【数学建模】层次分析法(AHP)详解及其应用

层次分析法(AHP)详解及其应用

引言

在现实生活和工作中，我们经常面临复杂的决策问题，这些问题通常涉及多个评价准则，且各准则之间可能存在相互影响。如何在这些复杂因素中做出合理的决策？层次分析法(Analytic Hierarchy Process, AHP)作为一种系统、灵活的多准则决策方法，为我们提供了科学的决策工具。

什么是层次分析法？

层次分析法是由美国运筹学家Thomas L. Saaty教授于20世纪70年代提出的一种系统分析方法，它将复杂问题分解为多个层次和要素，通过定性和定量相结合的方式进行决策分析。

层次分析法的基本原理

层次分析法的核心思想是将复杂问题分解为层次结构，通常包括：

1. 目标层：决策的最终目标
2. 准则层：评价目标的各种准则
3. 方案层：可供选择的各种方案

在建立层次结构后，通过两两比较各层次中的元素，形成判断矩阵，计算各元素的权重，最终得到各方案的综合评价。

层次分析法的实施步骤

1. 建立层次结构模型

将决策问题分解为相互关联的决策元素，构建层次结构模型。

2. 构造判断矩阵

采用1-9标度法对同一层次的元素进行两两比较，形成判断矩阵$A$：

$$A=[a_{ij}{]}_{n\times n}$$

其中$a_{ij}$表示元素$i$相对于元素$j$的重要性程度，标度含义如下：

• 1：表示两个元素同等重要
• 3：表示一个元素比另一个元素稍微重要
• 5：表示一个元素比另一个元素明显重要
• 7：表示一个元素比另一个元素强烈重要
• 9：表示一个元素比另一个元素极端重要
• 2,4,6,8：表示上述相邻判断的中间值

且满足：$a_{ji}=\frac{1}{a_{ij}}$

3. 计算权重向量和最大特征值

通过求解判断矩阵的特征向量来获得权重，常用的方法有：

• 和法归一化：将判断矩阵各列归一化后求行平均值

$$w_i=\frac{1}{n}\sum _{j=1}^n\frac{a_{ij}}{{\sum }_{k=1}^n{a}_{kj}}$$

• 根法：计算每行元素乘积的n次方根，再归一化

$${\bar{w}}_i=\sqrt[n]{\prod _{j=1}^n{a}_{ij}}$$

$$w_i=\frac{{\bar{w}}_i}{{\sum }_{j=1}^n{\bar{w}}_j}$$

• 特征值法：求解判断矩阵的最大特征值及其对应的特征向量

$$A\cdot W={\lambda }_{max}\cdot W$$

其中${\lambda }_{max}$为最大特征值，$W$为对应的特征向量。

4. 一致性检验

为确保判断的合理性，避免出现决策者认为“A比B重要，B比C重要，C却又比A重要”的矛盾，需要进行一致性检验：

1. 计算一致性指标CI：

$$CI=\frac{{\lambda }_{max}-n}{n-1}$$

其中${\lambda }_{max}$为最大特征值，$n$为矩阵阶数。
当 $CI=0$ 时对应的矩阵为为一致矩阵。
关于一致矩阵的性质与相关介绍可以参考我的这篇文章：【数学建模】一致矩阵的应用及其在层次分析法(AHP)中的性质 。

2. 查找对应的随机一致性指标RI
3. 计算一致性比率CR：

$$CR=\frac{CI}{RI}$$

4. 当$CR<0.1$时，认为判断矩阵具有满意的一致性

5. 计算综合权重

自上而下计算各层次元素对最终目标的综合权重，得出最终决策方案。

如果第$k-1$层有$m$个元素$P_1^{k-1},P_2^{k-1},\dots ,P_m^{k-1}$，它们对总目标的权重分别是$a_1^{k-1},a_2^{k-1},\dots ,a_m^{k-1}$；第$k$层有$n$个元素$P_1^k,P_2^k,\dots ,P_n^k$，且元素$P_i^k$对元素$P_j^{k-1}$的权重为$b_{ij}^k$，则元素$P_i^k$对总目标的权重为：

$$a_i^k=\sum _{j=1}^m{b}_{ij}^k\cdot a_j^{k-1}$$

层次分析法的应用实例

案例：选择最佳投资项目

假设某公司需要从三个投资项目中选择一个最佳方案，考虑的因素有：预期收益、风险程度和市场前景。

第一步：建立层次结构

• 目标层：选择最佳投资项目
• 准则层：预期收益(C1)、风险程度(C2)、市场前景(C3)
• 方案层：项目A、项目B、项目C

第二步：构造判断矩阵

准则层对目标层的判断矩阵：

$$A=\left[\begin{array}{ccc}1& 2& 4\\ \frac{1}{2}& 1& 3\\ \frac{1}{4}& \frac{1}{3}& 1\end{array}\right]$$

