07-AHP层次分析法(AHP层次分析法具体步骤和案例) ypxx.net

用人话讲明白层次分析法(AHP)(详细原理+工具实现)

1、前言与算法简述

层次分析法,全称AnalyticHierarchy Process,缩写AHP。它是做多准则决策时最常用的办法之一:几个方案摆在那儿,评价的角度有好几个,而且这些角度往往互相打架,谁也说不服谁,这时候就该它出场了。

把它讲成人话:与其一上来就拍板"选哪个",不如退一步,先问"我到底看重什么、看重到什么程度",再逐个角度看"这几个方案在这个角度上谁更好",最后把两张表一乘,谁总分高谁上。整个过程的关键动作只有一个——两两比较。人脑一次比较两样东西是靠谱的,一次排十样东西是糊涂的,AHP就是把"一次排十样"拆成很多次"比两样"。

怎么理解这件事?来看实验室买服务器。

课题组拿到一笔经费,要添一台机器,候选有四台:品牌整机、自己攒的高配机、云主机租赁、二手工作站。麻烦在于四个角度各有各的冠军:

·论价格,二手工作站最便宜;

·论性能,自攒高配最强;

·论售后,品牌整机有保障;

·论能耗,云主机最省电。

谁都不占全。师兄说性能最重要,师姐说售后不能省,导师问了一句"那性能到底比售后重要多少"——全场安静。这句话问的正是AHP的核心:把"我觉得性能重要"变成"性能是售后的三倍重要",再让这个数字一路算到最后。

实验室里几台机器各有强项、各有短板,正是AHP要处理的局面。

AHP的作用有三层:

第1个作用——把糊涂的"权衡"拆成一张层次图。

最上面是目标(选哪台服务器),中间是准则(价格、性能、售后、能耗),最下面是方案(四台机器)。先把问题摆成这个三层结构,后面每一步才有位置可放。

第2个作用——用"两两比较"把重要性量化。

不直接给四个准则打分,而是两两比:性能和价格比,谁重要、重要多少;性能和售价比,再问一遍。填进一张判断矩阵,用一个特征向量就能算出四个准则各占多少权重。方案在每个准则下也照样比一遍。

第3个作用——当场检查你有没有自相矛盾。

这是很多人忽略、但AHP最值钱的地方。你说性能比价格重要、价格比售后重要、售后又比性能重要,绕了一圈自己打自己脸——AHP用一个叫CR的比率当场抓出来。CR小于0.1才算通过,权重才能往下用。

下面先用一个小例子把这套流程手推一遍,再回到四台服务器的完整案例。

2、层次分析法的计算过程

(1)把决策拆成三层

先把问题画成三层:目标层只有一个(选服务器),准则层放评价角度,方案层放候选。准则可以再往下分,但入门先掌握一层准则就够用。

手推时把范围缩小:准则只留三个——价格、性能、售后;方案只留两个——A整机、B自攒。这样矩阵是3阶和2阶,数小,能一步步跟住。真实案例的四个准则、四个方案放到第3节。

(2)两两比较:1–9标度怎么打分

AHP用Saaty1–9 标度给"重要多少"定scale:

规律只有一条:A比B记,则B比A就记;自己和自己比永远是1。这样一张矩阵填好上三角,下三角自动就是倒数。

准则层的判断矩阵如下(行是"谁",列是"跟谁比"):

读法:"性能vs价格=2",意思是性能比价格稍微重要(介于1和3之间,取2);"价格vs售后=2",价格比售后稍微重要;"性能vs售后=3",性能明显比售后重要。这张矩阵自洽吗?算完权重再验。

(3)和积法:从矩阵里榨出权重

矩阵填好了,怎么变成"价格占三成、性能占五成"这样的权重?常用的有特征值法和和积法。特征值法精确但手算麻烦,和积法几步加减乘除就能手推,结果非常接近。手推用和积法,工具默认往往用特征值法,4阶矩阵两者差不到万分之几。

和积法分三步。

第1步:每一列归一化,即每个数除以所在列的和。三列的和分别是

于是"性能vs价格"这一格变成,"性能vs性能"变成,"性能vs售后"变成。整张归一化矩阵是

第2步:每一行取平均,得到该行的权重。价格行:

性能行,售后行。三个数加起来正好是1。这就是准则权重:性能约54%,价格约30%,售后约16%。师兄的"性能最重要"被翻译成了一个可以往下算的数。

(4)一致性检验:查你有没有自相矛盾

判断矩阵是人填的,填着填着就可能前后打架。AHP用一致性比率CR来查。先算最大特征值:把原矩阵乘权重向量,结果的每个分量除以对应权重,再取平均。对上面这张矩阵算得

完全一致的矩阵应该正好等于阶数,多出来的一点就是"不一致的部分"。于是定义

是随机一致性指标,查表得3阶矩阵,所以

判据只有一句:CR< 0.1 就通过。0.0079远小于0.1,这张矩阵可以放心用。、的矩阵永远一致,不用检验;从3阶起才需要查。

(5)加权合成:从局部权重到总排序

方案层要在每个准则下各比一次。两个方案比,矩阵是2阶,权重直接读出来:

·价格:B比A便宜得多(Avs B = 1/4),得A0.2000、B0.8000;

·性能:B比A强(Avs B = 1/2),得A0.3333、B0.6667;

·售后:A比B好(Avs B = 4),得A0.8000、B0.2000。

这六个数就是"局部权重"——只在某个准则内部有意义。把它们和准则权重对应相乘再求和,就是总排序:

B自攒以0.6299胜出。注意B在售后一项上只有0.2,是明显短板,但性能和价格两项的优势把它顶了上去。这就是AHP的完整逻辑:先分层,再两两比较出两层权重,查一致性,最后加权合成。

左图是三层结构,右图把方案的局部权重与准则权重逐项对上:售后一项A反超,但价格、性能两项B领先,合成后B胜出。

3、案例以及工具实现

3.1四个方案、四个准则的采购难题

回到实验室的真实采购。候选方案四个:A品牌整机、B自攒高配、C云主机租赁、D二手工作站。准则四个:价格(越低越好)、性能(越高越好)、售后(越好越好)、能耗(越低越好)。

和手推示例相比,只是从3准则×2 方案扩到4准则×4 方案,流程一模一样:建1个4×4的准则层矩阵,再建4个4×4的方案层矩阵,共5张矩阵。矩阵由课题组成员两两比较后填写,标度仍是Saaty1–9。

3.2把判断矩阵交给dabbitAI

在dabbitAI左侧工具栏选「层次分析法(AHP)」。这个模块的参数面板比前几篇工具都丰富,逐项对照着设:

左侧参数决定算法怎么算,右侧把准则、方案、矩阵和交付要求一次写清。

参数面板特写:权重计算方法、CR阈值、标度类型、综合方式与扰动比例都在这里定。

参数定好,把问题写进右侧提问框。矩阵写成"每行一组数"的文本,工具能直接读:

用AHP层次分析法做服务器采购优选。方案:A品牌整机、B自攒高配、C云主机、D二手工作站。准则:价格、性能、售后、能耗。Saaty1–9 标度,判断矩阵每行依次对应[价格,性能,售后,能耗]或[A,B,C,D]。 准则层:价格 1,1/2,2,3;性能2,1,3,4;售后1/2,1/3,1,2;能耗1/3,1/4,1/2,1价格准则:A1,1/5,1/3,1/7;B5,1,2,1/2;C3,1/2,1,1/3;D7,2,3,1 性能准则:A1,1,2,7;B1,1,3,9;C1/2,1/3,1,3;D1/7,1/9,1/3,1 售后准则:A1,5,2,5;B1/5,1,1/3,1;C1/2,3,1,3;D1/5,1,1/3,1 能耗准则:A1,2,1/3,1/2;B1/2,1,1/5,1/2;C3,5,1,2;D2,2,1/2,1 请输出五张矩阵各自的权重、、CI、CR,层次总排序保留4位小数和总排序CR,再把性能权重下调10%重算一次排序。

3.3怎么读这份报告

报告是分块给的,按一致性、准则、方案、总排序、敏感性这个顺序读,每一块都对应第2节手推的一步。

第一块,先确认五张矩阵都通过了检验。报告列了准则层和四个方案层的、CI、RI、CR:准则层CR=0.0115,四个方案层分别是0.0071、0.0058、0.0015、0.0151,全部小于0.1。这一步不过,后面的权重一个都不能用——矩阵自相矛盾,算出来的权重没有意义。工具在这里还附了一张五个矩阵的热图,对角线恒为1、上下三角镜像,是正互反性的直观检查。

热图的上下三角呈镜像,对角线恒为1,说明互反性无误;各子图标出的CR都小于0.10。

第二块,看准则权重,它决定后面排序的走向。性能 0.4673、价格0.2772、售后0.1601、能耗0.0954。性能一项就占了46.73%,接近一半,所以最后的排序基本由性能和价格主导,售后与能耗更多是修正。这跟手推示例的结论一致:把"性能最重要"量化出来之后,它就成了整篇文章的主线。

准则层权重条形图:性能约占46.73%,价格约占27.72%,售后与能耗合计约四分之一。

第三块,看方案在四个准则下各自的得分。报告给了两张表和一张分组柱状图。四行数据里藏着一个规律:每个方案都有一项突出优势,也各有一项明显短板。

按准则分组的局部权重:D二手价格最高、B自攒性能最强、A整机售后最优、C云主机能耗领先。

第四块,看总排序。用准则权重把上面的局部权重加权合成:B自攒0.3052、A整机0.2849、C云主机0.2105、D二手0.1994。B第一,A第二,但两者只差0.0203。报告还单独算了总排序的CR=0.0064,同样通过——它检查的是"把五张各自一致的矩阵拼起来,整体是否还一致"。

第五块,看敏感性分析,这是判断结论能不能落地的关键。报告把性能权重从0.4673下调10%到0.4206,腾出的0.0467按其余三个准则的原比例分摊(价格+0.0243、售后+0.0140、能耗+0.0084)。结果B自攒得分降到0.2944,但四个方案的名次一个没变。这说明"选B"这个结论对性能权重的小幅波动不敏感,可以拿去汇报。

圆点是原始得分,菱形是降权后的得分,连线短说明结论对权重不敏感;四方案名次降权前后一致。

3.4三个容易踩的坑

坑一:CR通过,不代表权重就是对的。CR只检查"你有没有自相矛盾",不检查"你的判断符不符合事实"。性能比售后重要三倍,这是你的判断,矩阵自洽只能说明你没绕晕自己,不能说明这个三倍符合实验室的真实需求。矩阵是谁填的、依据什么填的,比CR本身重要得多。

坑二:分差小的时候别把第一名说成唯一答案。本例前两名只差 0.0203,B和A的强弱项又正好互补。报告在讨论部分特意提醒:预算紧张时D二手的价格优势(0.4905)会被放大,看重运维时A整机的售后优势(0.5183)更值钱。综合得分适合做初筛,不适合当唯一标准。

坑三:准则之间如果相关,加权合成的前提就松了。性能和能耗在物理上是有联系的——通常越强越费电。AHP默认各准则相互独立,直接线性加权。若准则间存在实质相关,得分会有重复计算。这一点报告也列进了局限,属于方法本身的边界,不是操作失误。

---

附录:dabbitAI分析报告

研究问题与分析依据

服务器采购优选需要在价格、性能、售后与能耗四个维度之间进行权衡,并为A品牌整机、B自攒高配、C云主机、D二手工作站四个备选方案给出可解释的排序。层次分析法(AHP)适用于此类多准则决策问题:将决策问题分解为目标层、准则层与方案层,通过Saaty1–9标度构造两两比较判断矩阵,以特征向量法提取局部权重,并用一致性比率检验判断的自洽性。本次分析将采购目标置于顶层,价格、性能、售后、能耗四个准则置于第二层,四个方案置于底层,共构建5个4×4判断矩阵,包括1个准则层矩阵与4个方案层矩阵。准则层判断矩阵每行依次对应价格、性能、售后、能耗,方案层矩阵每行依次对应A、B、C、D。其中价格与能耗为成本型指标(越低越好),性能与售后为效益型指标(越高越好);AHP通过对判断矩阵元素方向性的设定来体现这一区别,所得权重仅表示各准则或方案的相对重要性,不直接等同于指标量纲上的优劣。

数据处理方面,分数形式的标度(如1/3)在读取时统一换算为数值,随后对每个矩阵执行结构校验,检查元素是否全为正、主对角线是否等于1、上下三角是否互为倒数。校验结果显示所有矩阵违规计数为0,无需修正或插补。方案表包含方案、价格、性能、售后、能耗与总排序等关键列,四个准则列的数值之和均为1,可直接作为方案局部权重并与计算结果核对口径。局部权重由最大特征值对应的归一化特征向量给出,一致性指标按CI=(λmax−n)/(n−1)计算,一致性比率按CR=CI/RI计算,4阶矩阵取RI=0.90。在五个矩阵全部满足CR<0.10的前提下,将准则权重与各准则下的方案权重加权合成全局得分,得到层次总排序,并单独计算总排序CR。为进一步检验结论对权重假设的敏感性,设置情景分析:将性能权重下调10%,释放出的权重按其余三个准则原权重的比例分摊,观察排序是否发生变化。需要说明的是,当前结果未提供判断矩阵构造者的具体偏好访谈过程与备选方案的原始指标测量值,因此分析仅基于题面给定的判断矩阵展开。

主要结果

五个判断矩阵的特征值、一致性指标与局部权重如下表所示。准则层λmax=4.0310,CI=0.0103,CR=0.0115,通过一致性检验;权重由高到低为性能0.4673、价格0.2772、售后0.1601、能耗0.0954,性能权重接近总量的一半,价格次之,售后与能耗合计约四分之一。四个方案层矩阵的CR分别为0.0071、0.0058、0.0015与0.0151,均远低于0.10的容忍线。

上图以对数刻度绘制五个判断矩阵的热图,对角线恒为1,上下三角呈镜像的深浅关系,直观印证了正互反性无误;各子图标出的CR均小于0.10,说明判断者在各准则内部以及准则之间的比较均未出现明显的逻辑矛盾,所得权重具备可用性。

准则层权重条形图显示,性能一项约占46.73%,价格约占27.72%,售后与能耗分别约占16.01%与9.54%。这一权重结构意味着后续总排序将在较大程度上由性能与价格两个准则主导,售后与能耗更多起到修正作用。

将准则权重与方案局部权重加权合成,得到层次总排序结果如下表。B自攒以0.3052位居第一,A整机以0.2849位列第二,C云主机与D二手分别为0.2105与0.1994。总排序CR=0.0064(综合CI=0.0057,综合RI=0.9000),低于0.10,表明整体排序并非由相互矛盾的判断拼合而成。计算得分与表内总排序列的最大绝对偏差为0.0009,属于四舍五入范围内的口径差异,排序结论与表格一致。

从局部权重结构看,各方案均呈现明显的强项与弱项并存特征:D二手在价格准则下得分最高(0.4905),但性能仅0.0504;B自攒在性能上最强(0.4281),售后却仅0.0989;A整机售后最优(0.5183),价格却仅0.0601;C云主机在能耗上领先(0.4881),性能与价格均处中下游。强项与弱项相互抵消,使总排序得分被拉近,第一、二名分差仅0.0203。

