1. 从拍脑袋到结构化为什么我们需要层次分析法做项目、选方案、评绩效甚至挑个手机我们每天都在做决策。很多时候我们凭的是“感觉”——“我觉得A方案更靠谱”、“B老师好像更厉害一点”。这种“拍脑袋”式的决策在小事上无伤大雅但一旦涉及到资源分配、战略选择或者多人协作它的弊端就暴露无遗主观、模糊、缺乏说服力而且一旦结果不理想连复盘都找不到依据。我最早接触层次分析法就是在一次团队的技术选型会上。当时要在三个开源框架里选一个作为新项目的核心。支持A框架的说性能强支持B框架的说生态好、文档全支持C框架的说我们团队熟、上手快。大家吵了半天谁也说服不了谁最后差点变成“看谁嗓门大”。会后我就在想有没有一种方法能把我们每个人心里那杆“秤”给量化出来把“性能”、“生态”、“学习成本”这些抽象的因素摆到台面上公平地比一比这就是层次分析法要解决的核心问题将复杂的、多准则的决策问题分解为层次清晰的结构并通过两两比较的方式将人的主观判断进行量化最终为决策提供清晰的、可追溯的数据支持。它不直接告诉你“选哪个”而是告诉你“根据你设定的目标和标准各个选项的量化得分是多少”。决策者可以基于这个得分结合其他实际情况比如预算突然砍半来做最终判断但至少比较的过程是科学、透明的。简单来说它把“我觉得”变成了“根据我们共同认可的准则和权重计算得出”。这对于需要写报告、做汇报、统一团队思想的场景尤其有用。接下来我就结合一个具体的例子带你一步步拆解AHP的数学原理并手把手用MATLAB实现它。2. 拆解AHP核心四步从问题到权重层次分析法的流程可以精炼为四个关键步骤建立层次结构模型、构造判断矩阵、层次单排序及一致性检验、层次总排序及决策。我们用一个贴近生活的例子贯穿讲解假设你要买一台笔记本电脑主要考虑三个准则性能C1、便携性C2、价格C3。目前有三个备选机型电脑A、电脑B、电脑C。2.1 第一步搭建决策的“金字塔”——层次结构模型这一步的目的是把一团乱麻的决策问题梳理清楚。我们把问题分解成几个层次目标层最高层决策的最终目的。这里就是“选择最合适的笔记本电脑”。准则层中间层衡量是否达到目标所依据的标准。这里就是“性能”、“便携性”、“价格”。这些准则应该是相互独立的并且尽可能全面地覆盖决策考量。方案层最底层可供选择的实体方案。这里就是“电脑A”、“电脑B”、“电脑C”。用图表表示就是一个简单的金字塔结构。这一步看似简单却至关重要。准则选得不对或不全面后面计算再精确也是南辕北辙。例如如果你漏掉了“售后支持”这个对你很重要的准则那么整个分析的基础就偏了。注意准则层可以有多层。比如“性能”可以继续细分为“CPU”、“内存”、“显卡”等子准则构成更复杂的模型。作为入门我们先从单层准则开始。2.2 第二步量化你的主观感受——构造判断矩阵这是AHP最具特色也最核心的一步。我们不再笼统地说“性能比价格重要”而是问“对于‘选择电脑’这个目标你认为‘性能’相对于‘价格’的重要程度是多少”并用一个数字来量化这个程度。AHP创始人萨蒂教授引入了1-9标度法如下表所示标度含义1两个因素相比具有同等重要性3两个因素相比一个因素比另一个因素稍微重要5两个因素相比一个因素比另一个因素明显重要7两个因素相比一个因素比另一个因素强烈重要9两个因素相比一个因素比另一个因素极端重要2, 4, 6, 8上述相邻判断的中间值倒数若因素i与j的重要性之比为a_ij则因素j与i的重要性之比为a_ji 1 / a_ij现在假设你个人对这三个准则的判断如下性能比便携性明显重要标度5。性能比价格稍微重要标度3。便携性比价格介于稍微不重要和同等重要之间标度1/2因为价格比便携性稍微重要取倒数。根据这些判断和“倒数”规则我们可以构造一个3x3的判断矩阵相对于“选择电脑”目标准则层之间的比较选择电脑性能(C1)便携性(C2)价格(C3)性能(C1)153便携性(C2)1/511/2价格(C3)1/321这个矩阵我们记为A。A(i,j)的值就表示第 i 个准则相对于第 j 个准则的重要性。矩阵对角线永远是1自己比自己同等重要且满足A(i,j) * A(j,i) 1互为倒数。实操心得构造判断矩阵时最容易犯的错误是逻辑不一致。例如如果你认为A比B重要得多标度7B比C重要得多标度7那么理论上A比C应该极端重要标度9或以上。如果此时你又觉得A只比C明显重要标度5就产生了矛盾。这种矛盾是人为判断难以避免的因此我们需要下一步的“一致性检验”来把关。2.3 第三步从矩阵中提取权重——层次单排序与一致性检验我们有了判断矩阵怎么得到每个准则的具体权重呢这就需要计算矩阵的特征向量。简单理解特征向量就能反映出在矩阵所代表的比较关系下各个因素的相对重要性排序。1. 计算权重向量近似法对于中小型矩阵常用一种简便的近似算法算术平均法和积法。步骤1将判断矩阵A按列归一化。即将每一列的元素除以该列的总和。步骤2将归一化后的矩阵按行求和。步骤3将行和向量再次归一化得到的向量就是权重向量W。