第一节 AHP 决策分析法的原理、步骤与计算方法

一、基本原理

第一节 AHP 决策分析法的原理、步骤与计算方法 - 图1层次分析法的基本原理可以用以下的简单事例分析来说明。假设有 n 个物体 A1，A2，⋯，An，它们的重量分别记为 W1，W2，⋯，Wn。现将每个物体的重量两两进行比较如下：

若以矩阵来表示各物体的这种相互重量关系，即

 W1 / W1 W1 / W2 Μ W1 / Wn 

W / W W / W Μ W / W 

  • A = 

2 1 2 2 2 n 

Μ 

（1）

 Wn/ W1

Wn / W2

Μ Wn / Wn

（1)式中，A 称为判断矩阵。若取重量向量 W=[W1，W2，⋯，Wn]T，则有： AW=n·W （2)

这就是说，W 是判断矩阵 A 的特征向量，n 是 A 的一个特征值。事实上，

根据线性代数知识，我们不难证明，n 是矩阵 A 的唯一非零的，也是最大的特征值，而 W 为其所对应的特征向量。

上述事实提示我们，如果有一组物体，需要知道它们的重量，而又没有衡器，那么我们就可以通过两两比较它们的相互重量，得出每对物体重量比的判断，从而构成判断矩阵；然后通过求解判断矩阵的最大特征值λmax 和它所对应的特征向量，就可以得出这一组物体的相对重量。根据这一思路， 在地理科学研究中，对于一些无法测量的因素，只要引入合理的标度，我们也可以用这种方法来度量各因素之间的相对重要性，从而为有关决策提供依据。上述思路就是层次分析法的基本原理。

二、基本步骤

层次分析方法的基本过程，大体可以分为如下六个基本步骤：

（1)明确问题。即弄清问题的范围，所包含的因素，各因素之间的关系等，以便尽量掌握充分的信息。

（2)建立层次结构。在这一个步骤中，要求将问题所含的因素进行分组， 把每一组作为一个层次，按照最高层（目标层)、若干中间层（准则层)以及最低层（措施层)的形式排列起来。这种层次结构常用结构图来表示（见图6-1)，图中要标明上下层元素之间的关系。如果某一个元素与下一层的所有元素均有联系，则称这个元素与下一层次存在有完全层次的关系；如果某一个元素只与下一层的部分元素有联系，则称这个元素与下一层次存在有不完全层次关系。层次之间可以建立子层次，子层次从属于主层次中的某一个元素，它的元素与下一层的元素有联系，但不形成独立层次。

（3)构造判断矩阵。这一个步骤是层次分析法的一个关键步骤。判断矩阵表示针对上一层次中的某元素而言，评定该层次中各有关元素相对重要性的状况，其形式如下：

其中，bij 表示对于 Ak 而言，元素 Bi 对 Bj 的相对重要性的判断值。bij 一般取1，3，5，7，9 等 5 个等级标度，其意义为：1 表示 Bi 与 Bj 同等重要；3 表示 Bi 较 Bj 重要一点；5 表示 Bi 较 Bj 重要得多；7 表示 Bi 较 Bj 更重要；9 表示 Bi 较 Bj 极端重要。而 2，4，6，8 表示相邻判断的中值，当 5 个等级不够用时，可以使用这几个数值。

显然，对于任何判断矩阵都应满足

bii = 1

 ij =

1 b ji

(i, j = 1, 2, , n)

（3）

因此，在构造判断矩阵时，只需写出上三角（或下三角)部分即可。

一般而言，判断矩阵的数值是根据数据资料、专家意见和分析者的认识， 加以平衡后给出的。衡量判断矩阵质量的标准是矩阵中的判断是否具有一致性。如果判断矩阵存在关系：

bij =

bik b

(i, j, k = 1, 2, 3, , n)

（4）

jk

则称它具有完全一致性。但是，因客观事物的复杂性和人们认识上的多样性， 可能会产生片面性，因此要求每一个判断矩阵都有完全的一致性显然是不可能的，特别是因素多、规模大的问题更是如此。为了考察层次分析法得到的结果是否基本合理，需要对判断矩阵进行一致性检验。

（4)层次单排序。层次单排序的目的是对于上层次中的某元素而言，确定本层次与之有联系的元素重要性次序的权重值。它是本层次所有元素对上一层次而言的重要性排序的基础。

层次单排序的任务可以归结为计算判断矩阵的特征根和特征向量问题， 即对于判断矩阵 B，计算满足：

BW=λmaxW （5)

的特征根和特征向量。（5)式中，λmax 为 B 的最大特征根，W 为对应于λmax 的正规化特征向量，W 的分量 Wi 就是对应元素单排序的权重值。

通过前面的分析，我们知道，当判断矩阵 B 具有完全一致性时，λ max=n。但是，在一般情况下是不可能的。为了检验判断矩阵的一致性，需要计算它的一致性指标：

CI = λ max − n

n − 1

（6）

（6)式中，当 CI=0 时，判断矩阵具有完全一致性；反之，CI 愈大，则判断矩阵的一致性就愈差。

为了检验判断矩阵是否具有令人满意的一致性，则需要将 CI 与平均随机一致性指标 RI（见表 6-1)进行比较。一般而言，1 或 2 阶判断矩阵总是具有完全一致性的。对于 2 阶以上的判断矩阵，其一致性指标 CI 与同阶的平均随

机一致性指标 RI 之比，称为判断矩阵的随机一致性比例，记为 CR。一般地， 当

CR = CI ＜0.10 RI

（7）

时，我们就认为判断矩阵具有令人满意的一致性；否则，当 CR≥0.1 时，就需要调整判断矩阵，直到满意为止。