【数学建模】1层次分析法模型部分

您所在的位置:网站首页 数学建模的建模部分是什么 【数学建模】1层次分析法模型部分

【数学建模】1层次分析法模型部分

#【数学建模】1层次分析法模型部分| 来源: 网络整理| 查看: 265

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


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3