决策分析理论

决策分析理论第一页，共五十四页，编辑于2023年，星期五2第六章决策分析

“决策”一词来源于英语Decisionmaking，直译为“做出决定”。所谓决策，就是为了实现预定的目标在若干可供选择的方案中，选出一个最佳行动方案的过程，它是一门帮助人们科学地决策的理论。第二页，共五十四页，编辑于2023年，星期五3第六章决策分析决策的分类：按决策问题的重要性分类按决策问题出现的重复程度分类按决策问题的定量分析和定性分析分类按决策问题的自然状态发生分类：确定型决策问题在决策环境完全确定的条件下进行。不确定型决策问题在决策环境不确定的条件下进行，决策者对各自然状态发生的概率一无所知。风险型决策问题在决策环境不确定的条件下进行，决策者对各自然状态发生的概率可以预先估计或计算出来。第三页，共五十四页，编辑于2023年，星期五4构成决策问题的四个要素:

决策目标、行动方案、自然状态、效益值行动方案集：A={s1,s2,…,sm}自然状态集：N={n1,n2,…,nk}效益(函数)值：v=(si,nj)自然状态发生的概率P=P(sj)j=1,2,…,m决策模型的基本结构：(A,N,P,V)基本结构(A,N,P,V)常用决策表、决策树等表示。第六章决策分析第四页，共五十四页，编辑于2023年，星期五5

特征：1、自然状态已知；2、各方案在不同自然状态下的收益值已知；3、自然状态发生不确定。例：某公司需要对某新产品生产批量作出决策，各种批量在不同的自然状态下的收益情况如下表（收益矩阵）：§1不确定情况下的决策

N1(需求量大)N2(需求量小)S1(大批量生产)30-6S2(中批量生产)20-2S3(小批量生产)105自然状态行动方案

特征：1、自然状态已知；2、各方案在不同自然状态下的收益值已知；3、自然状态发生不确定。例：某公司需要对某新产品生产批量作出决策，各种批量在不同的自然状态下的收益情况如下表（收益矩阵）：

N1(需求量大)N2(需求量小)S1(大批量生产)30-6S2(中批量生产)20-2S3(小批量生产)105自然状态行动方案第五页，共五十四页，编辑于2023年，星期五6一、最大最小准则（悲观准则）决策者从最不利的角度去考虑问题：先选出每个方案在不同自然状态下的最小收益值（最保险），然后从这些最小收益值中取最大的，从而确定行动方案。

用(Si,Nj)表示收益值§1不确定情况下的决策第六页，共五十四页，编辑于2023年，星期五7二、最大最大准则（乐观准则）决策者从最有利的角度去考虑问题：先选出每个方案在不同自然状态下的最大收益值（最乐观），然后从这些最大收益值中取最大的，从而确定行动方案。

用(Si,Nj)表示收益值§1不确定情况下的决策第七页，共五十四页，编辑于2023年，星期五8三、等可能性准则(Laplace准则)

决策者把各自然状态发生的机会看成是等可能的：设每个自然状态发生的概率为1/事件数，然后计算各行动方案的收益期望值。

用E(Si)表示第I方案的收益期望值§1不确定情况下的决策第八页，共五十四页，编辑于2023年，星期五9四、乐观系数(折衷)准则(Hurwicz胡魏兹准则)

决策者取乐观准则和悲观准则的折衷：先确定一个乐观系数（01），然后计算：CVi=max[(Si,Nj)]+（1-）min[(Si,Nj)]

从这些折衷标准收益值CVi中选取最大的，从而确定行动方案。取=0.7§1不确定情况下的决策第九页，共五十四页，编辑于2023年，星期五10五、后悔值准则（Savage沙万奇准则）决策者从后悔的角度去考虑问题：把在不同自然状态下的最大收益值作为理想目标，把各方案的收益值与这个最大收益值的差称为未达到理想目标的后悔值，然后从各方案最大后悔值中取最小者，从而确定行动方案。

