次结构模型 三、构造成对比较矩阵 四、作一致性检验 五、层次总排序及决策 一. 层次分析模型和一般步骤 层次分析法是一种定性与定量分析相结合的多因素决策分析方法。这种方法将决策者的经验判断给于数量化，在目标因素结构复杂且缺乏必要数据的情况下使用更为方便，因而在实践中得到广泛应用。 层次分析的四个基本步骤： （1）在确定决策的目标后，对影响目标决策的因素进行分类，建立一个多层次结构； （2）比较同一层次中各因素关于上一层次的同一个因素的相对重要性，构造成对比较矩阵； （3）通过计算，检验成对比较矩阵的一致性，必要时对成对比较矩阵进行修改，以达到可以接受的一致性； （4）在符合一致性检验的前提下，计算与成对比较矩阵最大特征值相对应的特征向量，确定每个因素对上一层次该因素的权重； 计算各因素对于系统目标的总排序权重并决策。 二. 建立层次结构模型 将问题包含的因素分层：最高层（解决问题的目的）；中间层（实现总目标而采取的各种措施、必须考虑的准则等。也可称策略层、约束层、准则层等）；最低层（用于解决问题的各种措施、方案等）。把各种所要考虑的因素放在适当的层次内。用层次结构图清晰地表达这些因素的关系。 〔例1〕购物模型 某一个顾客选购电视机时，对市场正在出售的四种电视机考虑了八项准则作为评估依据，建立层次分析模型如下：

例2〕选拔干部模型 对三个干部候选人、、，按选拔干部的五个标准：品德、才能、资历、年龄和群众关系，构成如下层次分析模型：假设有三个干部候选人、、，按选拔干部的五个标准：品德，才能，资历，年龄和群众关系，构成如下层次分析模型 例3〕评选优秀学校 某地区有三个学校，现在要全面考察评出一个优秀学校。主要考虑以下几个因素： （1）教师队伍（包括平均学历和年龄结构）

数学建模回归分析多元回归分析

1、 多元线性回归 在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。

把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：

3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间

数学建模-回归分析-多元回归分析

1、 多元线性回归在回归分析中，如果有两个或两个以上的自变量，就称为 多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。

把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：

3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间

数学建模层次分析法题目及程序

假期旅游问题 现有三个目的地可供选择（方案）：风光绮丽的杭州（）,迷人的北戴河（）,山水甲 天下的桂林（）。有5个行动方案准则：景色、费用、居住、饮食、旅途情况。 目标层 准则层 方案层 选择旅游地的层次结构 1-9的标度方法 1-9的标度方法是将思维判断数量化的一种好方法。首先，在区分事物的差别时，人们 总是用相同、较强、强、很强、极端强的语言。再进一步细分，可以在相邻的两级中插入折衷的提法，因此对于大多数决策判断来说，1-9级的标度是适用的。其次，心理学的实验表 明，大多数人对不同事物在相同程度属性上差别的分辨能力在5-9级之间，采用1-9的 标度反映多数人的判断能力。再次，当被比较的元素其属性处于不同的数量级时，一般需要将较高数量级的元素进一步分解，这可保证被比较元素在所考虑的属性上有同一个数量级或比较接近，从而适用于1 -9的标度。 选择旅游地 J景费居饮旅 色用住食途 C2 C 3 C4 C5 C1 G 『1 1/2 4 3 3、 C2 2 1 7 5 5 A = C3 1/4 1/7 1 1/2 1/3 C4 1/3 1/5 2 1 1 C5 订/3 1/5 3 1 1」

相对于旅途 R P 2 F 3 P 「1 1 1/4、 B 5 =R 2 1 1 1/4 讥4 4 1」 程序： A=[1 1/2 4 3 3; 2 1 7 5 5; 1/4 1/7 1 1/2 1/3; 1/3 1/5 2 1 1; 1/3 1/5 3 1 1]; [x,y]=eig(A); eige nvalue=diag(y); m=max(eige nvalue); lamda=m n=fin d(m==eige nvalue); y_lamda=x(:,n); s=sum(y_lamda); W2=y_lamda./s B1=[ 1 2 5; 1/2 1 2; 相对于景色 P P 2 R P 1 f 1 2 5 B 1 =P 2 1/2 1 2 P 3 <1/5 1/2 '1 相对于费用 R P 2 P 3 R (1 1/3 1/8 B 2 =F2 3 1 1/3 叭 3 '1 ; B 3 R 『1 3 4 、 B 4 =P 2 1/3 11 F 3 '^1/4 1 '1』

