【数学建模】清风视频笔记1、层次分析法

2023-12-09 02:18

本文主要是介绍【数学建模】清风视频笔记1、层次分析法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

层次分析法

主要用于解决评价类问题.

例子:

小明最关心大学里的四个方面(学习氛围-0.4,就业前景-0.3,男女比例-0.2,校园景色-0.1)括号里面的数值表示小明认为的重要性程度(权重,其和为1).

小明的权重表格

指标权重华科武大
学习氛围0.40.70.3
就业前景0.30.50.5
男女比例0.20.30.7
校园景色0.10.250.75

最终华科:0.515;武大:0.485

评价类问题关键词:

确定评价指标,形成评价体系

首先想到以下三个问题:

  • 我们评价的目标是什么

  • 我们为了达到这个目标有哪几种可选方案

  • 评价的的准则或者指标是什么

搜索软件

虫部落-快搜 谷歌搜索 微信搜索 百度搜索

确定权重思想

1、分而治之,两个两个进行比较根据两两比较的结果推出权重

标度含义
1同样重要性
3稍微重要
5明显重要
7强烈重要
9极端重要
2,4,6,8上述两相邻判断的中值
倒数A和B相比如果标度为3,那么B和A相比就是1/3
景色花费居住饮食交通
景色11/2433
花费21755
居住1/41/711/21/3
饮食1/31/5211
交通1/31/5311

上述表为 5 × 5 5×5 5×5的方阵,我们记为 A A A,对应元素为 a i j a_{ij} aij

(1) a i j a_{ij} aij的意义是,与指标 j j j相比, i i i的重要程度

(2)当 i = j i=j i=j时,说明指标 i i i和指标 j j j相同重要

(3) a i j > 0 a_{ij}>0 aij>0且满足 a i j × a j i = 1 a_{ij}×a_{ji}=1 aij×aji=1(我们称满足这一条件的矩阵为正互反矩阵)

就是层次分析法中的判断矩阵

一致矩阵

各行(各列)之间成倍数关系

a i j × a j k = a i k a_{ij}×a_{jk}=a_{ik} aij×ajk=aik

在使用判断矩阵求权重之前,必须对其进行一致性检验

一致性检验

a i j > 0 , a 11 = a 22 = … … = a n n = 1 , [ a i 1 , a i 2 … … ] = k i [ a 11 , a 12 … … ] a_{ij}>0,a_{11}=a_{22}=……=a_{nn}=1,[a_{i1},a_{i2……}]=k_i[a_{11},a_{12……}] aij>0,a11=a22==ann=1,[ai1,ai2]=ki[a11,a12]

一致性指标

1. C I = λ m a x − n n − 1 CI=\frac{\lambda_{max}-n}{n-1} CI=n1λmaxn

2.查找一致性指标 R I RI RI

3.一致性比例 C R = C I R I CR=\frac{CI}{RI} CR=RICI,之后与0.1比较

一致矩阵计算权重

判断矩阵计算权重

方法1:算术平均法求权重

1、将判断矩阵按照列归一化

2、按归一化的各列相加

3、将相加后得到的向量中除以n即可得到权重向量
ω i = 1 n ∑ j = 1 n a i j ∑ k = 1 n a k j \omega_i=\frac{1}{n}\sum_{j=1}^{n}\frac{a_{ij}}{\sum_{k=1}^{n}a_{kj}} ωi=n1j=1nk=1nakjaij
方法2:几何平均法求权重

1、将A的元素按照行想成得到一个新的列向量

2、将新的向量的每个分量开n次方

3、对该列向量进行归一化即可得到权重向量
ω i = ( ∏ j = 1 n a i j ) 1 n ∑ k = 1 n ( ∏ j = 1 n a i j ) 1 n \omega_i=\frac{(\prod_{j=1}^{n}a_{ij})^{\frac{1}{n}}}{\sum_{k=1}^{n}(\prod_{j=1}^{n}a_{ij})^{\frac{1}{n}}} ωi=k=1n(j=1naij)n1(j=1naij)n1
方法3:特征值法求权重(使用最多)

一致矩阵有一个特征值为n,其余特征值为0

特征值为n时,对应的特征向量正好为 k [ 1 a 11 , 1 a 12 , … … , 1 a 1 n ] T k[\frac{1}{a_{11}},\frac{1}{a_{12}},……,\frac{1}{a_{1n}}]^T k[a111,a121,,a1n1]T,这一特征向量正好就是一致矩阵的第一列,(权重一定要进行归一化处理)

请添加图片描述

(用PPT中SmartArt生成)(亿图图示)(draw.io)

判断矩阵 O − C O-C OC

判断矩阵 C 1 − P , C 2 − P C1-P,C2-P C1P,C2P

可以利用题目数据进行计算

建议比赛时三种方法都使用

总结

步骤

1、计算一致性指标

2、查找对应的平均随机一致性指标

3、计算一致性比例

4、计算各层元素对系统目标的合成权重,进行排序

局限性

1、评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异会很大

时三种方法都使用

总结

步骤

1、计算一致性指标

2、查找对应的平均随机一致性指标

3、计算一致性比例

4、计算各层元素对系统目标的合成权重,进行排序

局限性

1、评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异会很大

2、如果决策层中指标的数据是已知的

这篇关于【数学建模】清风视频笔记1、层次分析法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/472129

相关文章

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

uva 10025 The ? 1 ? 2 ? ... ? n = k problem(数学)

题意是    ?  1  ?  2  ?  ...  ?  n = k 式子中给k,? 处可以填 + 也可以填 - ,问最小满足条件的n。 e.g k = 12  - 1 + 2 + 3 + 4 + 5 + 6 - 7 = 12 with n = 7。 先给证明,令 S(n) = 1 + 2 + 3 + 4 + 5 + .... + n 暴搜n,搜出当 S(n) >=

uva 11044 Searching for Nessy(小学数学)

题意是给出一个n*m的格子,求出里面有多少个不重合的九宫格。 (rows / 3) * (columns / 3) K.o 代码: #include <stdio.h>int main(){int ncase;scanf("%d", &ncase);while (ncase--){int rows, columns;scanf("%d%d", &rows, &col

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear