КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Метод парных сравнений. Мера согласованности. Вектор приоритетов
Перейдём теперь к рассмотрению методов построения шкалы предпочтений, получаемой при экспертном высказывании суждений о мере различия между сравнительными объектами. В МАИ для этих целей применяются метод парных сравнений. Если для сравнения выбрано n(А1,А2,…,Аn) объектов, то результаты сравнений заносятся в квадратную n – мерную матрицу вида:
Элементом этой матрицы аij является мера предпочтения Аi объекта по сравнению с Аj объектом. Таким образом i–я строка матрицы показывает меру предпочтения i–го объекта над другими (n-1) объектами n над самим собой. Мера предпочтения выражается экспертом в шкале Саати и принимает значения от 1 до 9, если объект Аi предпочтительнее или более важен чем объект Аj. В случае, когда i=j, мера предпочтения равна 1, то есть диагональные элементы матрицы парных сравнений всегда равны 1. Следует учитывать, что для матрицы парных сравнений выполняются следующие условия: Это означает, что если по шкале Саати объект Аi предпочтительнее Aj и аij=5, по мере предпочтения Аj объекта по отношению к Аi т.е. . Таким образом, экспертом заполняется только верхняя над диагональная часть матрицы парных сравнений (заштрихованная) и матрица приобретает следующий вид (например для четырёх сравнительных объектов).
Экспертная оценка сравнительной важности объектов может осуществляться в двух ситуациях. Первая ситуация имеет место, если свойства сравниваемых объектов имеет одну природу и одинаковые единицы измерения. Тогда если мера свойств Аi равна ωi, а мера объекта Аj равна ωj, то мера предпочтения объекта Аi по сравнению с объектом Аj равна . Матрица предпочтений сформирована для такой ситуации является согласованной.
В общем случае над согласованностью подразумевается то, что при наличии основного массива необработанных данных, все другие данные могут быть логически получены из них. Если сравнивается n объектов, то достаточно (n-1) суждения, в которых сравниваемые объекты представлены, по крайней мере, один раз. Рассмотрим для примера матрицу парных сравнений для трёх объектов (А1,А2,А3). Путём измерения было получено, что объект А1 в 3 раза превосходит объект А2 и в 6 раз объект А3, . При n=3 достаточное число сравнений равно n-1=3-1=2. Заполняем матрицу и получаем.
Неизвестные суждения получим из системы уравнений А1=3А2 А1=6А3 Откуда 3А2=6А3 или А2=2А3 и А3=1/2А2. Такая согласованность называется полной, которая включает порядковую согласованность или свойство транзитивности (если Аi предпочтительнее Аj, а Аj предпочтительнее Ак, то Аi предпочтительней Ак), а также кардинальную согласованность (аij·аjk=aik). Вторая ситуация, наиболее распространённая, состоит в том, что свойства сравниваемых объектов могут быть оценены только по шкале Саати. Например влияние капитала и политики на экономику страны. В этом случае добиться полной согласованности матрицы парных сравнений невозможно. Естественно после экспертных оценок по методу парных сравнений поставить вопрос о степени согласованности полученных оценок. В качестве меры согласованности рассматривают два показателя: - индекс согласованности (ИС); - относительная согласованность (ОС). Из теории матриц известно, что согласованность обратно симметричной матрицы эквивалентна требованию равенства её максимального собственного значения λmax и числа сравниваемых объектов n (λmax=n).
Поэтому в качестве меры согласованности рассматривают нормированное отклонение λmax от n, называемое индексом согласованности: (7.1) Для того чтобы оценить, является ли полученное согласование приемлемым или нет, его сравнивают со случайным индексом СИ. Случайным индексом называют индекс согласованности, рассчитанный для квадратной, положительной n-мерной обратно симметричной матрицы, элементы которой сгенерированны случайным образом (датчиком равномерно распределенных случайных чисел в интервале 1-9). Для матрицы с фиксированным значениям n индекс рассчитывается как среднее значение для выборки N=100. Ниже приведена таблица 7.2. для величин случайного индекса для различных матриц порядка от 1 до 15. Таблица 7.2.
Получив в результате расчёта по формуле (7.1.) индекс согласованности и выбрав по таблице 7.2. случайный индекс для заданного порядка матрицы, рассчитывают отношения согласованности (ОС): (7.2.) Если величина ОС < 1, то степень согласованности считается приемлемой. Если ОС > 0,1 эксперту рекомендуется пересмотреть свои суждения. Для этого необходимо выявить те позиции в матрице суждений, которые вносят максимальный вклад в величину отношения согласованности, и попытаться изменить меру несогласованности в меньшую сторону на основе более глубокого анализа вопроса. Анализ результатов экспертных оценок заключается в математической обработке матрицы суждений с целью получения вектора приоритетов сравниваемых объектов. С математической точки зрения задача сводится к вычислению компоненты главного собственного вектора, который после нормализации становится вектором приоритетов.
Компонента главного собственного вектора вычисляется как среднее геометрическое значение в строке матрицы:
(7.3) Компонента вектора приоритетов вычисляется как нормированное значение главного собственного вектора:
7.4 Расчёт локальных приоритетов. Синтез приоритетов. Рассмотрев методику расчёта вектора приоритетов для матрицы парных сравнений и методику оценки степени согласованности суждений анализируемой матрицы, перейдём теперь к рассмотрению основного вопроса – анализа проблемы методом анализа иерархий. Для того чтобы решить проблему, сформулированную в примере, описанном в начале главы, то есть, чтобы выбрать дом и решить жилищную проблему, необходимо выполнить следующее. После построения иерархической модели проблемы (рис. 7.3,б) начинаем первый этап анализа, который состоит в исследовании степени влияния показателей свойств качества дома на общее удовлетворение домом. В формальном виде этот этап состоит в анализе влияния факторов второго уровня иерархии на цель анализа – первый уровень. В табл. 7.4 представлена матрица парных сравнений для восьми факторов 2-го уровня, заполненная суждениями эксперта, квалиметрированными по шкале Саати. Напомним, что суждение высказывается по поводу степени предпочтения фактора, указанного левой колонке матрицы, по отношению к фактору, указанному в соответствующем столбце матрицы. Например, эксперт отвечает на вопрос: “насколько фактор “ размеры дома ” предпочтительнее фактора “ время постройки дома ” по отношению к цели “ общее удовлетворение домом ”. В данной матрице эксперт высказал суждение, что первый фактор имеет значительное превосходство по важности по сравнению со вторым фактором и по шкале Саати оценил это превосходство числом 7. Соответственно обратное превосходство (второго фактора над первым) оценено по шкале Саати как 1/7. В правой колонке табл. 7.4. представлены компоненты вектора приоритетов, а внизу таблицы: λ max – наибольшее собственное значение матрицы суждений; ИС – индекс согласованности; ОС – отношение согласованности. Таблица 7.4.
Следует отметить, что отношение согласованности для данной матрицы несколько больше рекомендованного уровня (ОС ≤ 0.1), однако для задач используемого типа его можно принять. В общем случае уровень согласованности должен соответствовать тому риску, который сопутствует работе с несогласованными данными. Например, при сравнении воздействия лекарств на организм необходимо иметь очень высокий уровень согласованности. Прокомментируем кратко полученные после обработки матрицы результаты. Наиболее значительным с семейной точки зрения оказался фактор “ финансовые условия ” (Р=0.333), “вес” которого почти в два раза больше ближайшего к нему и достаточно значимого фактора “ окрестности ” (Р=0.188). наименьший интерес вызвал такой фактор как “ время постройки дома ” (Р=0.018). Четыре такие фактора как “размеры дома” (0.173), “окрестности“ (0.188), ”общее состояние” (0.167), “финансовые условия” (0.333) доминируют над остальными, занимая почти 90% от общего “веса” воздействия факторов. Для упрощения задачи эти факторы могут быть оставлены для дальнейшего рассмотрения, так как они окажут наибольшее влияние на окончательный выбор дома. Если такое решение принимается, то оставляемые факторы перенормируются. Для этого следует разделить каждое значение оставленной компоненты на сумму оставленных компонент. В нашем примере перенормировка представлена в табл. 7.5. Таблица 7.5.
Однако в нашем примере будут рассматриваться все восемь факторов для проведения процесса анализа в полном объёме. Переходим теперь к рассмотрению влияния факторов третьего уровня на факторы второго уровня, то есть к анализу «веса» (предпочтительности) каждого из рассматриваемых домов (А, Б, В) по отношению к каждому фактору второго уровня. Для этого необходимо сформировать и обработать восемь экспертных матриц парного сравнения. Сами матрицы и результаты их обработки в виде главных векторов и мер согласованности представлены в табл. 7.6. Таблица 7.6.
Анализ векторов локальных приоритетов показывает. Что дом А лучший по четырём критериям (размер дома, окрестности, двор и современное оборудование), дом Б лучший по финансовым условиям, а дом В лучший по удобствам расположения автобусных стоянок. На следующем этапе осуществляется синтез локальных приоритетов или оценка обобщенных (глобальных) приоритетов. В нашем примере, идёт речь о получении вектора глобальных приоритетов домов (А, Б, В) по отношению к цели верхнего уровня – общего удовлетворения домом. Для этого матрицу векторов локальных приоритетов 2-го уровня, составленную по результатам анализа, представленного в таблице 7.6, умножают на вектор локальных приоритетов 1-го уровня, полученных в таблице 7.4, т.е.: Например, первая компонента обобщенного вектора приоритетов получается так: (0.754 х 0.173)+(0.754 х 0.188)+(0.233 х 0.054)+…+(0.072 х 0.333)=0.396 В результате получаем обобщенный (глобальный) вектор приоритетов домов (А, Б, В) по отношению к конечной цели – покупке дома, от которого семья получает удовлетворение. Этот вектор имеет вид:
Таким образом, с учётом всех рассматриваемых факторов, предпочтение при покупке отдается дому А. На заключительном этапе осуществляется оценка степени согласованности всей рассматриваемой иерархии, рассчитываемой по мерам согласованности всех уровней иерархии. Расчёт обобщенной меры согласованности продемонстрируем на рассматриваемом примере. Вначале оцениваем индекс согласованности, продемонстрируем иерархии М как сумму индекса согласованности иерархии первого уровня и индекса согласованности второго уровня, представляющего собой взвешенную сумму индексов согласованностей матриц второго уровня (см. табл. 7.4 и 7.5). Рассчитываем вначале индекс согласованности 2-го уровня как произведение вектора-строки индексов согласованности 2-го уровня на вектор приоритетов 1-го уровня (вектор-столбец). Получаем: Вектор-строка Вектор-столбец
Обобщённый индекс согласованности: М = 0.238 + 0.0468 = 0.285 Затем аналогичным способом вычисляется суммарный случайный индекс Величина отношения согласованности для всей иерархичной структуры
Дата добавления: 2014-11-29; Просмотров: 9099; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |