AHP 先把复杂选择拆成层次:最上层是一个明确目标;中间是评价准则,必要时继续分子准则;最下层是候选方案。
同一层元素应回答同一类问题,并尽量相互独立。准则重叠会让某类因素被重复计算。
标准三层:目标 G → 准则 C1…Cn → 方案 A1…Am。每个子准则只有一个直接上级,层次关系必须能用“为了……考虑……”读通。
画结构图后,用反例检查:删除某准则,是否仍有其他准则重复表达它?若是,合并或重新定义。
目标、准则、方案各归其位
“选实习单位”中,公司 A 是准则,还是方案?薪资是目标,还是准则?
AHP 先把复杂选择拆成层次:最上层是一个明确目标;中间是评价准则,必要时继续分子准则;最下层是候选方案。
同一层元素应回答同一类问题,并尽量相互独立。准则重叠会让某类因素被重复计算。
标准三层:目标 G → 准则 C1…Cn → 方案 A1…Am。每个子准则只有一个直接上级,层次关系必须能用“为了……考虑……”读通。
画结构图后,用反例检查:删除某准则,是否仍有其他准则重复表达它?若是,合并或重新定义。
比较三种拆法。
方案与指标混在一起,比较问题不一致。
从 A/B/C 三家中选一家,考虑成本、质量、交期。
目标层:选择最合适供应商。
准则层:成本、质量、交付可靠性。
方案层:供应商 A、B、C。
先比较准则重要性,再在每个准则下比较方案,最后综合。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
目标是“选最好”,方案是具体地址。
准则层。它是用来比较候选地址的一项评价标准。
完整性和独立性比数量重要。
错误。过多、重叠或难以判断的准则会增加认知负担并重复计权。
分别写清层次角色。
示例:目标为选最合适位置;准则为学生步行距离、建设成本、安全便利;方案为宿舍东、食堂旁、教学楼南。
寻找含义相近的指标。
便利程度、步行距离、离宿舍远近。三者高度重叠,可能重复放大距离因素。
每次只回答一个小问题
直接给“成本权重 0.5”很难,但比较“成本比质量重要多少”为什么更容易?
AHP 不让人一次分配全部权重,而是每次比较两个元素相对于同一上级目标的重要性。
1 表示同等重要,3/5/7/9 表示稍微、明显、强烈、极端重要,2/4/6/8 为中间值;反向比较取倒数。
若 i 相对 j 的判断为 aij,则 aji=1/aij,且 aii=1。标度表达的是比率性偏好,不是分数差。
先写判断理由再写数值。若专家说“略重要”,优先用 2 或 3,不要为了拉开权重滥用 9。
观察词语与标度是否匹配。
极端标度被滥用,权重被人为放大。
在低预算采购中,认为成本明显比质量重要。
按标度可取 a成本,质量=5。
反向位置 a质量,成本=1/5。
两项自身比较均为 1。
形成 2×2 矩阵 [[1,5],[1/5,1]],权重约为 5:1。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
回忆 1、3、5、7、9 的语义。
3。若只是介于同等和稍微之间,也可取 2,并说明理由。
反向比较取倒数。
a21=1/7。判断矩阵必须互反。
不是普通差值。
错误。5 表示相对于上级目标,i 明显比 j 重要,是比率性判断强度。
数值需要证据链。
能减少随意性,便于专家复核、发现情境误解,并在论文中解释主观权重来源。
一次比较同一层的同类元素
为什么不能在同一矩阵中比较“成本”和“供应商 A”?
一个判断矩阵只比较同一层、属于同一上级节点的元素。矩阵对角线为 1,上下三角互为倒数。
n 个元素只需独立判断 n(n−1)/2 次,其余位置由互反关系自动填写。
A=(aij)n×n,aij>0,aii=1,aij·aji=1。3 个元素需 3 次独立比较;5 个元素需 10 次。
只让专家填写上三角,并用表单自动生成下三角;这样可避免 aij 与 aji 不一致。
比较手填全矩阵与自动互反。
同一对判断可能前后矛盾。
成本/质量/交期比较为 3、5、2。
上三角填 a12=3、a13=5、a23=2。
对角线填 1。
下三角自动填 1/3、1/5、1/2。
A=[[1,3,5],[1/3,1,2],[1/5,1/2,1]]。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
用 n(n−1)/2。
4×3/2=6 次。
自己和自己比较。
1。任何元素与自身同等重要。
两者乘积应为 1。
错误。若 a12=3,则 a21 必须为 1/3。
比较对象必须同层同父节点。
它们属于不同层和不同角色:成本是准则,供应商 A 是方案,无法回答相对于同一上级谁更重要。
拖动三组两两比较,观察权重与判断协调程度。
调整左侧参数,观察模型输出怎样变化。
若成本比质量重要 3 倍、质量比周期重要 2 倍,那么成本与周期的比较大约应是多少?拖动验证。
几何平均法与特征向量法
判断矩阵填完后,怎样把一堆比值压缩成总和为 1 的权重?