第三步：计算权重

使用和法归一化计算权重向量：

$$A的列和=\left[\begin{array}{ccc}1.75& 3.33& 8\end{array}\right]$$

$$归一化矩阵=\left[\begin{array}{ccc}\frac{1}{1.75}& \frac{2}{3.33}& \frac{4}{8}\\ \frac{0.5}{1.75}& \frac{1}{3.33}& \frac{3}{8}\\ \frac{0.25}{1.75}& \frac{0.33}{3.33}& \frac{1}{8}\end{array}\right]=\left[\begin{array}{ccc}0.571& 0.600& 0.500\\ 0.286& 0.300& 0.375\\ 0.143& 0.100& 0.125\end{array}\right]$$

$$W=\left[\begin{array}{c}\frac{0.571+0.600+0.500}{3}\\ \frac{0.286+0.300+0.375}{3}\\ \frac{0.143+0.100+0.125}{3}\end{array}\right]=\left[\begin{array}{c}0.558\\ 0.320\\ 0.122\end{array}\right]$$

第四步：一致性检验

计算${\lambda }_{max}$：

$$A\cdot W=\left[\begin{array}{ccc}1& 2& 4\\ \frac{1}{2}& 1& 3\\ \frac{1}{4}& \frac{1}{3}& 1\end{array}\right]\cdot \left[\begin{array}{c}0.558\\ 0.320\\ 0.122\end{array}\right]=\left[\begin{array}{c}1.704\\ 0.978\\ 0.372\end{array}\right]$$

$${\lambda }_{max}=\frac{1}{3}\left(\frac{1.704}{0.558}+\frac{0.978}{0.320}+\frac{0.372}{0.122}\right)=3.054$$

$$CI=\frac{{\lambda }_{max}-n}{n-1}=\frac{3.054-3}{2}=0.027$$

对于$n=3$的矩阵，$RI=0.58$

$$CR=\frac{CI}{RI}=\frac{0.027}{0.58}=0.047<0.1$$

判断矩阵具有满意的一致性。

第五步：计算方案层对各准则的权重

(此处省略具体计算过程，假设已经得到以下权重矩阵)

$$W_{C1}=\left[\begin{array}{c}0.65\\ 0.25\\ 0.10\end{array}\right],W_{C2}=\left[\begin{array}{c}0.20\\ 0.30\\ 0.50\end{array}\right],W_{C3}=\left[\begin{array}{c}0.30\\ 0.60\\ 0.10\end{array}\right]$$

第六步：计算综合权重

$$W_{综合}=W_{C1}\cdot w_1+W_{C2}\cdot w_2+W_{C3}\cdot w_3$$

$$=\left[\begin{array}{c}0.65\\ 0.25\\ 0.10\end{array}\right]\cdot 0.558+\left[\begin{array}{c}0.20\\ 0.30\\ 0.50\end{array}\right]\cdot 0.320+\left[\begin{array}{c}0.30\\ 0.60\\ 0.10\end{array}\right]\cdot 0.122$$

$$=\left[\begin{array}{c}0.45\\ 0.32\\ 0.23\end{array}\right]$$

因此，项目A是最佳选择。

层次分析法的优缺点

优点

1. 结构清晰，逻辑性强
2. 计算简便，易于理解和应用
3. 能够处理定性和定量相结合的复杂决策问题
4. 通过一致性检验保证判断的合理性

缺点

1. 当准则或方案较多时，需要进行大量的两两比较
2. 判断矩阵的构造具有主观性
3. 层次结构中的元素被假设为相互独立，可能与现实情况有差距
4. 排序结果可能受到新增或删除方案的影响

层次分析法的扩展

为了克服传统层次分析法的局限性，研究者提出了多种改进方法，如：

1. 模糊层次分析法：引入模糊数学处理判断的不确定性，使用模糊数${\tilde{a}}_{ij}$代替确定值$a_{ij}$
2. 网络分析法(ANP)：考虑元素之间的相互依赖关系，构建超矩阵$W$
3. 群体决策层次分析法：综合多个决策者的判断，如几何平均法：

$$a_{ij}=\sqrt[K]{\prod _{k=1}^K{a}_{ij}^{(k)}}$$

其中$a_{ij}^{(k)}$表示第$k$个决策者对元素$i$和$j$的判断值，$K$为决策者总数。

层次分析法的应用领域

层次分析法在多个领域有广泛应用：

1. 工程项目评估与选择
2. 资源配置与投资决策
3. 人才评价与绩效考核
4. 产品设计与评价
5. 风险评估与管理

结语

层次分析法作为一种系统、灵活的多准则决策方法，为复杂决策问题提供了科学的解决思路。虽然存在一些局限性，但通过不断改进和与其他方法的结合，层次分析法仍然是现代决策理论中不可或缺的重要工具。在实际应用中，我们应当根据具体问题的特点，合理运用层次分析法，以期获得科学、合理的决策结果。

---

参考文献

1. Saaty, T. L. (1980). The Analytic Hierarchy Process. New York: McGraw-Hill.
2. 徐泽水. (2002). 层次分析法原理. 天津: 天津大学出版社.
3. 许树柏. (1995). 层次分析法. 北京: 中国人民大学出版社.

---

这篇文章详细介绍了层次分析法的基本原理、实施步骤、应用实例以及优缺点，希望对您有所帮助！如有任何问题，欢迎在评论区留言交流。