AHP——模糊综合评价方法的理论基础1. 层次分析法理论基础1970-1980年期间，著名学者Saaty最先开创性地建立了层次分析法，英文缩写为AHP。

该模型可以较好地处理复杂的决策问题，迅速受到学界的高度重视。

后被广泛应用到经济计划和管理、教育与行为科学等领域。

AHP建立层次结构模型，充分分析少量的有用的信息，将一个具体的问题进行数理化分析，从而有利于求解现实社会中存在的许多难以解决的复杂问题。

一些定性或定性与定量相结合的决策分析特别适合使用AHP。

被广泛应用到城市产业规划、企业管理和企业信用评级等等方面，是一个有效的科学决策方法。

Diego Falsini、Federico Fondi 和Massimiliano M. Schiraldi（2012）运用AHP 与DEA的结合研究了物流供应商的选择；Radivojević、Gordana和Gajović, Vladimir（2014）研究了供应链的风险因素分析；K.D. Maniya和M.G. Bhatt（2011）研究了多属性的车辆自动引导机制；朱春生（2013）利用AHP分析了高校后勤HR配置的风险管理；蔡文飞（2013）运用AHP分析了煤炭管理中的风险应急处理；徐广业（2011）研究了AHP与DEA的交互式应用；林正奎（2012）研究了城市保险业的社会责任。

第一，递阶层次结构的建立一般来说，可以将层次分为三种类型：（1）最高层（总目标层）：只包含一个元素，表示决策分析的总目标，因此也称为总目标层。

（2）中间层（准则层和子准则层）：包含若干层元素，表示实现总目标所涉及的各子目标，包含各种准则、约束、策略等，因此也称为目标层。

（3）最低层（方案层）：表示实现各决策目标的可行方案、措施等，也称为方案层。

典型的递阶层次结构如下图1：一个好的递阶层次结构对解决问题极为重要，因此，在建立递阶层次结构时，应注意到：（1）从上到下顺序地存在支配关系，用直线段（作用线）表示上一层次因素与下一层次因素之间的关系，同一层次及不相邻元素之间不存在支配关系。

（2）整个结构不受层次限制。

（3）最高层只有一个因素，每个因素所支配元素一般不超过9个，元素过多可进一步分层。

（4）对某些具有子层次结构可引入虚元素，使之成为典型递阶层次结构。

第二，构造比较判断矩阵设有m 个目标（方案或元素），根据某一准则，将这m 个目标两两进行比较，把第i 个目标（i=1,2,…,m ）对第j 个目标的相对重要性记为ij a ，这样构造的m 阶矩阵用于求解各个目标关于某准则的优先权重，成为权重解析判断矩阵，简称判断矩阵，记作ij m m A ⨯=（a ）。

Satty 于1980年根据一般人的认知习惯和判断能力给出了属性间相对重要性等级表（见表1）。

利用该表取的ij a 值，称为1-9标度方法。

表1 目标重要性判断矩阵A 中元素的取值若决策者能够准确估计ij a ，则有：1,*,1ij ij ik kj ii jia a a a a a === ，其基本的定理如下：第一，设A=(a ij )m×m ，A>0，（即a ij >0;i,j=1,2,…,m ），如果满足条件（1）a ii =1（i =1,2,…,m ）；（2）a ij =1/a ji （i,j =1,2,…,m ），则称矩阵A 为互反正矩阵。

第二，设A=(a ij )m×m ，A>0，如果满足条件a ij= a ik ·a kj （i,j,k=1,2,…,m ）则称矩阵A 为一致性矩阵。

第三，对于任何一个m 阶互反正矩阵A ，均有m ax λ≥m ，其中m ax λ是矩阵A 的最大特征值。

第三，m 阶互反正矩阵A 为一致性矩阵的充分必要条件是A 的最大特征根为m 。

第三，单准则下的排序层次分析法的信息基础是比较判断矩阵。

由于每个准则都支配下一层若干因素，这样对于每一个准则及它所支配的因素都可以得到一个比较判断矩阵。

因此根据比较判断矩阵如何求得各因素w 1,w 2, …,w m 对于准则A 的相对排序权重的过程称为单准则下的排序。

这里设A=(a ij )m×m ，A>0。

方法一：本征向量法利用AW=λW 求出所有λ的值，其中m ax λ为λ的最大值，求出m ax λ对应的特征向量W *，然后把特征向量W *规一化为向量W ，则W=[w 1,w 2, …w m ]T 为各个目标的权重。

求λ需要解m 次方程，当m≥3时，计算比较麻烦，可以利用matlab 来求解。

（2）判断矩阵的近似解法判断矩阵是决策者主观判断的定量描述，求解判断矩阵不要求过高的精度。

这里，介绍三种近似计算方法：根法、和法及幂法。

幂法适于在计算机上运算。

第一，根法①A 中每行元素连乘并开m 次方，得到向量Tm w w w W ),...,,(**2*1*=其中，m mj ij ia w ∏==1*②对W *作归一化处理，得到权重向量W=(w 1,w 2, …w m )T，其中∑==mi i ii w w w 1**/③对A 中每列元素求和，得到向量S=(s 1,s 2, …s m )，其中s j =∑=mi ij a 1④计算m ax λ的值，SW w s i mi i ==∑=1max λ=∑=m i i iw AW m 1)(1方法二：和法①将A 的元素按列作归一化处理，得矩阵Q=(q ij )m×m 。

