IAHP法的基本方法与步骤

更新于 2026年10月13日 版权声明
二、IAHP法的基本方法与步骤

1.某一级因素相对于上一级因素权重的确定

记评判空间为S=(P,G,A),其中P=(P1,P2,…,Pi,…,Pm)是某层次上的m个元素,G是上一层中的元素,A是P关于G的判断矩阵,按下述方法步骤建立判断矩阵G,并求出P中各元素的相对权重值。

步骤1:值q=1

(1)确定比较矩阵C=(Cij)m×m的第q行中的未知元素。

图示

(2)划分指标集合Dqj={j|j=q+1,q+2,…,m}如下:

图示

并构造集合:

图示

图示

(3)DHq,DMq,DEq全为空集转到(d),否则令:

图示

(1)的意义是确定(-1,0,1)三标度来刻画各目标元素的相对重要程度。(2)与(3)的意义在于避免比较矩阵C中的逻辑混乱或判断思维不一致等。例如:比较矩阵C中C12=-1,2∈Hq;C13=0,3∈Mq则(2,3)∈DEq=(Hq×Mq),由(3)中Cpj等式得C23=1,(2,3)∈DEq,即是P1劣于P2,P1与P3优劣相同,由C23=1得P2优于P3,就避免了出现P2劣于P3的矛盾关系。

(4)如果q=m-1,转(2),否则令q=q+1,转到(1)。

步骤2:按下式求出C=(cij)m×m的其他目标元素

图示

步骤3:求解O=(oij)m×m

图示

步骤4:求A=(aij)m×m的特征向量,作为各目标因素的相对权重值

图示(https://www.daowen.com)

计算矩阵A特征向量的方法有乘幂法、方根法(几何平均法)、规范列平均法等。在此采用方根法计算矩阵A特征向量,具体如下:

(1)计算A中每一行乘积

图示

(2)计算m次方根图示

图示

(3)对向量图示进行规范化,得归一化后的目标权,即

图示

2.各因素相对于总目标权重的确定

假设有上下两层E和F,如图5- 1所示。

图示

图5-1 

通过利用上述“某一级因素相对于上一级因素权重的确定”方法已经获得了E层各因素的规范化权系数bi(i=1,2,…,m),将其用行向量表示为

图示

同理,已获得F层各因素对应于E1,E2,…,Em的权重行向量i=1,2,…,m,图示

其中 图示 i=1,2,…,m

于是,各图示可构成一个矩阵FE:

图示

这样就可以获得F层各因素相对于总目标的权重为

图示

对于大于两层的问题,则可依据上述方式自上而下逐步求取。

✍AI写作