上图中圆点表示原始权重下的全局得分,菱形表示性能权重下调后的得分,两点间连线越短说明结论对权重假设越不敏感。四个方案的名次在降权前后没有变化,表明排序结果具有较好的稳健性。

按准则分组的局部权重图进一步显示,每个方案各有一项突出优势而其余项偏弱,这一结构性特征正是总排序分差较小的直接原因,也提示单一综合得分不足以完全刻画方案差异。

情景分析将性能权重由0.4673下调10%至0.4206,释放出的0.0467按其余三个准则原权重比例分摊:价格增加0.0243、售后增加0.0140、能耗增加0.0084,调整后权重合计为1.0000。在此权重下最优方案仍为B自攒,得分为0.2944,四个方案的名次完全不变。

讨论

一致性检验结果构成了权重可用性的前提。五个矩阵的CR介于0.0015与0.0151之间,总排序CR为0.0064,均显著低于0.10的常用容忍线,说明判断者在准则重要性与方案两两比较上的判断具有内部一致性,权重合成过程中未引入明显的逻辑冲突。准则层权重显示性能接近总量的一半,这既反映采购需求中对算力的重视,也意味着最终排序对性能权重的设定较为敏感。情景分析正是针对这一点设计:在性能权重下调10%、其余准则按比例补足的条件下,B自攒仍保持首位,名次结构未发生任何变化,说明排序结论对性能权重的小幅变动不敏感。需注意的是,当前结果仅验证了10%单一方向的扰动,未提供更大范围或多准则同时变动的情景,因此稳健性结论应限定在这一扰动幅度内。

总排序的分差结构值得审慎解读。B自攒与A整机的得分差仅0.0203,相对于0.3052与0.2849的量级而言并不悬殊;D二手虽居末位,但其价格优势(0.4905)在所有方案的单项得分中最为突出。这种“各有强项、互有短板”的格局意味着综合得分更适合作为初筛依据,而非最终决策的唯一标准。实际采购中,若预算约束趋紧,D二手的价格优势可能被进一步放大;若对运维保障要求较高,A整机的售后优势(0.5183)则更具吸引力。当前结果未提供各准则的阈值约束、方案的总拥有成本明细以及使用场景的负载特征,因而无法在得分之外给出带约束的优选建议。

从方法层面看,本分析严格遵循AHP的标准流程,未对判断矩阵做修正或插补,结构校验违规计数为0,方案表四个准则列之和均为1,计算结果与表内局部权重、总排序列的最大绝对偏差分别为0.0011与0.0009,均在四舍五入范围内,说明矩阵数据与表格口径一致,结果可复现。局限性在于:判断矩阵由题面给定,其构造过程与判断者偏好来源当前结果未提供,权重的主观性无法通过统计手段进一步评估;此外,价格与能耗作为成本型指标,其方向性已在矩阵构造阶段体现,但未对指标间的潜在相关性(如性能与能耗的物理关联)进行检验,若准则之间存在实质相关,线性加权合成的独立性假设可能被削弱。

结论

基于Saaty1–9 标度构造的五个判断矩阵均通过一致性检验,准则层CR=0.0115,方案层CR介于0.0015与0.0151之间,层次总排序CR=0.0064,全部低于0.10,权重体系具备内部一致性与可用性。准则权重由高到低为性能0.4673、价格0.2772、售后0.1601、能耗0.0954。层次总排序结果为B自攒0.3052、A整机0.2849、C云主机0.2105、D二手0.1994,B自攒位居首位,但与A整机的差距仅0.0203。将性能权重下调10%并按原比例分摊至其余三个准则后,B自攒得分调整为0.2944,四个方案名次保持不变,表明排序结论在该扰动下具有稳健性。鉴于前两名分差较小且各方案强弱项分明,建议将本排序作为初筛依据,并结合预算约束与实际使用场景作进一步权衡;更大范围的权重扰动与准则相关性检验当前结果未提供,可作为后续分析的方向。