数模学习day01-层次分析法模型

        已经一个多月没有更新过文章了,为了保住那绩点的意思微弱的优势,直接开摆,开始复习专业课和公共课考试了,结果虽然有遗憾但是还是算不错,至少没有掉到3.xx嘿嘿。

        然后现在就要开始学习数学建模和算法同步了。接下来的文章也会更新这两个方面的内容。好了进入正题吧。

        本文章根据B站UP:数学建模学习交流的正版视频编写


第一讲:层次分析法

        这是建模比赛最基础的模型之一,其主要用于解决评价类问题(例如:选择哪种方案最好。哪位运动员或者员工的表现更优秀等)

问题一:

评价类问题可以使用打分解决

最终通过整理得到如下的权重表格

最终计算完成之后得到的得分是:华科:0.515、武大:0.485

华科的分数更高

 总结

问题二:

层次分析法例题

一般有三个问题:

        1.我们的评价目标是什么

        2.达成这个目标有哪几种方案

        3.评价的标准是什么

一般来说,评价指标题目中是不会告诉我们的,实质就是根据什么东西评判,比如显卡的显存,CPU的主频等。

那么如何回答这三个问题呢?

上网查询

可以选择:知网、万方、百度学术、谷歌学术等搜索相关的文献

找不到就直接和队友叫唤哈哈哈

然后这里搜索有一个很强的网站叫做==>>虫部落: https://search.chongbuluo.com/


然后回到我们的题目

现在已经确定了指标:

然后就可以想到下面的这张表格,也就是之前的权重表格

        在确定影响某因素的诸因子在该因素中所占的比重时,遇到的主要困难是这些比重常常不易定量化。此外,当影响某因素的因子较多时,直接考虑各因子对该因素有多大程度的影响时,常常会因考虑不周全、顾此失彼而使决策者提出与他实际认为的重要性程度不相一致的数据,甚至有可能提出一组隐含矛盾的数据。

        也就是说,直接思考权重可能会导致分析错误。那么如何避免这个问题呢?

分治思想:两个两个指标进行比较,最终根据两两比较的结果来推算出权重 。

那么层次分析法的思想就显现出来了:

通过将这个重要程度生成为一张矩阵表格可以得到。

但是小明在这里不是真正的小明,而是一个“专家”。后文会提到

那么再填完这个表格之后就可以得到如下判断矩阵(也可以称为正互反矩阵)


计算权重

题目:

通过询问“专家”的方式,获得一个个的判断矩阵

剩余矩阵如下


不一致问题 

在填写之后,可能会出现一种问题

也就是前后大小值比较不一致,发生冲突的问题。

a_{ij}=\frac{i}{j}

a_{jk}=\frac{j}{k}

通过这两个公司可以得出如下的公式

a_{ik}=\frac{i}{k}=a_{ij}\cdot a_{ij}

然后可以先来观察一致矩阵的特点

通过观察发现:各行(各列)之间成倍数关系

那么可以得出一致性矩阵的定义如下:

上两幅图的差别就是一个4,一个是5,我们如何知道这个修改的差距大不大呢,那么就可以通过一致性检验判断了。

一致性检验原理:检验我们构造的判断矩阵和一致矩阵是否有太大的差别

这里tr是矩阵的迹

对应的特征向量也就是k的第一列。


一致性检验的标准步骤

最后判断CR<0.1,则认为判断矩阵的一致性是可以接受的。否则进行修正

即:

 


一致矩阵计算权重

计算方法如下:

当然也可以使用第二列或者第三列算,由于每一列都是成比例的,所以权重是一样的

矩阵计算权重:算数平均法

和一致矩阵的方法是一样的,但是!!由于判断矩阵各列之间不一定成比例,所以每一列都需要分别计算权重,然后再求权重的平均值

其数学描述为:

可以体现在论文之中


矩阵计算权重:几何平均法


判断矩阵计算权重:特征值法

使用性质:一致矩阵有一个特征值为n,其他特征值都为0

特征向量刚好是矩阵的第一列


在计算完权重之后填入权重表,最多使用的还是特征值法,一般只将特征值法的权重填入

这里计算如果使用计数器来说也可以,但是比较麻烦,我们可以使用Excel表格来处理

这里要记得锁定单元格

F4即可


问题三:

层次分析法第一步:

1.层次结构图

此图及其的重要

如果使用了层次分析法,那么这个层次结构图需要放在论文之中

层次图生成方法:SmartArt(PPT)

在PPT中,开始中,选中文本之后,有一个提高列表等级

然后再全选文本,有一个转换为SmartArt

然后选择层次结构图


层次图生成方法:亿图图示


2.构造判断矩阵

这里判断矩阵由于找不到专家,也就不需要说明数据的出处了。

但是填写仍然需要有依据

准则层一方案层的判断矩阵的数值要结合实际来填写,如果题目中有其他数据可以考虑利用这此数据进行计算。
例如: 有一个指标是交通安全程度,现在要比较开放小区、半开放小区和封闭小区,而目你收集到了这些小区车流量的数据,那么就可以根据这个数据进行换算作为你的判断矩阵

最好是不要瞎填,搜索一下网络的资料


3. 计算权重且通过一致性检验

(1)算术平均法

(2)几何平均法

(3)特征值法

建议是三种方法都是用

然后加上下面这段话

以往的论文利用层次分析法解决实际问题时,都是采用其中某一种方法求权重,而不同的计算方法可能会导致结果有所偏差。为了保证结果的稳健性,本文采用了三种方法分别求出了权重,再根据得到的权重矩阵计算各方案的得分,并进行排序和综合分析,这样避免了采用单一方法所产生的偏差,得出的结论将更全面、更有效。

然后是进行一致性检验

若CR>0.1如何修正

根据倍数关系,往一致性矩阵上面调整


4.计算合成权重且排序


层次分析法的局限性

(1)评价的决策层不能过多,过多导致n过大,导致判断矩阵和一致矩阵差异变大

(2)如果决策层中的指标数据是已知的,那么我们如何操作?后续文章解答


模型拓展

准则层可以有多个

结语

直接结束,这篇文章写到凌晨了,累了

ヾ( ̄▽ ̄)Bye~Bye~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/225184.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

GPU性能实时监测的实用工具

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的…

python作业题百度网盘,python作业答案怎么查

大家好&#xff0c;小编来为大家解答以下问题&#xff0c;python作业题百度网盘&#xff0c;python作业答案怎么查&#xff0c;今天让我们一起来看看吧&#xff01; 1 以下代码的输出结果为&#xff1a; alist [1, 2, 3, 4] print(alist.reverse()) print(alist) A.[4, 3, 2, …

苏州科技大学计算机817程序设计(java) 学习笔记

之前备考苏州科技大学计算机&#xff08;专业课&#xff1a;817程序设计&#xff08;java&#xff09;&#xff09;。 学习Java和算法相关内容&#xff0c;现将笔记及资料统一整理归纳移至这里。 部分内容不太完善&#xff0c;欢迎提议。 目录 考情分析 考卷题型 刷题攻略…

7.2 uvm_resource_db in UVM

uvm_resource_db是一个类型参数化 type-parameterized的类&#xff0c;它是资源数据库顶部的一个方便层(convenience layer)。这个便利层简化了对低级数据库的访问&#xff0c;并且没有添加新功能。因此&#xff0c;uvm_resource_db不是从uvm_resource类派生的。以下uvm_resour…

怎么下载landsat 8影像并在ArcGIS Pro中进行波段组合

Landsat 8&#xff08;前身为Landsat数据连续性任务&#xff0c;或 LDCM&#xff09;于2013年2月11日由 Atlas-V火箭从加利福尼亚州范登堡空军基地发射升空&#xff0c;这里为大家介绍一下该数据的下载的方法&#xff0c;希望能对你有所帮助。 注册账号 如果之前已经注册过的…

如何通过内网穿透实现远程访问本地Linux SVN服务

文章目录 前言1. Ubuntu安装SVN服务2. 修改配置文件2.1 修改svnserve.conf文件2.2 修改passwd文件2.3 修改authz文件 3. 启动svn服务4. 内网穿透4.1 安装cpolar内网穿透4.2 创建隧道映射本地端口 5. 测试公网访问6. 配置固定公网TCP端口地址6.1 保留一个固定的公网TCP端口地址6…

深信服技术认证“SCCA-C”划重点:云计算基础

为帮助大家更加系统化地学习云计算知识&#xff0c;高效通过云计算工程师认证&#xff0c;深信服特推出“SCCA-C认证备考秘笈”&#xff0c;共十期内容。“考试重点”内容框架&#xff0c;帮助大家快速get重点知识。 划重点来啦 *点击图片放大展示 深信服云计算认证&#xff08…

多维时序 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测

多维时序 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测 目录 多维时序 | MATLAB实现SSA-BiLSTM麻雀算法优化双向长短期记忆神经网络多变量时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.MATLAB实现SSA-BiLSTM麻雀算法优化…

技术探秘:在RISC Zero中验证FHE——RISC Zero应用的DevOps(2)

1. 引言 前序博客&#xff1a; 技术探秘&#xff1a;在RISC Zero中验证FHE——由隐藏到证明&#xff1a;FHE验证的ZK路径&#xff08;1&#xff09; 技术探秘&#xff1a;在RISC Zero中验证FHE——由隐藏到证明&#xff1a;FHE验证的ZK路径&#xff08;1&#xff09; 中&…