让我们手动算一下上面矩阵A的权重列归一化 第一列和1 1/5 1/3 1.5333 C1: 1 / 1.5333 ≈ 0.6522 C2: (1/5) / 1.5333 ≈ 0.1304 C3: (1/3) / 1.5333 ≈ 0.2174 同理计算第二、三列...为节省篇幅我们直接进入下一步实际需完整计算三列假设完整列归一化后得到的矩阵为B我们按行求和得到RowSum [1.9365, 0.3846, 0.6789]此为示例值非精确计算。将RowSum归一化总和 1.9365 0.3846 0.6789 3.0000。性能(C1)权重 w1 1.9365 / 3.0000 ≈ 0.6455便携性(C2)权重 w2 0.3846 / 3.0000 ≈ 0.1282价格(C3)权重 w3 0.6789 / 3.0000 ≈ 0.2263所以权重向量 W [0.6455, 0.1282, 0.2263]^T。这意味着在你心中性能权重约64.55%便携性约12.82%价格约22.63%。2. 一致性检验——防止“拍脑袋”拍歪了由于判断矩阵是人为给出的可能会存在前后不一致的情况如前文提到的AB, BC, 但A不大于C。如果一致性太差计算出的权重就不可信。因此必须进行一致性检验。步骤1计算最大特征值 λ_max。 公式为λ_max (1/n) * Σ( (AW)_i / W_i )其中AW是判断矩阵A乘以权重向量W的结果n是矩阵阶数这里n3。 计算AW AW1 10.6455 50.1282 3*0.2263 0.6455 0.6410 0.6789 1.9654 AW2 (1/5)0.6455 10.1282 (1/2)0.2263 0.1291 0.1282 0.11315 0.37045 AW3 (1/3)0.6455 20.1282 10.2263 0.21517 0.2564 0.2263 0.69787 则 λ_max (1/3) * [ (1.9654/0.6455) (0.37045/0.1282) (0.69787/0.2263) ] (1/3) * [ 3.044 2.890 3.084 ] ≈ (1/3) * 9.018 3.006步骤2计算一致性指标CI。 CI (λ_max - n) / (n - 1) (3.006 - 3) / (3 - 1) 0.006 / 2 0.003步骤3查询平均随机一致性指标RI。 RI的值与矩阵阶数n有关可通过查表获得n12345678910RI000.520.891.121.261.361.411.461.49步骤4计算一致性比率CR。 CR CI / RI 0.003 / 0.52 ≈ 0.0058步骤5判断。 当CR 0.10时认为判断矩阵的一致性是可以接受的。否则就需要调整判断矩阵中的标度值。 本例中 CR ≈ 0.0058 0.10通过一致性检验。说明我们之前的主观判断虽然是人给的但内在逻辑基本自洽计算出的权重可信。2.4 第四步做出最终选择——层次总排序现在我们知道了准则的权重但还不知道每个电脑在每个准则下的得分。我们需要为每一个准则重复步骤2和步骤3。例如针对“性能”这个准则构造方案层电脑A、B、C的判断矩阵。假设经过比较可能是查跑分数据后的主观判断得到矩阵如下性能电脑A电脑B电脑C电脑A134电脑B1/312电脑C1/41/21计算这个矩阵的权重向量得到电脑A、B、C在“性能”准则下的得分记为 W_performance [0.625, 0.238, 0.137]^T。同样需要进行一致性检验。同理构造“便携性”和“价格”的判断矩阵并分别计算权重向量 W_portability [0.2, 0.4, 0.4]^T 假设B和C更轻薄 W_price [0.333, 0.333, 0.333]^T 假设三者价格差不多最后进行层次总排序计算每个方案的综合得分 综合得分 准则权重 * 方案在该准则下的得分 即Score W_criteria * [W_performance, W_portability, W_price]计算过程如下方案性能(0.6455)便携性(0.1282)价格(0.2263)综合得分电脑A0.6250.20.3330.625*0.6455 0.2*0.1282 0.333*0.2263 ≈ 0.481电脑B0.2380.40.3330.238*0.6455 0.4*0.1282 0.333*0.2263 ≈ 0.283电脑C0.1370.40.3330.137*0.6455 0.4*0.1282 0.333*0.2263 ≈ 0.236根据综合得分电脑A0.481 电脑B0.283 电脑C0.236。因此从数学计算的角度电脑A是最符合你设定准则和判断的选项。3. 让MATLAB替你计算代码实现与详解手动计算对于3阶矩阵尚可接受但准则和方案一多计算量巨大且容易出错。用MATLAB实现可以极大地提升效率。