(综合评价模型-层次分析法模型) 市场上有三种笔记本电脑供用户选择,用户分别从性价比、外观设计、屏幕效果、运行速度、电池续航、散热效果等6个方面对这三种产品进行了打分,请建立层次分析模型,对购买何种笔记本电脑进行决策。 注:各项得分的满分都是5分。 品牌 性价比 外观设计 屏幕效果 运行速度 电池续航 散热效果 联想 3.5 3.9 3.7 4.3 3.3 3.1 戴尔 2.7 4.2 3.0 2.3 1.7 2.7 惠普 4.5 4.0 4.0 4.5 4.5 4.0 注:性价比、外观设计、屏幕效果、运行速度、电池续航、散热效果等6个因素的重要性两两比较自己主观设定即可。
时间: 2023-06-20 10:08:05 浏览: 55
层次分析法模型是一种常用的决策分析方法,通过将决策问题分层,从而构建出关键因素之间的层次结构,然后对各层次因素进行重要性排序,最终得出最优决策方案。
对于这个问题,我们可以将其分为两个层次:一级为笔记本电脑选择,二级为6个方面的评价因素。我们需要对这些评价因素进行重要性排序,然后计算出每种笔记本电脑在这些方面的综合得分,最后选取得分最高的笔记本电脑作为最优决策方案。
首先,我们需要对6个评价因素进行重要性排序。由于这是一个主观性的判断问题,我们可以通过两两比较,给出一个权重向量。比如说:
性价比:外观设计:屏幕效果:运行速度:电池续航:散热效果 = 3:2:4:2:1:1
接下来,我们可以计算每种笔记本电脑在每个评价因素上的加权得分,然后求和得到综合得分。比如说,对于联想笔记本电脑:
综合得分 = 3.5*3 + 3.9*2 + 3.7*4 + 4.3*2 + 3.3*1 + 3.1*1 = 46.5
同样的,我们可以计算出戴尔和惠普笔记本电脑的综合得分。最后,我们选取得分最高的笔记本电脑作为最优决策方案。
经过计算,我们可以得到:惠普笔记本电脑的综合得分最高,为61.5分,因此建议选择惠普笔记本电脑。
相关问题
用matlab解决(综合评价模型-层次分析法模型) 市场上有三种笔记本电脑供用户选择,用户分别从性价比、外观设计、屏幕效果、运行速度、电池续航、散热效果等6个方面对这三种产品进行了打分,请建立层次分析模型,对购买何种笔记本电脑进行决策。 注:各项得分的满分都是5分。 品牌 性价比 外观设计 屏幕效果 运行速度 电池续航 散热效果 联想 3.5 3.9 3.7 4.3 3.3 3.1 戴尔 2.7 4.2 3.0 2.3 1.7 2.7 惠普 4.5 4.0 4.0 4.5 4.5 4.0 注:性价比、外观设计、屏幕效果、运行速度、电池续航、散热效果等6个因素的重要性两两比较自己主观设定即可。
首先,我们需要确定层次结构,即将决策问题分解为多个层次,并将每个层次的因素按照其重要性排序。在本题中,我们可以将层次结构设计如下:
- 目标层:选择最佳笔记本电脑
- 准则层:性价比、外观设计、屏幕效果、运行速度、电池续航、散热效果
- 方案层:联想、戴尔、惠普
接下来,我们需要建立两两比较矩阵,以量化不同层次因素之间的重要性。假设我们将“性价比”视为最重要的准则,则我们可以得到以下两两比较矩阵:
$$
\begin{bmatrix}
1 & 5/7 & 3/7\\
7/5 & 1 & 1/2\\
7/3 & 2 & 1\\
\end{bmatrix}
$$
其中,矩阵中的元素表示行对应因素相对于列对应因素的重要性比较。例如,第一行第二列的5/7表示“外观设计”比“性价比”略微重要。矩阵中的对角线元素始终为1,表示自身与自身的重要性比较。由于矩阵是对称的,我们只需要填写上三角或下三角即可。
类似地,我们可以得到以下两两比较矩阵:
$$
\begin{bmatrix}
1 & 5/4 & 5/3 & 7/4 & 1/2 & 1/2\\
4/5 & 1 & 1/2 & 3/5 & 1/3 & 1/2\\
3/5 & 2 & 1 & 3/2 & 1/2 & 1/2\\
4/7 & 5/3 & 2/3 & 1 & 2/5 & 1/2\\
2 & 3 & 2 & 5/2 & 1 & 1\\
2 & 2 & 2 & 2 & 1 & 1\\
\end{bmatrix}
$$
该矩阵表示准则层中各个因素之间的重要性比较。例如,第一行第二列的5/4表示“外观设计”比“性价比”稍微重要一些。同样地,我们可以得到方案层中各个品牌之间的重要性比较矩阵:
$$
\begin{bmatrix}
1 & 3/5 & 9/5\\
5/3 & 1 & 3/2\\
5/9 & 2/3 & 1\\
\end{bmatrix}
$$
最后,我们需要计算每个因素的权重,以便进行决策。我们可以通过计算各层级矩阵的特征向量来获得权重。具体地,我们将各层级矩阵的每一列分别与该矩阵的特征向量相乘,并将结果相加,即可得到各因素的权重。
例如,对于准则层中的“性价比”,我们可以将该列与上述准则层矩阵的特征向量相乘(注意需要先将特征向量标准化),得到:
$$
w_{\text{性价比}} = \frac{1}{6}(1\times 0.42 + 5/4\times 0.15 + 5/3 \times 0.18 + 7/4 \times 0.14 + 1/2 \times 0.07 + 1/2 \times 0.04) \approx 0.38
$$
同理,我们可以得到其他准则和方案的权重。最终权重最大的方案就是我们的最佳选择。在本题中,我们发现惠普品牌的权重最大,因此我们可以选择惠普笔记本电脑。
模糊综合评价法,层次分析法,灰色关联度模型,TOPSIS模型,各自的优缺点以及适应条件
下面是对模糊综合评价法、层次分析法、灰色关联度模型、TOPSIS模型的优缺点和适应条件的详细介绍:
1. 模糊综合评价法:
- 优点:能够处理评价指标之间的模糊性和不确定性;灵活性高,适用于不同领域的评价问题。
- 缺点:对专家经验和知识的依赖较大;计算复杂度高;对指标权重的确定较为主观。
适应条件:适用于评价问题具有模糊性和不确定性的情况,且有足够的专家知识和经验可以进行模糊判断。
2. 层次分析法(AHP):
- 优点:能够考虑到指标之间的相对重要性;易于理解和应用;适用于多层次评价问题。
- 缺点:构建判断矩阵需要专家主观判断,可能存在主观偏差;计算复杂度较高。
适应条件:适用于评价指标之间存在复杂关系,需要进行权重分配的情况,且能够获得专家意见和判断。
3. 灰色关联度模型:
- 优点:能够处理评价指标之间的非线性和不完备信息;对数据缺失和噪声具有较好的鲁棒性。
- 缺点:对数据要求较高,需要进行数据预处理;结果较为敏感,易受噪声影响。
适应条件:适用于数据不完备、不确定性较高的评价问题,尤其在样本数据有限或数据质量较差的情况下。
4. TOPSIS模型:
- 优点:能够综合考虑评价指标的相对重要性和优劣程度;结果直观易懂。
- 缺点:对指标权重的确定较为主观;对数据标准化要求较高。
适应条件:适用于希望综合考虑指标重要性和优劣程度的评价问题,且能够进行指标权重的确定和数据标准化处理。
根据具体的评价问题和数据特点,选择适合的综合评价方法可以获得更准确、可靠的评价结果。