用aij’表示后悔值，构造后悔值矩阵：§1不确定情况下的决策第十页，共五十四页，编辑于2023年，星期五11

特征：1、自然状态已知；2、各方案在不同自然状态下的收益值已知；3、自然状态发生的概率分布已知。一、最大可能准则在一次或极少数几次的决策中，取概率最大的自然状态，按照确定型问题进行讨论。§2风险型情况下的决策第十一页，共五十四页，编辑于2023年，星期五12二、期望值准则根据各自然状态发生的概率，求不同方案的期望收益值，取其中最大者为选择的方案。

E(Si)=P(Nj)(Si,Nj)§2风险型情况下的决策第十二页，共五十四页，编辑于2023年，星期五13三、决策树法具体步骤：(1)从左向右绘制决策树；(2)从右向左计算各方案的期望值，并将结果标在相应方案节点的上方；(3)选收益期望值最大(损失期望值最小)的方案为最优方案，并在其它方案分支上打∥记号。主要符号

决策点方案节点结果节点§2风险型情况下的决策第十三页，共五十四页，编辑于2023年，星期五14前例根据下图说明S3是最优方案，收益期望值为6.5。决策S1S2S3大批量生产中批量生产小批量生产N1(需求量大)；P(N1)=0.3N1(需求量大)；P(N1)=0.3N1(需求量大)；P(N1)=0.3N2(需求量小)；P(N2)=0.7N2(需求量小)；P(N2)=0.7N2(需求量小)；P(N2)=0.730-62010-254.84.66.56.5§2风险型情况下的决策第十四页，共五十四页，编辑于2023年，星期五15四、灵敏度分析研究分析决策所用的数据在什么范围内变化时,原最优决策方案仍然有效.

前例取P(N1)=p,P(N2)=1-p.那么

E(S1)=p30+(1-p)(-6)=36p-6p=0.35为转折概率

E(S2)=p20+(1-p)(-2)=22p-2实际的概率值距转

E(S3)=p10+(1-p)(+5)=5p+5折概率越远越稳定E(S1)E(S2)E(S3)010.35p取S3取S1§2风险型情况下的决策第十五页，共五十四页，编辑于2023年，星期五16

§2风险型情况下的决策

在实际工作中，如果状态概率、收益值在其可能发生的变化的范围内变化时，最优方案保持不变，则这个方案是比较稳定的。反之如果参数稍有变化时，最优方案就有变化，则这个方案就不稳定的，需要我们作进一步的分析。就自然状态N1的概率而言，当其概率值越远离转折概率，则其相应的最优方案就越稳定；反之，就越不稳定。第十六页，共五十四页，编辑于2023年，星期五17五、全情报的价值（EVPI）全情报：关于自然状况的确切消息。在前例，当我们不掌握全情报时得到S3是最优方案，数学期望最大值为0.3*10+0.7*5=6.5万记为EVW0PI。若得到全情报：当知道自然状态为N1时，决策者必采取方案S1，可获得收益30万，概率0.3；当知道自然状态为N2时，决策者必采取方案S3，可获得收益5万,概率0.7。于是，全情报的期望收益为

EVWPI=0.3*30+0.7*5=12.5万那么，EVPI=EVWPI-EVW0PI=12.5-6.5=6万即这个全情报价值为6万。当获得这个全情报需要的成本小于6万时，决策者应该对取得全情报投资，否则不应投资。注：一般“全”情报仍然存在可靠性问题。§2风险型情况下的决策第十七页，共五十四页，编辑于2023年，星期五18六、具有样本情报的决策分析（贝叶斯决策）先验概率：由过去经验或专家估计的将发生事件的概率；后验概率：利用样本情报对先验概率修正后得到的概率；在贝叶斯决策法中，可以根据样本情报来修正先验概率，得到后验概率。如此用决策树方法，可得到更高期望值的决策方案。在自然状态为Nj的条件下咨询结果为Ik的条件概率，可用全概率公式计算再用贝叶斯公式计算条件概率的定义：乘法公式§2风险型情况下的决策第十八页，共五十四页，编辑于2023年，星期五19例3、（在例2基础上得来）某公司现有三种备选行动方案。S1：大批量生产；S2：中批量生产；S3：小批量生产。未来市场对这种产品需求情况有两种可能发生的自然状态。N1