数学建模实验 ——曲线拟合与回归分析

曲线拟合与回归分析 1、有10个同类企业的生产性固定资产年平均价值和工业总产值资料如下： （1）说明两变量之间的相关方向； （2）建立直线回归方程； （3）计算估计标准误差； （4）估计生产性固定资产（自变量）为1100万元时的总资产 （因变量）的可能值。 解： (1)工业总产值是随着生产性固定资产价值的增长而增长的，存 在正向相关性。 用spss回归 （2）spss回归可知：若用y表示工业总产值（万元），用x表示生产性固定资产，二者可用如下的表达式近似表示： .0+ y =x 896 . 395 567 （3）spss回归知标准误差为80.216（万元）。 （4）当固定资产为1100时，总产值为： （0.896*1100+395.567-80.216~0.896*1100+395.567+80.216） 即（1301.0~146.4）这个范围内的某个值。 MATLAB程序如下所示： function [b,bint,r,rint,stats] = regression1 x = [318 910 200 409 415 502 314 1210 1022 1225]; y = [524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0.05); display(b); display(stats); x1 = [300:10:1250]; y1 = b(1) + b(2)*x1; figure;plot(x,y,'ro',x1,y1,'g-');

数学建模期末作业谈层次分析法在就业中的应用

谈层次分析法在就业中的应用 摘要 近年高校毕业生数量急剧膨胀就业的难题似乎变得更加严峻和突出——全国就业工作座谈会传来消息，2010年应届毕业生规模是本世纪初的6倍，2011年高校毕业生人数为660万人，“十二五”时期应届毕业生年平均规模将达到近700万人。许多大学生处于就业十字路口，茫然不知所措。这种心态下的种种决策难免造成失误，所以需要一种可靠的定量的容易操作的，并且具体的有说服力的方法来帮助做出决策。本文提出了定性和定量相结合的层次分析法步骤，构成了工作满意度的评价指标体系，通过各因素重要程度比较与计算，最终确定出了6个具体指标在该体系下的权重并排序，这样在分析某种工作的满意程度时就可以按此权重进行衡量。为此我们建立了层次结构模型，做成对比较矩阵： 正互反矩阵为?????????? ????? ? ????=wn wn w wn w wn wn w w w w w w w wn w w w w w w w A /......2/1//2........3/22/21/2/1........3/12 /11/1M M M M 通 过 Matlab 等 数 学 工 具 ， 得 到 特 征 向 量 T w )083.0,201.0,139.0,154.0,076.0,347.0(1=，且∑==508.6)(max i i nw Aw λ，通过一致 性指标得出1016.0) 1() (max =--=n n CI λ，1.0082.024 .11016 .0<=== RI CI CR ， 如果有CI 偏差，那偏差是否在满意的一致性范围，引进平均随机一致性指标 RI 。 平均随机一致性指标RI 数值 通过比较，最后得出一致性检验通过。 关键词：大学生择业, 层次分析法，适用性。

数学建模之层次分析法

层次分析法 层次分析法就是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。 缺点: (1)层次分析法的主观性太强,模型的搭建,判断矩阵的输入都就是决策者的主观判断,往往会因为决策者的考虑不周、顾此失彼而造成失误。 (2)层次分析法模型的内部结构太过理想化,完全分离、彼此独立的层次结构在实践中很难做到。 (5)层次分析法只能从给定的决策方案中去选择,而不能给出新的、更优的策略。 1、模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 (1)公司选拔人员, (2)旅游地点的选取, (3)产品的购买等, (4)船舶投资决策问题(下载文档), (5)煤矿安全研究, (6)城市灾害应急能力, (7)油库安全性评价, (8)交通安全评价等。 2、步骤 ①建立层次结构模型 首先明确决策目标,再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型,模型如下图所示。

准则层 目标层 方案层 目标层:表示解决问题的目的,即层次分析要达到的总目标。通常只有一个总目标。 准则层:表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层:表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意: (1)任一元素属于且仅属于一个层次;任一元素仅受相邻的上层元素的支配,并不就是任一元素与下层元素都有联系; (2)虽然对准则层中每层元素数目没有明确限制,但通常情况下每层元素数最好不要超过 9 个。这就是因为,心理学研究表明,只有一组事物在 9 个以内,普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时,决策者对两两重要性判断可能会出现逻辑错误的概率加大,此时可以通过增加层数,来减少同一层的元素数。 ②构造判断(成对比较)矩阵 以任意一个上一层的元素为准则,对其支配的下层各因素之间进行两两比较。得到判断矩阵,再求出各元素的权重。ij a 重要程度的衡量用Santy 的1—9标度方法给出。即 设各元素C 1,C 2,… , C n 对目标O 两两比较后的重要性 ,(),ij i j ij n n a C A a ?==0,1ij ji ij a a a >=,则得到比较矩阵