下面我将分函数模块详细讲解代码。3.1 核心函数计算权重与一致性检验我们将步骤2.3和2.4的核心计算过程封装成一个MATLAB函数ahp_weight。function [w, CR, lambda_max] ahp_weight(A) % AHP权重计算及一致性检验函数 % 输入A - 判断矩阵 (n x n) % 输出w - 权重向量 (n x 1) % CR - 一致性比率 % lambda_max - 最大特征值 % CI - 一致性指标可选在函数内计算 [n, ~] size(A); % 获取矩阵阶数 % --- 方法1算术平均法和积法求权重向量 w --- % 1. 按列归一化 Sum_A sum(A); % 对每一列求和得到一个行向量 Norm_A A ./ Sum_A; % 矩阵A的每个元素除以对应列的和利用MATLAB的广播机制 % 2. 按行求和并归一化得到权重w w sum(Norm_A, 2) / n; % sum(..., 2)表示对每一行求和得到一个列向量再除以n % --- 计算最大特征值 lambda_max --- AW A * w; % 判断矩阵A乘以权重向量w lambda_max mean(AW ./ w); % 计算 (AW)_i / w_i 的平均值 % --- 一致性检验 --- CI (lambda_max - n) / (n - 1); % 计算一致性指标CI % 平均随机一致性指标RI (Random Index) 查表值 RI_table [0, 0, 0.52, 0.89, 1.12, 1.26, 1.36, 1.41, 1.46, 1.49]; if n length(RI_table) RI RI_table(n); else % 对于n10的情况可用近似公式 RI 1.98*(n-2)/n RI 1.98 * (n - 2) / n; warning(矩阵阶数n%d 10使用近似RI值 %.4f。, n, RI); end CR CI / RI; % 计算一致性比率CR % --- 输出结果与判断 --- fprintf(最大特征值 lambda_max %.4f\n, lambda_max); fprintf(一致性指标 CI %.4f\n, CI); fprintf(一致性比率 CR %.4f\n, CR); if CR 0.10 fprintf(一致性检验通过CR %.4f 0.10\n, CR); else fprintf(警告一致性检验未通过CR %.4f 0.10请调整判断矩阵。\n, CR); w []; % 如果未通过可以选择返回空权重 end end代码关键点解读A ./ Sum_A这是MATLAB的点除运算实现了矩阵的列归一化比写循环更简洁高效。sum(Norm_A, 2)参数2表示对矩阵的每一行进行求和得到列向量。计算lambda_max的公式mean(AW ./ w)是(1/n)*sum(AW./w)的简洁写法利用了特征值的定义。RI_table内置了1-10阶的RI标准值方便调用。对于更高阶矩阵给出了一个近似公式并发出警告实践中高阶矩阵需谨慎使用或查阅更权威的RI表。函数最后包含了友好的提示输出直接告诉你检验是否通过。3.2 应用示例解决选电脑问题现在我们用这个函数来完整求解第2章中的笔记本电脑选择问题。%% AHP层次分析法MATLAB实战笔记本电脑选择 clc; clear; close all; fprintf( 步骤1准则层判断矩阵与权重计算 \n); % 准则层判断矩阵 (性能, 便携性, 价格) A_criteria [1, 5, 3; 1/5, 1, 1/2; 1/3, 2, 1]; [w_criteria, CR_cri, lambda_cri] ahp_weight(A_criteria); fprintf(准则层权重向量\n); disp(w_criteria); %% 为每个准则构造方案层的判断矩阵并计算权重 fprintf(\n 步骤2方案层单排序权重计算 \n); % 准则1性能 A_perf [1, 3, 4; 1/3, 1, 2; 1/4, 1/2, 1]; [w_perf, CR_perf, ~] ahp_weight(A_perf); fprintf(在【性能】准则下各电脑权重\n); disp(w_perf); % 准则2便携性 A_port [1, 1/2, 1/2; 2, 1, 1; 2, 1, 1]; % 注意此矩阵可能不一致仅为示例 [w_port, CR_port, ~] ahp_weight(A_port); fprintf(在【便携性】准则下各电脑权重\n); disp(w_port); % 准则3价格 A_price [1, 1, 1; 1, 1, 1; 1, 1, 1]; % 三者同等重要 [w_price, CR_price, ~] ahp_weight(A_price); fprintf(在【价格】准则下各电脑权重\n); disp(w_price); %% 层次总排序 fprintf(\n 步骤3层次总排序与决策 \n); % 将所有方案层权重向量合并成一个矩阵 (3方案 x 3准则) W_scheme [w_perf, w_port, w_price]; % 每一列代表一个准则下的方案权重 % 总排序方案权重矩阵 * 准则权重向量 total_score W_scheme * w_criteria; % 得到一个3x1的列向量即每个方案的综合得分 fprintf(各笔记本电脑的综合得分\n); for i 1:length(total_score) fprintf(电脑%d: %.4f\n, i, total_score(i)); end [~, idx] max(total_score); fprintf(\n根据AHP分析推荐选择电脑%d\n, idx);运行结果解读运行上述代码你会在命令窗口看到详细的中间计算过程和最终结果。它会先计算准则层权重并检验一致性。然后对每个准则下的方案矩阵进行计算。最后将方案层权重矩阵与准则层权重向量相乘得到每个方案的总得分并输出推荐方案。踩坑提醒在构造方案层判断矩阵时很容易出现一致性检验不通过的情况CR0.1。比如上面代码中A_port矩阵便携性比较电脑B和C同等重要标度1但A相对于B是1/2A不如B相对于C也是1/2A不如C而B和C相对于A都是2B和C都比A重要。这个矩阵看起来合理但计算出的CR可能超标。这说明我们的主观判断可能存在细微矛盾。此时需要回头检查并微调标度值例如将A_port(2,3)和A_port(3,2)从1调整为更接近比较的值或重新审视“便携性”的比较逻辑直到通过检验为止。这是AHP应用中非常关键的一步不能忽略。4. 进阶讨论局限、优化与实战建议层次分析法是一个强大的工具但它并非万能。理解它的局限性和优化方法能让你用得更好。4.1 AHP的局限性主观性依赖判断矩阵的质量完全依赖于决策者的经验和判断。不同的人可能给出完全不同的标度导致结果迥异。因此它更适合于辅助个人或小团体在信息充分讨论后做出结构化决策而非寻找一个“客观真理”。标度局限1-9标度法虽然经典但有时不足以精细区分差异。例如“强烈重要7”和“极端重要9”之间的差距不同人的理解可能不同。“秩逆转”问题在特定情况下增加或删除一个看似无关的备选方案可能会导致原有方案的排序发生逆转。这在理论上是一个缺陷但在实际应用中如果准则设置合理、判断矩阵一致性好出现概率较低。计算复杂度当准则和方案数量很多时需要构造大量的判断矩阵n个元素需要 n(n-1)/2 次两两比较工作量大且容易疲劳导致判断质量下降。4.2 优化与改进方向群决策对于重要决策可以收集多位专家或利益相关者的判断矩阵然后通过几何平均、算术平均等方法合成一个综合的判断矩阵再计算权重。这能在一定程度上抵消个人主观偏差。结合其他方法模糊AHP引入模糊数学的概念用三角模糊数等代替精确的1-9标度以处理判断中的不确定性。与熵权法结合AHP计算主观权重熵权法利用数据本身的离散程度计算客观权重。将两者结合如加权平均可以得到主客观综合权重结果往往更合理。作为TOPSIS或VIKOR的前置步骤AHP擅长确定评价指标的权重而TOPSIS等方法擅长对方案进行排序。将AHP确定的权重输入到TOPSIS模型中是常见的组合用法。使用软件工具除了MATLAB也有像Yaahp、Expert Choice等专业AHP软件提供了图形化界面、自动一致性调整、灵敏度分析等功能能提升效率。4.3 给初学者的实战建议准则设计是关键花足够的时间讨论并确定准则层。准则应相互独立MECE原则且全面反映决策目标。宁可前期多讨论也不要后期反复修改矩阵。一致性检验是生命线绝对不要为了通过检验而随意修改标度。如果CR不合格应该重新审视比较过程是不是对两个因素的理解有偏差是不是标度选择不当调整应有逻辑依据并记录调整原因。进行灵敏度分析在MATLAB中可以微调判断矩阵中的某个值比如把“性能vs价格”的3改为4重新计算权重和总排序观察最终推荐方案是否改变。这能告诉你你的决策对哪些关键判断最为敏感这些就是需要你重点调研和确认的地方。结果服务于决策而非替代决策AHP给出的结果是一个量化的参考。最终拍板时还需要考虑模型未涵盖的因素如突如其来的政策变化、供应商的意外情况等。AHP的价值在于让决策过程变得透明、可讨论、可追溯。在我自己的使用经验中AHP更像是一个“结构化思考的脚手架”和“团队沟通的润滑剂”。它强迫你把模糊的想法清晰化把争论的焦点从“我觉得”转移到“我们如何定义和衡量这些准则”上。当大家围绕着一个具体的判断矩阵讨论时效率往往比漫无目的的争论高得多。代码实现并不复杂真正的功夫在代码之外——在于你对问题的理解深度和判断的严谨程度。