：需求量大；N2

：需求量小，且N1的发生概率即P(N1)=0.3；N2的发生概率即P(N2)=0.7。经估计，采用某一行动方案而实际发生某一自然状态时，公司的收益下表所示：§2风险型情况下的决策N1N2S130-6S220-2S3105

现在该公司欲委托一个咨询公司作市场调查。咨询公司调查的结果也有两种，I1

：需求量大；I2

：需求量小。并且根据该咨询公司积累的资料统计得知，当市场需求量已知时，咨询公司调查结论的条件概率如下表所示：自然状态条件概率调查结论N1N2I1P(I1/N1)=0.8P(I1/N2)=0.1I2P(I2/N1)=0.2P(I2/N2)=0.9

我们该如何用样本情报进行决策呢?如果样本情报要价3万元，决策是否要使用这样的情报呢？第十九页，共五十四页，编辑于2023年，星期五20

图-3

当用决策树求解该问题时，首先将该问题的决策树绘制出来，如图16-3。为了利用决策树求解，由决策树可知，我们需要知道咨询公司调查结论的概率和在咨询公司调查结论已知时,作为自然状态的市场需求量的条件概率。§2风险型情况下的决策第二十页，共五十四页，编辑于2023年，星期五21

首先，由全概率公式求得联合概率表：§2风险型情况下的决策联合概率N1N2由全概率求得I10.240.07P(I1)=0.31I20.060.63P(I2)=0.69

然后，由条件概率公式P(N/I)=P(NI)/P(I)求得在调查结论已知时的条件概率表：条件概率P(N/I)N1N2I10.77420.2258I20.08700.9130

最后，在决策树上计算各个节点的期望值，结果如图-4，结论为：当调查结论表明需求量大时，采用大批量生产；当调查结论表明需求量小时，采用小批量生产。第二十一页，共五十四页，编辑于2023年，星期五22

10.530221.87125.435图-4§2风险型情况下的决策第二十二页，共五十四页，编辑于2023年，星期五23

§2风险型情况下的决策

由决策树上的计算可知，公司的期望收益可达到10.5302万元，比不进行市场调查的公司收益6.5万元要高，其差额就是样本情报的价值，记为EVSI。EVSI=10.5302-6.5=4.0302(万元)

所以当咨询公司市场调查的要价低于4.0302万元时，公司可考虑委托其进行市场调查，否则就不进行市场调查。在这里，因为公司要价3万元，所以应该委托其进行市场调查。进一步，我们可以利用样本情报的价值与前面的全情报的价值(EVPI)的比值来定义样本情报的效率，作为样本情报的度量标准。样本情报效率=EVSI/EVPI*100%

上例中，样本情报价值的效率为4.0302/6*100%=67.17%，也就是说，这个样本情报相当于全情报效果的67.17%。多级（两级）决策树问题如将前面两个决策树进行合并，可以得到一个两级决策问题：首先决策是否要进行市场调查；然后根据调查结果如何安排生产。决策树的求解结果如图-5。第二十三页，共五十四页，编辑于2023年，星期五247.536.510.53-3S4:不搞市场调查S5:搞市场调查1图-5第二十四页，共五十四页，编辑于2023年，星期五25效用：衡量决策方案的总体指标，反映决策者对决策问题各种因素的总体看法。使用效用值进行决策：首先把要考虑的因素折合成效用值，然后用决策准则下选出效用值最大的方案，作为最优方案。例3：求下表显示问题的最优方案（万元）:

某公司是一个小型的进出口公司，目前他面临着两笔进口生意，项目A和B，这两笔生意都需要现金支付。鉴于公司目前财务状况，公司至多做A、B中的一笔生意，根据以往的经验，各自然状态商品需求量大、中、小的发生概率以及在各自然状况下做项目A或项目B以及不作任何项目的收益如下表：§3效用理论在决策中的应用第二十五页，共五十四页，编辑于2023年，星期五26用收益期望值法：

E(S1)=0.360+0.540+0.2(-100)=18万

E(S2)=0.3100+0.5（-40）+0.2(-60)=-2万

E(S3)=0.30+0.50+0.20=0万得到S1

是最优方案，最高期望收益18万。一种考虑：

由于财务情况不佳，公司无法承受S1中亏损100万的风险，也无法承受S2中亏损50万以上的风险，结果公司选择S3，即不作任何项目。用效用函数解释：把上表中的最大收益值100万元的效用定为10，即U(100)=10；最小收益值-100万元的效用定为0，即U(-100)=0。对收益60万元确定其效用值：设经理认为使下两项等价的p=0.95(1)得到确定的收益60万；(2)以p的概率得到100万，以1-p的概率损失100万。

