博客
关于我
【主观赋权法1】层次分析法AHP原理及案例分析(含MATLAB代码)
阅读量:597 次
发布时间:2019-03-11

本文共 771 字,大约阅读时间需要 2 分钟。

层次分析法(AHP)是一种系统化的多决策分析方法,广泛应用于复杂系统的决策支持。其核心原理在于通过层层递进的比较过程,最终确定各因素的优先级。

AHP原理解析

层次分析法建立在对比分析的基础上,将决策问题分解为多个层级进行比较。每一层级形成一个层次结构,从最高层(最终目标)向下逐级展开,直到最底层(最终决策因素)。在每一层级,通过专家评分法或问卷调查法,确定各因素之间的关系和相对重要性。

AHP应用场景

AHP方法特别适用于处理多变量、非线性关系的复杂决策问题。常见应用领域包括:

  • 项目选择:评估不同项目的可行性,综合考虑各影响因素。
  • 竞争力分析:分析企业竞争优势,识别核心竞争力。
  • 资源分配:优化资源配置,最大化收益。

AHP案例分析

以企业战略制定为例,假设公司面临市场开发与生产扩张的抉择。我们需要综合考虑以下因素:

  • 市场开发:市场规模、竞争情况、开发成本。
  • 生产扩张:生产能力、投资预算、资源储备。
  • 通过AHP,我们可以为每个因素建立评价指标,并通过专家评分确定权重。最终得出优先开发市场或扩大生产的决策。

    赋权法(Weighting Method)

    赋权法是数据处理的重要方法,通过为各变量赋权重,反映其对整体价值的贡献。权重的确定可基于主观判断或客观数据。

    指标权重系数

    权重系数反映指标在评估体系中的重要程度。合理确定权重需综合考虑主观因素(专家意见)和客观因素(数据分析结果)。

    赋权方法流程

  • 确定评价指标:明确要评估的指标及其量化方法。
  • 数据标准化:为不同范围指标进行标准化处理,确保可比性。
  • 确定权重:根据方法(如层次分析法、主观赋权等)计算权重,并进行归一化。
  • 计算得分:应用权重得分各对象,评估其综合表现。
  • 注意事项

    赋权法需根据具体问题选择合适方法,结果需结合实际情况分析。不同方法可能导致结果差异,需谨慎选择。

    转载地址:http://tyytz.baihongyu.com/

    你可能感兴趣的文章
    Python基础——Thread类与线程对象
    查看>>
    Python基础——Thread创建管理多线程
    查看>>
    Python基础——MySQL数据库基本操作
    查看>>
    Python基础_列表 list
    查看>>
    python基础---->常用模块
    查看>>
    Python基础(2):控制结构
    查看>>
    Python基础 | 关于“循环”那些事
    查看>>
    python系列【仅供参考】:python 远程rdp
    查看>>
    python基于flask搭建http服务(四)—— Docker容器化部署
    查看>>
    Python块键盘/鼠标输入
    查看>>
    python在使用HTMLTestRunner时,报告为空,错误提示<_io.TextIOWrapper name='<stderr>' mode='w' encoding='utf_8'>...
    查看>>
    python在gpu上运行_【python】python开启GPU加速
    查看>>
    Python在def函数中使用for循环
    查看>>
    Python在def函数中使用for循环
    查看>>
    Python在Conda环境中,但在Windows虚拟环境中没有激活
    查看>>
    python系列【仅供参考】:python pip 错误 ModuleNotFoundError: No module named pip._internal 解决办法
    查看>>
    python图像条状状噪声,使用PYTHON PIL从验证码图像中删除背景嘈杂的线条
    查看>>
    Python图像处理:从内存加载jpeg
    查看>>
    python固定后缀(名物化词汇)词频统计:抽取+统计+可视化
    查看>>
    python商品评论数据采集与分析可视化系统 Flask框架 requests爬虫 NLP情感分析 毕业设计 源码
    查看>>