1. 从拍脑袋到结构化为什么我们需要层次分析法做项目、选方案、评绩效甚至挑个手机我们每天都在做决策。很多时候我们凭的是“感觉”——“我觉得A方案更靠谱”、“B老师好像更厉害一点”。这种“拍脑袋”式的决策在小事上无伤大雅但一旦涉及到资源分配、战略选择或者多人协作它的弊端就暴露无遗主观、模糊、缺乏说服力而且一旦结果不理想连复盘都找不到依据。我最早接触层次分析法就是在一次团队的技术选型会上。当时要在三个开源框架里选一个作为新项目的核心。支持A框架的说性能强支持B框架的说生态好、文档全支持C框架的说我们团队熟、上手快。大家吵了半天谁也说服不了谁最后差点变成“看谁嗓门大”。会后我就在想有没有一种方法能把我们每个人心里那杆“秤”给量化出来把“性能”、“生态”、“学习成本”这些抽象的因素摆到台面上公平地比一比这就是层次分析法要解决的核心问题将复杂的、多准则的决策问题分解为层次清晰的结构并通过两两比较的方式将人的主观判断进行量化最终为决策提供清晰的、可追溯的数据支持。它不直接告诉你“选哪个”而是告诉你“根据你设定的目标和标准各个选项的量化得分是多少”。决策者可以基于这个得分结合其他实际情况比如预算突然砍半来做最终判断但至少比较的过程是科学、透明的。简单来说它把“我觉得”变成了“根据我们共同认可的准则和权重计算得出”。这对于需要写报告、做汇报、统一团队思想的场景尤其有用。接下来我就结合一个具体的例子带你一步步拆解AHP的数学原理并手把手用MATLAB实现它。2. 拆解AHP核心四步从问题到权重层次分析法的流程可以精炼为四个关键步骤建立层次结构模型、构造判断矩阵、层次单排序及一致性检验、层次总排序及决策。我们用一个贴近生活的例子贯穿讲解假设你要买一台笔记本电脑主要考虑三个准则性能C1、便携性C2、价格C3。目前有三个备选机型电脑A、电脑B、电脑C。2.1 第一步搭建决策的“金字塔”——层次结构模型这一步的目的是把一团乱麻的决策问题梳理清楚。我们把问题分解成几个层次目标层最高层决策的最终目的。这里就是“选择最合适的笔记本电脑”。准则层中间层衡量是否达到目标所依据的标准。这里就是“性能”、“便携性”、“价格”。这些准则应该是相互独立的并且尽可能全面地覆盖决策考量。方案层最底层可供选择的实体方案。这里就是“电脑A”、“电脑B”、“电脑C”。用图表表示就是一个简单的金字塔结构。这一步看似简单却至关重要。准则选得不对或不全面后面计算再精确也是南辕北辙。例如如果你漏掉了“售后支持”这个对你很重要的准则那么整个分析的基础就偏了。注意准则层可以有多层。比如“性能”可以继续细分为“CPU”、“内存”、“显卡”等子准则构成更复杂的模型。作为入门我们先从单层准则开始。2.2 第二步量化你的主观感受——构造判断矩阵这是AHP最具特色也最核心的一步。我们不再笼统地说“性能比价格重要”而是问“对于‘选择电脑’这个目标你认为‘性能’相对于‘价格’的重要程度是多少”并用一个数字来量化这个程度。AHP创始人萨蒂教授引入了1-9标度法如下表所示标度含义1两个因素相比具有同等重要性3两个因素相比一个因素比另一个因素稍微重要5两个因素相比一个因素比另一个因素明显重要7两个因素相比一个因素比另一个因素强烈重要9两个因素相比一个因素比另一个因素极端重要2, 4, 6, 8上述相邻判断的中间值倒数若因素i与j的重要性之比为a_ij则因素j与i的重要性之比为a_ji 1 / a_ij现在假设你个人对这三个准则的判断如下性能比便携性明显重要标度5。性能比价格稍微重要标度3。便携性比价格介于稍微不重要和同等重要之间标度1/2因为价格比便携性稍微重要取倒数。根据这些判断和“倒数”规则我们可以构造一个3x3的判断矩阵相对于“选择电脑”目标准则层之间的比较选择电脑性能(C1)便携性(C2)价格(C3)性能(C1)153便携性(C2)1/511/2价格(C3)1/321这个矩阵我们记为A。A(i,j)的值就表示第 i 个准则相对于第 j 个准则的重要性。矩阵对角线永远是1自己比自己同等重要且满足A(i,j) * A(j,i) 1互为倒数。实操心得构造判断矩阵时最容易犯的错误是逻辑不一致。例如如果你认为A比B重要得多标度7B比C重要得多标度7那么理论上A比C应该极端重要标度9或以上。如果此时你又觉得A只比C明显重要标度5就产生了矛盾。这种矛盾是人为判断难以避免的因此我们需要下一步的“一致性检验”来把关。2.3 第三步从矩阵中提取权重——层次单排序与一致性检验我们有了判断矩阵怎么得到每个准则的具体权重呢这就需要计算矩阵的特征向量。简单理解特征向量就能反映出在矩阵所代表的比较关系下各个因素的相对重要性排序。1. 计算权重向量近似法对于中小型矩阵常用一种简便的近似算法算术平均法和积法。步骤1将判断矩阵A按列归一化。即将每一列的元素除以该列的总和。步骤2将归一化后的矩阵按行求和。步骤3将行和向量再次归一化得到的向量就是权重向量W。