计算得：U（60）=p*U(100)+(1-p)*U(-100)=0.95*10+0.05*0=9.5。§3效用理论在决策中的应用第二十六页，共五十四页，编辑于2023年，星期五27

类似地，设收益值为40、0、-40、-60。相应等价的概率分别为0.90、0.75、0.55、0.40，可得到各效用值：

U(40)=9.0；U(0)=7.5；U(-40)=5.5；U(-60)=4.0我们用效用值计算最大期望，如下表：一般，若收益期望值能合理地反映决策者的看法和偏好，可以用收益期望值进行决策。否则，需要进行效用分析。收益期望值决策是效用期望值决策的一种特殊情况。说明如下：§3效用理论在决策中的应用第二十七页，共五十四页，编辑于2023年，星期五28

§3效用理论在决策中的应用

以收益值作横轴，以效用值作纵轴，用A、B两点作一直线，其中A点的坐标为(最大收益值，10)，B点的坐标为(最小收益值，0)，如果某问题的所有的收益值与其对应的效用值组成的点都在此直线上，那么用这样的效用值进行期望值决策是和用收益值进行期望值决策的结果完全一样。以上面的例子作图如下：-100100202060602610BA收益值效用值

直线方程为：y=5/100*x+5,于是求得：U(-60)=2,U(-40)=3,U(0)=5,U(40)=7,U(60)=8,用这样的效用值，进行期望值决策，见表-10。第二十八页，共五十四页，编辑于2023年，星期五29

§3效用理论在决策中的应用

自然状态行动方案需求量大N1(P=0.3)需求量大N2(P=0.5)需求量大N3(P=0.2)E[U(Si)]做项目AS18705.9←max做项目BS210324.9不做任何项目S35555表-10单位：万元

回顾一下，当我们对收益值进行期望值决策时，知：E(S1)=18,E(S2)=-2,E(S3)=0,E[U(S1)]=5.9,E[U(S2)]=4.9,E[U(S3)]=5,实际上后面的值也是由直线方程E[U(Si)]=5/100*[E(Si)]+5决定的，即有：E[U(S1)]=5/100*[E(S1)]+5=5.9；E[U(S2)]=5/100*[E(S2)]+5=4.9E[U(S3)]=5/100*[E(S3)]+5=5，所以用这两种方法决策是同解的。第二十九页，共五十四页，编辑于2023年，星期五30期望收益与风险是正相关的，为什么在风险决策时会把风险忘记？MortonDavis的《TheartofDecision-Making》（1986）一个风险决策案例有一风险投资机会，成功和失败的概率均为0.5，你每投资1元，成功则可获得1.6元的利润(原投资本金仍归还给你)，失败收益为0，损失投资1元。开始的资金是100万元，投资次数和投资额不限。你如何投资？最后是赢是输？第三十页，共五十四页，编辑于2023年，星期五31为了不把钱输光，你总是拿你所持有的一半去投资，可一直投下去。假设你只是准备投资10000次，最后的资金是多少？可能性是多大？一部分同学认为这是一个绝好的投资机会，因为：假设初始投资为a元，一期投资后的资本有两种：若成功：资本为：a1=a+1.6(a/2)=1.8a若失败：资本为：a2=a/2一期投资后的期望资本为：E1=0.5(1.8a+0.5a)=1.15a如此递推：二期投资后的期望资本为：E2=1.15E1投资10000次后的期望资本为：E10000=1.1510000a1.15100=1174313，1.1510000=10606真是个比天文数字还天文的数字！乐观派认为资本期望值为无穷大，平均说投资会赢第三十一页，共五十四页，编辑于2023年，星期五32另一部分同学认为这是一个陷阱，因为：投资的胜负率均为0.5，投资10000次，输和赢的次数很可能都接近5000次，初始输和赢的资本值分别为：0.5a和1.8a，根据乘法的交换率和结合率，在胜负次数确定的情况下，投资胜负的顺序如何是没有关系的。（请递推10次看看规律）假设总投资次数为n次，胜负各半，投资n次后的资本额变为：a（1.8）n/2

