决策分析——层次分析法

news2024/9/23 7:20:49

工程测量与经济决策方案 决策分析——层次分析法

一、描述

层次分析法的基本原理:根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,从而最终使问题归结为最底层相对于最高层的相对重要权值的确定或相对优劣次序的排定。
总的来说这是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点可以对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础,利用较少的定量信息使决策的思维过程数学化,从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。是对难以完全定量的复杂系统做出决策的模型和方法。
基本步骤:
(1)建立层次结构模型
(2)构造判断矩阵
(3)层次单排序
(4)一致性检验
(5)层次总排序

二、案例分析

多目标决策问题:学校中遇到最多的问题,中午吃啥。有三种备选方案,每种备选方案属性值之间有些许差别例如 等待时长、菜品种类、菜品价格,通过计算权重,选择出最优就餐窗口。

解:建立层次结构模型:
在这里插入图片描述

构造判断矩阵:
在这里插入图片描述

A-C判断矩阵
在这里插入图片描述

计算 λ_max=3.039
CI= =(λ max⁡〖-n〗)/(n-1)=0.0195
CR=CI/RI=0.037<0.1
该矩阵通过一致性检验,具有满意一致性

相对排队时间 C1-P判断矩阵
在这里插入图片描述

计算 λ_max=3.039
CI= =(λ max⁡〖-n〗)/(n-1)=0.0195
CR=CI/RI=0.037<0.1
该矩阵通过一致性检验,具有满意一致性

相对于选择多 C2-P判断矩阵
在这里插入图片描述

计算 λ_max=3.018
CI= =(λ max⁡〖-n〗)/(n-1)=0.009
CR=CI/RI=0.018<0.1
该矩阵通过一致性检验,具有满意一致性

相对于便宜 C3-P判断矩阵
在这里插入图片描述

计算 λ_max=3.002
CI= =(λ max⁡〖-n〗)/(n-1)=0.001
CR=CI/RI=0.001<0.1
该矩阵通过一致性检验,具有满意一致性

层次总排序:
在这里插入图片描述

层次总排序:P1=0.470 P2=0.370 P3=0.160
结果:首选窗口一,第二选窗口二,第三选窗口三

三、评价

优点:
可以从一个整体、全局的角度来分析所有不同因素对于最终结果的影响。
基本原理及步骤易于掌握,计算起来十分简单方便,结果也一目了然、明确具体,在决策过程中提供了极大的便利。
定量数据信息需求较少。
缺点:
定性成分多,定量数据较少,难以令人信服。
指标过多时较大的数据统计量,以及难以找出或修正为确定的权重。

参考文献

1.《技术经济学》南开大学出版社,金明律著
2.百度百科 层次分析法
3.《技术经济学》东北大学出版社,毕梦林主编
4.《技术经济学前沿问题》 经济科学出版社 傅家骥

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/673295.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

NUCLEO-F411RE RT-Thread 体验 (8) - GCC环境 TIM定时器的驱动移植以及基本使用

NUCLEO-F411RE RT-Thread 体验 (8) - GCC环境 TIM定时器驱动移植与基本使用 驱动移植 定时器驱动文件位于drv_hwtimer.c中&#xff0c;对应components层的文件位于rt-thread/components/drivers/hwtimer/hwtimer.c中。 修改Makefile&#xff0c;将其编译进去。 在rtconfig.h…

Xception算法解析-鸟类识别实战-Paddle实战

文章目录 项目背景一、理论基础1.前言2.设计理念2.1 多尺寸卷积核2.2 点卷积2.3 卷积核替换2.4 Bottleneck2.5 深度可分离卷积(Depthwise Separable Conv) 3.网络结构4.评估分析 二、数据预处理三、数据读取四、导入模型五、模型训练六、结果可视化七、个体预测结果展示总结 项…

BLE蓝牙模块应用|蓝牙MAC地址二维码扫描打印解决方案

在智能穿戴、智能安防领域&#xff0c;用户需要通过蓝牙MAC地址来完成产品与APP的绑定。为简化产品的使用和管理&#xff0c;厂家会采用蓝牙MAC地址二维码扫描打印解决方案&#xff0c;将蓝牙MAC地址打印成二维码并贴在产品的包装盒或者产品外壳上。本篇带大家了解一下蓝牙MAC地…

基于Java德云社票务系统设计实现(源码+lw+部署文档+讲解等)

博主介绍&#xff1a; ✌全网粉丝30W,csdn特邀作者、博客专家、CSDN新星计划导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战 ✌ &#x1f345; 文末获取源码联系 &#x1f345; &#x1f447;&#x1f3fb; 精…

干货 | 电力数据流通使用模式及安全指南

以下内容整理自清华大学《数智安全与标准化》课程大作业期末报告同学的汇报内容。 一、电力数据及流通简介 电力数据的流通整体环节也是它生命的全周期。 电力用户大体可以分为四类&#xff0c;分别是个人&#xff0c;工农业企业&#xff0c;商业建筑以及城市基建&#xff0c;这…

火山引擎 Dataleap 数据质量解决方案和最佳实践(一):数据质量挑战

更多技术交流、求职机会&#xff0c;欢迎关注字节跳动数据平台微信公众号&#xff0c;回复【1】进入官方交流群 什么是数据质量 广义上来说&#xff0c;数据质量的定义是数据满足一组固有特性&#xff08;质量维度&#xff09;要求的程度。业界通常有 6 个维度&#xff1a; 完…

语法降级与Polyfill:消灭低版本浏览器兼容问题

提到前端编译工具链方面&#xff0c;可能大家最新想到的是诸如babel/preset-env、core-js、regenerator-runtime等工具。不过&#xff0c;我们今天要讲的是官方的 Vite 插件vitejs/plugin-legacy&#xff0c;以及如何将这些底层的工具链接入到 Vite 中&#xff0c;并实现开箱即…

【强化学习】——Q-learning算法为例入门Pytorch强化学习

&#x1f935;‍♂️ 个人主页&#xff1a;Lingxw_w的个人主页 ✍&#x1f3fb;作者简介&#xff1a;计算机研究生在读&#xff0c;研究方向复杂网络和数据挖掘&#xff0c;阿里云专家博主&#xff0c;华为云云享专家&#xff0c;CSDN专家博主、人工智能领域优质创作者&#xf…

神经网络:参数更新

在计算机视觉中&#xff0c;参数更新是指通过使用梯度信息来调整神经网络模型中的参数&#xff0c;从而逐步优化模型的性能。参数更新的作用、原理和意义如下&#xff1a; 1. 作用&#xff1a; 改进模型性能&#xff1a;参数更新可以使模型更好地适应训练数据&#xff0c;提高…

python学习——pandas统计分析基础

目录 pandas统计分析基础1. Series数据2.文件读取csv文件Excel文件 3.DataFrame连接数据库读取数据库存入数据库DataFrame的属性访问DataFrame中的数据【实例1】info详细信息和describe描述统计分析【实例2】 排序【实例3】 布尔索引&#xff0c;条件索引【案例】修改数据 3.描…

LIBSVM与LIBLINEAR支持向量机库对模式识别与回归的可视化代码实践

支持向量机(SVM)是一种流行的分类技术。虽然提出时间到现在有70来年了&#xff0c;但在90年代获得了很好的发展和扩展&#xff0c;在人像识别、文本分类、手写字符识别、生物信息学等模式识别问题中有得到应用。然而&#xff0c;对于不熟悉SVM的初学者来说&#xff0c;往往会因…

ThreadPoolExecutor解读

目录 线程池状态 构造方法 newFixedThreadPool newCachedThreadPool newSingleThreadExecutor 提交任务 关闭线程池 其它方法 线程池状态 ThreadPoolExecutor 使用 int 的高 3 位来表示线程池状态&#xff0c;低 29 位表示线程数量 状态名 高 3 位 接收新任务 处理…

JavaScript ES10新特性

文章目录 导文Array.prototype.flat()和Array.prototype.flatMap()Object.fromEntries()String.prototype.trimStart()和String.prototype.trimEnd()格式化数字动态导入可选的catch绑定BigIntglobalThis 导文 JavaScript ES10&#xff0c;也被称为ES2019&#xff0c;引入了一些…

javascript被禁用怎么办?怎么启用?||如何解决javascript:void(0)的问题?

javascript被禁用怎么办&#xff1f;怎么启用&#xff1f; 有些小伙伴可能因为浏览器弹窗的凌乱而感到烦恼&#xff0c;想要通过浏览器禁用JavaScript的方式来避免这些广告。有些小伙伴则是因为设置了不知名的设置导致JavaScript被禁用&#xff0c;影响日常的使用。接下来的这…

Vue3的计算属性和监听属性

目录 computed 语法介绍 简写版 完整版 watch 介绍 监听ref式数据代码示例 监听reactive式数据 watchEffect函数 computed 语法介绍 与Vue2.x中computed配置功能一致 import {computed} from vuesetup(){...//计算属性——简写let fullName computed(()>{return per…

【kubernetes】部署kubelet与kube-proxy

前言:二进制部署kubernetes集群在企业应用中扮演着非常重要的角色。无论是集群升级,还是证书设置有效期都非常方便,也是从事云原生相关工作从入门到精通不得不迈过的坎。通过本系列文章,你将从虚拟机准备开始,到使用二进制方式从零到一搭建起安全稳定的高可用kubernetes集…

ffmpeg调整音频音量踩坑

前一阵用Flutter结合ffmpeg做了一个音视频合并功能&#xff0c;记录一下遇到的问题。 合并方法 首先是音视频合并命令&#xff1a; ffmpeg -i input.mp4 -i input.mp3 -filter_complex "[1:a]adelay0s:all1[a1];[a1]amixinputs1[amixout]" -map 0:v:0 -map "…

Ts系列之条件类型

Ts系列之条件类型 Ts系列之条件类型前言一、初遇二、条件判断三、待补充 Ts系列之条件类型 前言 本片文章主要对ts条件类型的用法做一个讲解。 一、初遇 1、首先我们来看看一个小例子&#xff1a; interface Person {name: string;age: number; } interface Son extends P…

神经网络:梯度计算

在计算机视觉中&#xff0c;梯度计算是一项关键任务&#xff0c;它在优化算法中扮演着重要的角色。梯度表示函数在某一点上的变化率&#xff0c;可以指导模型参数的更新&#xff0c;使得模型逐步接近最优解。下面我将详细解释梯度计算的作用、原理和意义。 作用&#xff1a; 梯…

C++ 新的类型转换

文章目录 前言一、静态转换&#xff08;static_cast&#xff09;二、动态转换&#xff08;dynamic_cast&#xff09;&#xff1a;三、常量转换&#xff08;const_cast&#xff09;&#xff1a;四、重新解释转换&#xff08;reinterpret_cast&#xff09;&#xff1a;总结 前言 …