让我们手动算一下上面矩阵A的权重列归一化 第一列和1 1/5 1/3 1.5333 C1: 1 / 1.5333 ≈ 0.6522 C2: (1/5) / 1.5333 ≈ 0.1304 C3: (1/3) / 1.5333 ≈ 0.2174 同理计算第二、三列...为节省篇幅我们直接进入下一步实际需完整计算三列假设完整列归一化后得到的矩阵为B我们按行求和得到RowSum [1.9365, 0.3846, 0.6789]此为示例值非精确计算。将RowSum归一化总和 1.9365 0.3846 0.6789 3.0000。性能(C1)权重 w1 1.9365 / 3.0000 ≈ 0.6455便携性(C2)权重 w2 0.3846 / 3.0000 ≈ 0.1282价格(C3)权重 w3 0.6789 / 3.0000 ≈ 0.2263所以权重向量 W [0.6455, 0.1282, 0.2263]^T。这意味着在你心中性能权重约64.55%便携性约12.82%价格约22.63%。2. 一致性检验——防止“拍脑袋”拍歪了由于判断矩阵是人为给出的可能会存在前后不一致的情况如前文提到的AB, BC, 但A不大于C。如果一致性太差计算出的权重就不可信。因此必须进行一致性检验。步骤1计算最大特征值 λ_max。 公式为λ_max (1/n) * Σ( (AW)_i / W_i )其中AW是判断矩阵A乘以权重向量W的结果n是矩阵阶数这里n3。 计算AW AW1 10.6455 50.1282 3*0.2263 0.6455 0.6410 0.6789 1.9654 AW2 (1/5)0.6455 10.1282 (1/2)0.2263 0.1291 0.1282 0.11315 0.37045 AW3 (1/3)0.6455 20.1282 10.2263 0.21517 0.2564 0.2263 0.69787 则 λ_max (1/3) * [ (1.9654/0.6455) (0.37045/0.1282) (0.69787/0.2263) ] (1/3) * [ 3.044 2.890 3.084 ] ≈ (1/3) * 9.018 3.006步骤2计算一致性指标CI。 CI (λ_max - n) / (n - 1) (3.006 - 3) / (3 - 1) 0.006 / 2 0.003步骤3查询平均随机一致性指标RI。 RI的值与矩阵阶数n有关可通过查表获得n12345678910RI000.520.891.121.261.361.411.461.49步骤4计算一致性比率CR。 CR CI / RI 0.003 / 0.52 ≈ 0.0058步骤5判断。 当CR 0.10时认为判断矩阵的一致性是可以接受的。否则就需要调整判断矩阵中的标度值。 本例中 CR ≈ 0.0058 0.10通过一致性检验。说明我们之前的主观判断虽然是人给的但内在逻辑基本自洽计算出的权重可信。2.4 第四步做出最终选择——层次总排序现在我们知道了准则的权重但还不知道每个电脑在每个准则下的得分。我们需要为每一个准则重复步骤2和步骤3。例如针对“性能”这个准则构造方案层电脑A、B、C的判断矩阵。假设经过比较可能是查跑分数据后的主观判断得到矩阵如下性能电脑A电脑B电脑C电脑A134电脑B1/312电脑C1/41/21计算这个矩阵的权重向量得到电脑A、B、C在“性能”准则下的得分记为 W_performance [0.625, 0.238, 0.137]^T。同样需要进行一致性检验。同理构造“便携性”和“价格”的判断矩阵并分别计算权重向量 W_portability [0.2, 0.4, 0.4]^T 假设B和C更轻薄 W_price [0.333, 0.333, 0.333]^T 假设三者价格差不多最后进行层次总排序计算每个方案的综合得分 综合得分 准则权重 * 方案在该准则下的得分 即Score W_criteria * [W_performance, W_portability, W_price]计算过程如下方案性能(0.6455)便携性(0.1282)价格(0.2263)综合得分电脑A0.6250.20.3330.625*0.6455 0.2*0.1282 0.333*0.2263 ≈ 0.481电脑B0.2380.40.3330.238*0.6455 0.4*0.1282 0.333*0.2263 ≈ 0.283电脑C0.1370.40.3330.137*0.6455 0.4*0.1282 0.333*0.2263 ≈ 0.236根据综合得分电脑A0.481 电脑B0.283 电脑C0.236。因此从数学计算的角度电脑A是最符合你设定准则和判断的选项。3. 让MATLAB替你计算代码实现与详解手动计算对于3阶矩阵尚可接受但准则和方案一多计算量巨大且容易出错。用MATLAB实现可以极大地提升效率。下面我将分函数模块详细讲解代码。