其中，∑==mk kj ij ij a a q 1/②将Q 的元素按行相加，得向量Tm ),...,,(21αααα=。

其中，∑==mj ij i q 1α③对向量α作归一化处理，得权重向量W=(w 1,w 2, …w m )T，其中∑==mk k i i w 1/αα④求出最大特征值∑==m i iiw AW m 1max )(1λ方法三：幂法幂法是一种逐步迭代的方法，经过若干次迭代计算，按照规定的精度，求出判断矩阵A 的最大特征值及其对应的特征向量。

设矩阵A=(a ij )m×m ，A>0，则CW e A e eA k T k k =∞→lim ，其中，W 是A 的最大特征值对应的的特征向量，C 为常数，向量e=(1,1,…,1)T 。

幂法的计算步骤是：①任取初始正向量X (0)=(x 1(0), x 2(0), …, x m (0))T ，计算0)0()0()0()0(0/},{max m X Y x X m i i===∞②迭代计算，对于k=0,1,2, …计算1)1()1()1()1(1)()1(/},{,max ++++∞+++====k k k k i ik k k k m X Y x X m AY X③精度检查。

当ε<-+k k m m 1时，转入步骤④；否则，令k=k+1，转入步骤②。

④求最大特征值和对应的特征向量，将Y (k+1)归一化，即：1max 1)1()1(,/+=++==∑k mi k i k m y YW λ第四，单准则下的一致性检验由于客观事物的复杂性，会使我们的判断带有主观性和片面性，完全要求每次比较判断的思维标准一致是不太可能的。

因此在我们构造比较判断矩阵时，我们并不要求n(n-1)/2次比较全部一致。

但这可能出现甲与乙相比明显重要，乙与丙相比极端重要，丙与甲相比明显重要，这种比较判断会出现严重不一致的情况。

我们虽然不要求判断具有一致性，但一个混乱的，经不起推敲的比较判断矩阵有可能导致决策的失误，所以我们希望在判断时应大体一致。

而上述计算权重的方法，当判断矩阵过于偏离一致性时，其可靠程度也就值得怀疑了。

因此，对于每一层次作单准则排序时，均需要作一致性的检验。

一致性指标（Consistency Index,CI ）:1max --=m mCI λ随机指标（Random Index,RI ）一致性比率（Consistency Rate,CR ）:CR=CI/RI当CR 取0.1时，最大特征值'm ax λ=CI·(m-1)+m=0.1·RI·(m-1)+m 表2 随机指标RI ，'m ax λ取值表表中当n=1,2时，RI=0，这是因为1,2阶判断矩阵总是一致的。

当n≥3时，若CR<0.1即m ax λ<'m ax λ，认为比较判断矩阵的一致性可以接受，否则应对判断矩阵作适当的修正，直到m ax λ小于'm ax λ通过一致性检验时，求得的W 才有效。

第五，层次总排序计算同一层次中所有元素对最高层（总目标）的相对重要性标度（又称权重向量）称为层次总排序。

（1）层次总排序的步骤为：第一，计算同一层次所有因素对最高层相对重要性的权重向量，这一过程是自上而下逐层进行；第二，设已计算出第k-1层上有n k-1个元素相对总目标的权重向量为w (k-1)=(w 1(k-1), w 2(k-1),…, w n(k-1)(k-1))T第三，第k 层有个n k 个元素，他们对于上一层次（第k-1层）的某个元素j 的单准则权重向量为p j (k)=(w 1j (k), w 2j (k),…, w nkj)(k))T （对于与k-1层第j 个元素无支配关系的对应w ij 取值为0）；第四，第k 层相对总目标的权重向量为w k = (p 1(k), p 2(k),…p k-1(k),)w (k-1) （2）层次总排序的一致性检验人们在对各层元素作比较时，尽管每一层中所用的比较尺度基本一致，但各层之间仍可能有所差异，而这种差异将随着层次总排序的逐渐计算而累加起来，因此需要从模型的总体上来检验这种差异尺度的累积是否显著，检验的过程称为层次总排序的一致性检验。

第k 层的一致性检验指标CIk=(CI 1(k-1), CI 2(k-1),…, CIn K (k-1))w (k-1) RI k =(RI 1(k-1), RI 2(k-1),…, RIn K (k-1))w (k-1) CR k =CR k-1+CI k /RI k (3≤k≤n)当CR k <0.1，可认为评价模型在第k 层水平上整个达到局部满意一致性。

第六，递阶层次结构权重解析过程 （1）树状结构目标体系目标可分为多个层次，每个下层目标都隶属于一个而且只隶属一个上层目标，下层目标是对上层目标的具体说明。

对于树状结构的目标体系，需由上而下逐步确定权重，即由树干向树梢，求树杈各枝相对于树杈的权重。

（2）网状结构目标体系网状结构的目标也分为多个层次，每个下层目标隶属于某几个上层目标（至少有一个下层目标隶属于不止一个上层目标）。

AHP方法的基本步骤：层次分析法大体分为以下六个步骤：（1）明确问题；（2）建立层次结构；（3）两两比较，建立判断矩阵；（4）层次单排序及其一致性检验；（5）层次总排序及其一致性检验；（6）根据分析计算结果，考虑相应的决策。