评价模型——层次分析法

1.实现步骤

1. 根据问题中对象的关系，建立目标层、准则层、方案层

将决策的目标、考虑的因素（决策准则）和决策对象按它们之间的相互关系分为最高层、中间层和底层，绘出层次结构图。 最高层是指决策的目的、要解决的问题。 底层是指决策时的备选方案。 中间层是指考虑的因素、决策的准则。对于相邻的两层，称高层为目标层，低层为因素层。

2. 构造比较矩阵

3. 层次单排序（计算权向量）与检验（一致性检验）

对应于判断矩阵最大特征根λ的特征向量，经归一化(使向量中各元素之和等于1)后记为W。W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值，这一过程称为层次单排序。能否确认层次单排序，则需要进行一致性检验，所谓一致性检验是指对A确定不一致的允许范围。其中，n阶一致阵的唯一非零特征根为n；n 阶正互反阵A的最大特征根λ≥n，当且仅当λ=n时，A为一直矩阵，由于λ的连续依赖于aij,则λ 比n 大的越多，A的不一致性越严重，一致性指标用CI计算，CI越小，说明一致性越大。用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量，其不一致程度越大，引起的判断误差越大。因而可以用 λ-n 数值的大小来衡量A 的不一致程度。定义一致性指标为：

CI=0，有完全的一致性；CI 接近于0，有满意的一致性；CI 越大，不一致越严重。

为衡量CI 的大小，引入随机一致性指标 RI：

其中，随机一致性指标RI和判断矩阵的阶数有关，一般情况下，矩阵阶数越大，则出现一致性随机偏离的可能性也越大，其对应关系如表2：

考虑到一致性的偏离可能是由于随机原因造成的，因此在检验判断矩阵是否具有满意的一致性时，还需将CI和随机一致性指标RI进行比较，得出检验系数CR，公式如下：

一般的，如果CR<0.1 ，则认为该判断矩阵通过一致性检验，否则就不具有满意一致性。

4. 层次总排序（组合权向量）与检验（一致性检验）

计算某一层次所有因素对于最高层(总目标)相对重要性的权值，称为层次总排序。这一过程是从最高层次到最低层次依次进行的。

5. 结果分析

2.matlab的代码实现

根据比较矩阵，得到权值向量

function w=AHPfindweight(A)
[~,n]=size(A);%求阶数
%% 求解最大特征值与特征向量
[V,D]=eig(A);%V是特征向量矩阵，D是特征值的对角矩阵
rvs=max(D);%特征值向量
r=max(rvs);%最大特征值
cl=find(D==r);%最大特征值所在列
rv=V(:,cl);%特征向量
%% 致性检验
CI=(r-n)/(n-1);
RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59];
CR=CI/RI(n);
if CR<0.10
    CR_Result='通过';
else
    CR_Result='不通过';
end
%% 权值向量
w=V(:,cl)/sum(V(:,cl));
%% 结果输出
disp('判断矩阵A的权向量计算报告：');
disp(['一致性指标CI:' num2str(CI)]);
disp(['一致性比例CR:' num2str(CR)]);
disp(['一致性检验结果:' CR_Result]);
disp(['特征值r:' num2str(r)]);
disp(['权向量w:' num2str(w')]);

3.实例：职员晋升

4.总结

优点：

它完全依靠主观评价做出方案的优劣排序，所需数据量少，决策花费的时间很短。从整体上看，AHP在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使决策过程具有很强的条理性和科学性，特别适合在社会经济系统的决策分析中使用。

缺点：

用AHP进行决策主观成分很大。当决策者的判断过多地受其主观偏好影响，而产生某种对客观规律的歪曲时，AHP的结果显然就靠不住了。

适用范围：

尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。要使AHP的决策结论尽可能符合客观规律，决策者必须对所面临的问题有比较深入和全面的认识。另外，当遇到因素众多，规模较大的评价问题时，该模型容易出现问题，它要求评价者对问题的本质、包含的要素及其相互之间的逻辑关系能掌握得十分透彻，否则评价结果就不可靠和准确。

对一些定性因素的评价有较好的效果；但如果某一层的因素超过9个，将会给计算过程带来较大负担，不宜使用本方法，而且比较矩阵的确定过于强调主观性，在实际问题中，应优先使用客观的方法。

改进

(1) 成对比较矩阵可以采用德尔菲法获得。
(2) 如果评价指标个数过多（一般超过9个），利用层次分析法所得到的权重就有一定的偏差，继而组合评价模型的结果就不再可靠。可以根据评价对象的实际情况和特点，利用一定的方法，将各原始指标分层和归类，使得每层各类中的指标数少于9个。