（0.5）n/2=a（0.9）n/2若初始资本为100万元，则360次投资后的资本值为：1000000（0.9）180=0.0058请大家计算一下：投资10次后的各种可能结果。两种极端的资本值：全输：0.510a，全赢：1.810a第三十二页，共五十四页，编辑于2023年，星期五33假定投资N次中有n次赢，开始有a元，最后有：aN=a（1.8）n

（0.5）N-n如果要使投资者不输，则需要赢的次数为：aN=a（1.8）n

（0.5）N-n≥a即：（1.8）n

（0.5）N-n≥1，（1.8）n

≥（2）N-n即：n≥0.5411N。然而，在输赢各为0.5的情况下，成功次数大于0.5411N的可能性几乎为零。假定：N=10000，p=0.5，q=0.5，则可以用正态分布作为伯努利实验概率分布的近似估计。因为σ=（Npq）1/2所以，成功次数大于5411的概率为：P(n>5411)=p(x>8σ|x~N(0,σ))≈10-15悲观派所说的不是期望值，而是多次投资后持有的实际资本，投资10000次赢的概率微乎其微，并没说资本期望值为零。10-15到底有多小？我们可以设想全世界有100亿人1010，每人有10万根头发105上，全世界合计有1015根头发。如果请你在太平洋里随机抓住一根事先做有标记的头发，概率是多大？第三十三页，共五十四页，编辑于2023年，星期五34大家时常会混淆期望值和可能性这两个概念，强调期望值，而忽视其实现的可能性。不同投资次数赢的概率：N=1000，P(n>541)=p(x>2.6σ|x~N(0,σ))≈0.005N=100，P(n>54)=p(x>0.8σ|x~N(0,σ))≈0.21N=10，P(n>5.4)=p(n>5)≈0.38N=1，P(n>0.54)=p(n>0.5)=0.5如何改变投资策略才能最终赢？改变投资比例，可设现有资金为a，投资比例为α一期投资的期望资本E1=0.5a[(1+1.6α)+(1-α)]=a(1+0.3α)设N次投资n次赢，则N次投资后的持有资本为：aN=a(1+1.6α)n(1-α)N-n考虑