用层次分析法评选优秀学生进行数学建模

用层次分析法评选优秀学生 一．实验目的 运用层次分析法，建立指标评价体系，得到学生的层次结构模型，然后构造判断矩阵，求得各项子指标的权重，最后给出大学生综合评价得分计算公式并进行实证分析，为优秀大学生的评选提出客观公正，科学合理的评价方法。 二．实验内容 4.用层次分析法解决一两个实际问题； （1）学校评选优秀学生或优秀班级，试给出若干准则，构造层次结构模型。可分为相对评价和绝对评价两种情况讨论。 解：层次分析发法基本步骤：建立一套客观公正、科学合理的素质评价体系，对于优秀大学生的评选是至关重要的。在此我们运用层次分析法(AHP)，以德、智、体三个方面作为大学生综合评价的一级评价指标，每个指标给出相应的二级子指标以及三级指标，然后构造判断矩阵，得到各个子指标的权重，结合现行的大学生评分准则，算出各项子指标的得分，将这些得分进行加权求和得到大学生综合评价得分，根据分配名额按总分排序即可选出优秀大学生。大学生各项素质的指标体系。如下表所示：

符号说明 设评价指标共有n 个，为1x ,2x ..... n x 。它们对最高层的权系数分别为1w ,2w , ... n w , 于是建立综合评价模型为： = y ∑=n i i i x w 1 解决此类问题关键就是确定权系数，层次分析法给出了确定它们的量化过程，其步骤具体如下： 确定评价指标集 P=（1P ，2P ，3 P ) 1P =（11P ，12P ） 2P =（21P ，22P ） 2P =（31P ，32P ）

11P =（1x ，2x ） 12P =（3x ，4x ） 21P =（5x ，6x ，7x ） 22P =（8x ，9x ，10x ） 31P =（11x ，12x ） 31P =（13x ，14x ） 建立两两比较的逆对称判断矩阵 从1x ,2x .....n x 中任取i x 与 j x ，令 =ij a i x /j x ，比较它们对上一层某个因素的重要性时。 若=ij a 1，认为 i x 与 j x 对上一层因素的重要性相同； 若=ij a =3，认为i x 比 j x 对上一层因素的重要性略大； 若=ij a 5，认为i x 比j x 对上一层因素的重要性大； 若=ij a 7，认为i x 比 j x 对上一层因素的重要性大很多； 若=ij a 9，认为 i x 对上一层因素的重要性远远大于 j x ； 若 = ij a 2n ，n=1,2,3,4，元素 i x 与 j x 的重要性介于 = ij a 2n ? 1与 = ij a 2n + 1之间； 用已知所有的 i x /j x ，i ，j =1,2 ... n ，建立n 阶方阵P=n m j i x x ?) /（，矩阵P 的第i 行与 第j 列元素为i x /j x ，而矩阵P 的第j 行与第i 列元素为j x /i x ，它们是互为倒数的，而对 角线元素是1。 判断矩阵 ???? ???????? =11/51/4P 51341/31P P P 321 321P P P 0858.3max =λ 0740.0CI = 0359.6max =λ 0758.0=CI max λ=6.2255 CI =0.0364 max λ=6.0359 CI =0.0758 max λ=15.1382 CI =0.0558 max λ=14.2080 CI =0.0102 max λ=14.3564 CI =0.0175 max λ=15.1972 CI =0.0758 max λ=14.1043 CI =0.0051 max λ=14.2017 CI =0.0099 利用加法迭代计算权重 即取判断矩阵ne 个列向量的归一化的算术平均值近似作为权重向量

数学建模多元回归模型

实习报告书 学生姓名： 学号： 学院名称： 专业名称： 实习时间： 2014年 06 月 05 日 第六次实验报告要求 实验目的： 掌握多元线性回归模型的原理，多元线性回归模型的建立、估计、检验及解释变量的增减的方法，以及运用相应的Matlab软件的函数计算。 实验内容： 已知某市粮食年销售量、常住人口、人均收入、肉、蛋、鱼的销售数据，见表1。请选择恰当的解释变量和恰当的模型，建立粮食年销售量的回归模型，并对其进行估计和检验。 表1 某市粮食年销售量、常住人口、人均收入、肉、蛋、鱼的销售数据 年份粮食年销售 量Y/万吨 常住人口 X2/万人 人均收 入X3/ 元 肉销售 量X4/万 吨 蛋销售 量X5/ 万吨 鱼虾销 售量 X6/万吨 197498.45560.20153.20 6.53 1.23 1.89 1975100.70603.11190.009.12 1.30 2.03 1976102.80668.05240.308.10 1.80 2.71 1977133.95715.47301.1210.10 2.09 3.00 1978140.13724.27361.0010.93 2.39 3.29 1979143.11736.13420.0011.85 3.90 5.24 1980146.15748.91491.7612.28 5.13 6.83 1981144.60760.32501.0013.50 5.418.36 1982148.94774.92529.2015.29 6.0910.07 1983158.55785.30552.7218.107.9712.57 1984169.68795.50771.1619.6110.1815.12