常用方法包括特征向量法和行几何平均法。对教学与手算,几何平均法清晰:每行元素乘积开 n 次方,再归一化。
权重代表同一上级目标下的相对重要性,总和应为 1。
wi*=(∏j aij)^(1/n),wi=wi*/Σwi*。特征向量法取最大特征值对应向量并归一化。
在论文中说明采用哪种方法,并给出权重表。用软件和手算小例子互相核对,防止矩阵方向录反。
看看权重计算后的三项检查。
矩阵方向录反也可能得到一组漂亮权重。
矩阵 [[1,4],[1/4,1]]。
第一行几何均值 √4=2。
第二行几何均值 √(1/4)=0.5。
归一化:2/(2.5)=0.8,0.5/2.5=0.2。
权重为 [0.8,0.2],与 4:1 的判断一致。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
每项除以总和。
总和 4,因此权重为 [0.5,0.25,0.25]。
表达尺度可换,比例关系不变。
若使用百分比,总和为 100%;使用比例,总和为 1。二者等价,但计算中必须统一,通常用总和 1。
先算每行几何均值。
几何均值为 2 和 0.5,归一化后第一项为 2/2.5=0.8。
做语义单元测试。
检查矩阵方向、录入和计算是否符合“谁更重要”的原意;数值可计算不代表语义正确。
CR 不是形式检查
若 A 比 B 重要 3 倍,B 比 C 重要 3 倍,却说 C 比 A 重要 5 倍,发生了什么?
人类判断很难完全一致,但不能严重循环矛盾。一致性检验衡量判断矩阵偏离完全一致的程度。
CR<0.1 通常认为可接受;若不通过,应回到最矛盾的比较修正,而不是改计算结果。
CI=(λmax−n)/(n−1),CR=CI/RI。n≤2 时天然一致;RI 是同阶随机一致性指标。
展示 λmax、CI、RI、CR 和判断结论。若 CR 超标,记录专家如何复核,而不是偷偷调数到 0.1 以下。
比较“通过数字”与真正复核。
权重建立在自相矛盾的判断上。
A/B=3,B/C=2。
若完全一致,应有 A/C≈3×2=6。
若填 A/C=1/5,方向和强度严重冲突。
优先请判断者重新确认 A 与 C。
一致性检验的价值是定位认知矛盾,而不是给论文增加一个小数。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
比率具有传递关系。
8,因为 4×2=8。
记住常用标准,但也要说明采用依据。
错误。常用阈值为 0.10,0.13 通常需要复核判断矩阵。
代入 CI 公式。
CI=(3.06−3)/(3−1)=0.03。之后还要除以三阶 RI 得 CR。
回到判断,不是改权重。
查找违反传递关系最明显的比较,请判断者依据情境重新确认并记录修改理由,再重新计算。
主观权重必须接受扰动
方案 A 只比 B 高 0.002 分,权重改 1% 后名次互换,还能说 A 明显最好吗?
综合权重将准则权重与各准则下方案局部权重相乘汇总。排名只是当前判断下的结果。
敏感性分析改变关键比较或权重,观察排名是否稳定;若频繁变动,应报告方案接近或需要更多证据。
总排序 W方案=Σk W准则,k × W方案|准则,k。检查总和为 1,并对关键权重做 ±5% 或情景扰动。
同时给得分差、排名稳定区间和关键权重临界点。不要把微小得分差写成“显著领先”。
比较只给排名与报告临界点。
隐藏了微小差距与不确定性。
A=0.402,B=0.399,C=0.199。
A 与 B 仅差 0.003。
提高质量权重 3%,B 变为第一。
检查原始数据和专家判断的不确定性。
更稳妥结论是 A/B 形成第一梯队,推荐取决于成本—质量偏好。
答案默认隐藏。聚焦题卡后按 ↓ 或 Space,一次只揭晓一道。
按准则加权求和。
0.6×0.7+0.4×0.2=0.42+0.08=0.50。
数值排名不等于显著差异。
错误。差距极小,应做敏感性分析并谨慎表述,可能属于同一梯队。
主观判断需要扰动检验。
权重小幅变化时排名是否稳定。
不确定性也应成为决策信息。
说明方案得分接近和关键临界权重,给出不同偏好情景下的推荐,并建议补充数据或专家意见。
从身边选择一个真实决策,限制 3–5 个准则、3 个方案,完整走通 AHP。
讲义、练习、实验与挑战清单均在本地页面内。