p=0.5，故可令n=N/2，则aN=a(1+1.6α)n(1-α)n求aN的极值，有：α=3/16≈0.1875，aN=a1.056n>a1.0562=1.115,1.0565=1.313,1.05610=1.724,1.05615=2.2641.05620=2.97,1.05650=15.274,1.056100=232.48,1.0561000=4.6e23第三十四页，共五十四页，编辑于2023年，星期五35不同的人有不同的对待风险的态度托马斯•杰菲逊（美国第三任总统，《独立宣言》起草人）的忠告：今天能做的事情绝对不要推到明天自己能做的事情绝对不要麻烦别人绝不要花还没有到手的钱绝不要贪图便宜购买你不需要的东西绝不要骄傲，那比饥饿和寒冷更有害不要贪食，吃得过少不会使人懊恼不要做勉强的事情，只有心甘情愿才能把事情做好对于不可能发生的事情不要庸人自扰凡事要讲究方式方法当你气恼时，先数到10再说话；如果还是气恼，那就数到100第三十五页，共五十四页，编辑于2023年，星期五36约翰•丹佛（美国硅谷著名股票经纪人，家喻户晓的亿万富翁）的生活原则：今天的事情如果放到明天去做，你就会发现结果可能全然不同，尤其是买卖股票的时候别人能做的事情，我绝对不会自己动手去做，因为我相信，只有别人做不了的事才值得我去做如果能化别人的钱来为自己赚钱，我就绝不从自己口袋里掏一个子我经常在商品打折的时候去买很多东西，哪怕那些东西现在不用，可总有用得着的时候，这是一个基本的预测功能，就像我只在股票低迷的时候买进，需要的是同样的预测功能第三十六页，共五十四页，编辑于2023年，星期五37很多人认为我是一个狂妄自大的人，这有什么不对呢？我的父母和朋友都在为我骄傲，我看不出我有什么理由不为自己骄傲，我做得很好，我成功了我从来不认为节食这么无聊的话题有什么值得讨论的。哪怕是为了让我们的营养学家高兴，我也要做出喜欢美食的样子。事实上，我的确喜欢美妙的食物，我相信大多数人都有和我一样的喜好我常常不得不做我不喜欢的事。我想在这个世界上，我们都没有办法完全按照自己的意愿做事，我的理想是当一个音乐家，最后却成为一个股票经纪人我常常预测灾难的发生，哪怕那个灾难的可能性在别人看来几乎为零。正是我的这种本能，使我的公司能够在美国的历次金融危机中安然逃生我认为只要目的确定，就不惜代价去实现它。至于手段，在这个时代，人们只重视结果，谁去在乎手段呢？我从不隐瞒我的个人爱好，以及我对一个人的看法，尤其是当我气恼的时候，我一定要用大声吼叫的方式发泄出来第三十七页，共五十四页，编辑于2023年，星期五384、多样化把资源放在风险相关程度不同的项目上，实行多元化经营，不要把鸡蛋放在一个篮子里。多元化经营，海尔（空调～冰箱～洗衣机～电脑等）多元化投资，对冲基金但多元化经营也会带来成本的增加，面对多元市场的风险熟悉的领域，围绕核心技术进行第三十八页，共五十四页，编辑于2023年，星期五39索尼公司大举进军中国娱乐业？曾经在好莱坞“兴风作浪”的日本索尼公司的下一个进军目标很可能就是中国的娱乐市场。索尼宣布将在3年内向中国影视业投资1亿美元索尼集团前些年斥巨资收购了美国哥伦比亚电影公司，从此进入娱乐业，最近更是拍出了《蜘蛛侠》、《卧虎藏龙》等卖座影片，不但进一步奠定了其集电子、IT、游戏、娱乐于一身的巨头形象，也为它的业绩拉动起到了很大作用第三十九页，共五十四页，编辑于2023年，星期五40春兰的多元化“没有空调，就没有春兰”，春兰在家电圈除了空调，还有冰箱、洗衣机、彩电、电脑之类产品。春兰电视和春兰电脑在市场上始终难觅芳踪1994年底，春兰投资20多亿元兴建了年产100万辆摩托车和100万辆摩托车发动机的生产线，迈出了春兰多元化经营的第一步第四十页，共五十四页，编辑于2023年，星期五41春兰的多元化春兰摩托车问世后不久，1997年春兰兼并了南京东风汽车制造厂—一个也曾有过辉煌历史的中型卡车专业生产基地。直到2001年2月，几乎让所有人眼前一亮的春兰豪华卡车得以面世。气派的春兰豪华卡车彻底改写了中国卡车的低俗形象，也让外界对春兰的多元化另眼相看2001年当年，春兰中型载货汽车产销量在全国范围内仅次于一汽、东风，名列第三2002年，春兰集团在北京召开“高能动力镍氢电池及应用发布会”。高能动力镍氢电池，一个当今最具环保意义、对春兰来说又是跨度更大的新产业，正式成为春兰多元化产业集群的“新军”。同时，以此类高能动力镍氢电池作为动力的春兰电动自行车，也成为春兰多元化战略的一支“轻骑兵”。第四十一页，共五十四页，编辑于2023年，星期五42五粮液也要造汽车了在这个有春兰、红塔、波导、美的、新飞和奥克斯的造车计划纷纷启动的时候，五粮液试水般的以生产汽车模具开启了进军汽车制造业之路五粮液在多元化方面屡遭挫折：1997年建成的5万吨酒精生产线刚投产就告夭折；最初被称为“亚洲第一流”的制药集团无疾而终；“安培纳丝”亚洲威士忌项目上白白丢掉了几千万元，目前陷入停产……

第四十二页，共五十四页，编辑于2023年，星期五43

§4层次分析法

层次分析法是由美国运筹学家T.L.沙旦于20世纪70年代提出的，是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。