C单片机数据类型

C语言数据类型 关键字位数表示范围stdint关键字ST关键字unsigned char80 ~ 255uint8_tu8char8-128 ~ 127int8_ts8unsigned short160 ~ 65535uint16_tu16short16-32768 ~ 32767int16_ts16unsigned int320 ~ 4294967295uint32_tu32int32-2147483648 ~ 2147483647int32_ts32unsig…

根据DCT特征训练CNN

记录一次改代码的挣扎经历&#xff1a; 看了几篇关于DCT频域的深度模型文献&#xff0c;尤其是21年FcaNet&#xff1a;基于DCT 的attention model&#xff0c;咱就是说想试试将我模型的输入改为分组的DCT系数&#xff0c;然后就开始下面的波折了。 第一次尝试&#xf…

k8s面试之——简述网络模型

kubernetes网络模型是kubernetes集群中管理容器网络通信的一种机制&#xff0c;用于实现pod间、pod与外部网络间的通信和互联&#xff0c;并提供了多种网络插件和配置选项来满足不同应用场景下的需求。kubernetes网络模型可以分为一下几个部分&#xff1a; 1. pod网络模型 在…

傻瓜式教学Docker 使用docker compose部署 php nginx mysql

首先你可以准备这个三个服务,也可以在docker compose 文件中 直接拉去指定镜像,这里演示的是镜像服务已经在本地安装好了,提供如下: PHP # 设置基础镜像 FROM php:8.2-fpm# install dependencies RUN apt-get update && apt-get install -y \vim \libzip-dev \libpng…

【docker笔记】docker理论及安装

前言 本笔记来源于尚硅谷docker教学视频 视频地址&#xff1a;https://www.bilibili.com/video/BV1gr4y1U7CY/?spm_id_from333.337.search-card.all.click 纯手打笔记&#xff0c;来之不易&#xff0c;感谢支持~ Docker简介 docker为什么会出现 想象一下&#xff1a;一个应用…

【数据结构初阶】二叉树(2)

二叉树顺序结构 1.二叉树的顺序结构及实现1.1二叉树的顺序结构 1.2 堆的概念及结构1.3 堆的实现1.3.1向上调整1.3.2向下调整1.3.3交换函数1.3.4打印1.3.5初始化1.3.6销毁1.3.7插入1.3.8删除1.3.9获得堆顶元素1.3.10判断是否为空1.3.6 堆的代码实现 1.3.2堆的创建1.3.3 建堆时间…

Tg5032smn:高稳定性105℃高温

TG5032SMN是一款频率范围10MHz ~ 54MHz,具有高稳定的TCXO晶振&#xff0c;可与CMOS或限幅正弦输出。外部尺寸5.0 3.2 1.45mm&#xff0c;超小型,质地轻。该系列晶振的额定工作范围-40℃~&#xfe62;105C内可高稳定性工作&#xff0c;使得信号频率的误差很小。TG5032SMN与其他…

在k8s中将gitlab-runner的运行pod调度到指定节点

本篇和前面的 基于helm的方式在k8s集群中部署gitlab 具有很强的关联性&#xff0c;因此如果有不明白的地方可以查看往期分享&#xff1a; 基于helm的方式在k8s集群中部署gitlab - 部署基于helm的方式在k8s集群中部署gitlab - 备份恢复基于helm的方式在k8s集群中部署gitlab - 升…

云原生Kubernetes:K8S集群版本升级(v1.22.14 - v1.23.14)

目录 一、理论 1.K8S集群升级 2.环境 3.升级集群&#xff08;v1.23.14&#xff09; 4.验证集群&#xff08;v1.23.14&#xff09; 二、实验 1. 环境 2.升级集群&#xff08;v1.23.14&#xff09; 2.验证集群&#xff08;v1.23.14&#xff09; 一、理论 1.K8S集群升级 …

链表常见题|删除链表、合并链表、环形链表、相交链表、反转链表、回文链表

链表常见题|删除链表、合并链表、环形链表、相交链表、反转链表、回文链表 文章目录 链表常见题|删除链表、合并链表、环形链表、相交链表、反转链表、回文链表2.两数相加19.删除链表的倒数第 N 个结点21.合并两个有序链表141.环形链表142.环形链表 II160.相交链表206.反转链表…

C++-类和对象(1)

1.面向过程和面向对象初步认识 C语言是面向过程的&#xff0c;关注的是过程&#xff0c;分析出求解问题的步骤&#xff0c;通过函数调用逐步解决问题。 C是基于面向对象的&#xff0c;关注的是对象&#xff0c;将一件事情拆分成不同的对象&#xff0c;靠对象之间的交互完 成。…