3.1 核心函数计算权重与一致性检验我们将步骤2.3和2.4的核心计算过程封装成一个MATLAB函数ahp_weight。function [w, CR, lambda_max] ahp_weight(A) % AHP权重计算及一致性检验函数 % 输入A - 判断矩阵 (n x n) % 输出w - 权重向量 (n x 1) % CR - 一致性比率 % lambda_max - 最大特征值 % CI - 一致性指标可选在函数内计算 [n, ~] size(A); % 获取矩阵阶数 % --- 方法1算术平均法和积法求权重向量 w --- % 1. 按列归一化 Sum_A sum(A); % 对每一列求和得到一个行向量 Norm_A A ./ Sum_A; % 矩阵A的每个元素除以对应列的和利用MATLAB的广播机制 % 2. 按行求和并归一化得到权重w w sum(Norm_A, 2) / n; % sum(..., 2)表示对每一行求和得到一个列向量再除以n % --- 计算最大特征值 lambda_max --- AW A * w; % 判断矩阵A乘以权重向量w lambda_max mean(AW ./ w); % 计算 (AW)_i / w_i 的平均值 % --- 一致性检验 --- CI (lambda_max - n) / (n - 1); % 计算一致性指标CI % 平均随机一致性指标RI (Random Index) 查表值 RI_table [0, 0, 0.52, 0.89, 1.12, 1.26, 1.36, 1.41, 1.46, 1.49]; if n length(RI_table) RI RI_table(n); else % 对于n10的情况可用近似公式 RI 1.98*(n-2)/n RI 1.98 * (n - 2) / n; warning(矩阵阶数n%d 10使用近似RI值 %.4f。, n, RI); end CR CI / RI; % 计算一致性比率CR % --- 输出结果与判断 --- fprintf(最大特征值 lambda_max %.4f\n, lambda_max); fprintf(一致性指标 CI %.4f\n, CI); fprintf(一致性比率 CR %.4f\n, CR); if CR 0.10 fprintf(一致性检验通过CR %.4f 0.10\n, CR); else fprintf(警告一致性检验未通过CR %.4f 0.10请调整判断矩阵。\n, CR); w []; % 如果未通过可以选择返回空权重 end end代码关键点解读A ./ Sum_A这是MATLAB的点除运算实现了矩阵的列归一化比写循环更简洁高效。sum(Norm_A, 2)参数2表示对矩阵的每一行进行求和得到列向量。计算lambda_max的公式mean(AW ./ w)是(1/n)*sum(AW./w)的简洁写法利用了特征值的定义。RI_table内置了1-10阶的RI标准值方便调用。对于更高阶矩阵给出了一个近似公式并发出警告实践中高阶矩阵需谨慎使用或查阅更权威的RI表。函数最后包含了友好的提示输出直接告诉你检验是否通过。3.2 应用示例解决选电脑问题现在我们用这个函数来完整求解第2章中的笔记本电脑选择问题。%% AHP层次分析法MATLAB实战笔记本电脑选择 clc; clear; close all; fprintf( 步骤1准则层判断矩阵与权重计算 \n); % 准则层判断矩阵 (性能, 便携性, 价格) A_criteria [1, 5, 3; 1/5, 1, 1/2; 1/3, 2, 1]; [w_criteria, CR_cri, lambda_cri] ahp_weight(A_criteria); fprintf(准则层权重向量\n); disp(w_criteria); %% 为每个准则构造方案层的判断矩阵并计算权重 fprintf(\n 步骤2方案层单排序权重计算 \n); % 准则1性能 A_perf [1, 3, 4; 1/3, 1, 2; 1/4, 1/2, 1]; [w_perf, CR_perf, ~] ahp_weight(A_perf); fprintf(在【性能】准则下各电脑权重\n); disp(w_perf); % 准则2便携性 A_port [1, 1/2, 1/2; 2, 1, 1; 2, 1, 1]; % 注意此矩阵可能不一致仅为示例 [w_port, CR_port, ~] ahp_weight(A_port); fprintf(在【便携性】准则下各电脑权重\n); disp(w_port); % 准则3价格 A_price [1, 1, 1; 1, 1, 1; 1, 1, 1]; % 三者同等重要 [w_price, CR_price, ~] ahp_weight(A_price); fprintf(在【价格】准则下各电脑权重\n); disp(w_price); %% 层次总排序 fprintf(\n 步骤3层次总排序与决策 \n); % 将所有方案层权重向量合并成一个矩阵 (3方案 x 3准则) W_scheme [w_perf, w_port, w_price]; % 每一列代表一个准则下的方案权重 % 总排序方案权重矩阵 * 准则权重向量 total_score W_scheme * w_criteria; % 得到一个3x1的列向量即每个方案的综合得分 fprintf(各笔记本电脑的综合得分\n); for i 1:length(total_score) fprintf(电脑%d: %.4f\n, i, total_score(i)); end [~, idx] max(total_score); fprintf(\n根据AHP分析推荐选择电脑%d\n, idx);运行结果解读运行上述代码你会在命令窗口看到详细的中间计算过程和最终结果。它会先计算准则层权重并检验一致性。然后对每个准则下的方案矩阵进行计算。最后将方案层权重矩阵与准则层权重向量相乘得到每个方案的总得分并输出推荐方案。踩坑提醒在构造方案层判断矩阵时很容易出现一致性检验不通过的情况CR0.1。比如上面代码中A_port矩阵便携性比较电脑B和C同等重要标度1但A相对于B是1/2A不如B相对于C也是1/2A不如C而B和C相对于A都是2B和C都比A重要。这个矩阵看起来合理但计算出的CR可能超标。这说明我们的主观判断可能存在细微矛盾。此时需要回头检查并微调标度值例如将A_port(2,3)和A_port(3,2)从1调整为更接近比较的值或重新审视“便携性”的比较逻辑直到通过检验为止。这是AHP应用中非常关键的一步不能忽略。4. 进阶讨论局限、优化与实战建议层次分析法是一个强大的工具但它并非万能。理解它的局限性和优化方法能让你用得更好。4.1 AHP的局限性主观性依赖判断矩阵的质量完全依赖于决策者的经验和判断。不同的人可能给出完全不同的标度导致结果迥异。因此它更适合于辅助个人或小团体在信息充分讨论后做出结构化决策而非寻找一个“客观真理”。标度局限1-9标度法虽然经典但有时不足以精细区分差异。例如“强烈重要7”和“极端重要9”之间的差距不同人的理解可能不同。“秩逆转”问题在特定情况下增加或删除一个看似无关的备选方案可能会导致原有方案的排序发生逆转。这在理论上是一个缺陷但在实际应用中如果准则设置合理、判断矩阵一致性好出现概率较低。计算复杂度当准则和方案数量很多时需要构造大量的判断矩阵n个元素需要 n(n-1)/2 次两两比较工作量大且容易疲劳导致判断质量下降。4.2 优化与改进方向群决策对于重要决策可以收集多位专家或利益相关者的判断矩阵然后通过几何平均、算术平均等方法合成一个综合的判断矩阵再计算权重。这能在一定程度上抵消个人主观偏差。结合其他方法模糊AHP引入模糊数学的概念用三角模糊数等代替精确的1-9标度以处理判断中的不确定性。与熵权法结合AHP计算主观权重熵权法利用数据本身的离散程度计算客观权重。将两者结合如加权平均可以得到主客观综合权重结果往往更合理。作为TOPSIS或VIKOR的前置步骤AHP擅长确定评价指标的权重而TOPSIS等方法擅长对方案进行排序。将AHP确定的权重输入到TOPSIS模型中是常见的组合用法。使用软件工具除了MATLAB也有像Yaahp、Expert Choice等专业AHP软件提供了图形化界面、自动一致性调整、灵敏度分析等功能能提升效率。4.3 给初学者的实战建议准则设计是关键花足够的时间讨论并确定准则层。准则应相互独立MECE原则且全面反映决策目标。宁可前期多讨论也不要后期反复修改矩阵。一致性检验是生命线绝对不要为了通过检验而随意修改标度。如果CR不合格应该重新审视比较过程是不是对两个因素的理解有偏差是不是标度选择不当调整应有逻辑依据并记录调整原因。进行灵敏度分析在MATLAB中可以微调判断矩阵中的某个值比如把“性能vs价格”的3改为4重新计算权重和总排序观察最终推荐方案是否改变。这能告诉你你的决策对哪些关键判断最为敏感这些就是需要你重点调研和确认的地方。结果服务于决策而非替代决策AHP给出的结果是一个量化的参考。最终拍板时还需要考虑模型未涵盖的因素如突如其来的政策变化、供应商的意外情况等。AHP的价值在于让决策过程变得透明、可讨论、可追溯。在我自己的使用经验中AHP更像是一个“结构化思考的脚手架”和“团队沟通的润滑剂”。它强迫你把模糊的想法清晰化把争论的焦点从“我觉得”转移到“我们如何定义和衡量这些准则”上。当大家围绕着一个具体的判断矩阵讨论时效率往往比漫无目的的争论高得多。代码实现并不复杂真正的功夫在代码之外——在于你对问题的理解深度和判断的严谨程度。
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