一、问题的提出

例：一位顾客决定要购买一套新住宅，经过初步调查研究确定了三套候选的房子A、B、C，问题是如何在这三套房子里选择一套较为满意的房子呢？为简化问题，我们将评判房子满意程度的10个标准归纳为4个：1、住房的地理位置2、住房的交通情况3、住房的附近的商业、卫生、教育情况4、住房小区的绿化、清洁、安静等自然环境5、建筑结构6、建筑材料7、房子布局8、房子设备9、房子面积10、房子每平方米建筑面积的价格1、房子的地理位置与交通2、房子的居住环境3、房子的布局、结构与设施4、房子的每平方米建筑面积的单价第四十三页，共五十四页，编辑于2023年，星期五44§4层次分析法

二、层次结构图该问题的层次结构图如图-7所示：满意的房子每平方米单价结构、布局、设施居住环境地理位置及交通购买房子A购买房子B购买房子C目标层标准层决策方案层图-7第四十四页，共五十四页，编辑于2023年，星期五45§4层次分析法

三、标度及两两比较矩阵相对重要性标度：各个标准或在某一标准下各方案两两比较求得的相对权重，如表16-11所示。标度aij定义1i因素与j因素相同重要3i因素比j因素略重要5i因素比j因素较重要7i因素比j因素非常重要9i因素比j因素绝对重要2，4，6，8为以上两判断之间中间状态对应的标度值倒数若j因素与i因素比较，得到的判断值为aji=1/aij表16-11第四十五页，共五十四页，编辑于2023年，星期五46§4层次分析法

由标度aij为元素构成的矩阵称为两两比较矩阵。如我们用单一标准“房子的地理位置及交通状况”来评估三个方案，从两两比较的方法得出两两比较矩阵，如表-12所示。房子的地理位置及交通房子A房子B房子C房子A房子B房子C11/21/8211/6861表-12

四、求各因素权重的过程求各因素权重的方法有规范列平均法、方根法、幂乘法等，这里以选择房子的决策为例介绍规范列平均法。第一步,先求出两两比较矩阵的每一元素每一列的总和，如表-13所示。第四十六页，共五十四页，编辑于2023年，星期五47§4层次分析法

第二步,把两两比较矩阵的每一元素除以其相对应列的总和，所得商称为标准两两比较矩阵，如表-14所示。第三步，计算标准两两比较矩阵的每一行的平均值，这些平均值就是各方案在地理位置及交通方面的权重，如表-15所示。地理位置及交通状况房子A房子B房子C房子A房子B房子C11/21/8211/6861列总和13/819/615地理位置及交通状况房子A房子B房子C房子A房子B房子C8/134/131/1312/196/191/198/156/151/15地理位置及交通状况房子A房子B房子C行平均值房子A房子B房子C0.6150.3080.0770.6310.3160.0530.5330.4000.0670.5930.3410.066表-15表-13表-14

我们称[0.593，0.341，0.066]为房子选择问题中地理位置及交通方面的特征向量。第四十七页，共五十四页，编辑于2023年，星期五48§4层次分析法

同样，我们可以求得在居住环境、房子结构布局和设施、房子每平方米单价方面的两两比较矩阵如表-16所示。居住环境结构布局设施每平方米单价房子A房子B房子C房子A房子B房子C房子A房子B房子C房子A房子B房子C1341/3121/41/211461/4131/61/31131/41/311/7471表-16

同样，我们可以从表-16的两两比较矩阵求得房子A、B、C三个方案在居住环境、结构布局设施、每平方米单价等方面的得分（权重），即这三个方面的特征向量，如表-17所示。居住环境结构布局设施每平方米单价房子A房子B房子C0.1230.3200.5570.0870.2740.6390.2650.6550.080表-17第四十八页，共五十四页，编辑于2023年，星期五49§4层次分析法

另外，我们还必须取得每个标准在总目标满意的房子里的相对重要程度，即要取得每个标准相对的权重，即标准的特征向量。四个标准的两两比较矩阵如表-18所示。标准地理位置及交通居住环境结构布局设施每平米单价地理位置及交通居住环境结构布局设施每平米单价11/21/31/2211/22341421/21/41表-18

通过两两比较矩阵，我们同样可以求出标准的特征向量如下所示：[0.398，0.218，0.085，0.299