Отчет
Лабораторная работа №1
Тема: Метод анализа иерархий (МАИ)
по курсу «Компьютерные системы поддержки принятия решений»
Цель: Изучение метода анализа иерархий для поддержки принятия решений.
Ход работы:
Этап 1.
Решение задачи альтернативного выбора с помощью программной системы.
Практическое освоение МАИ в лабораторной работе начинается с простой задачи выбора школы. Был проведен анализ трех школ А, В, С по шести критериям: учеба; друзья; школьная жизнь; профессиональное обучение; подготовка к колледжу; обучение музыке.
В качестве матрицы парных сравнений важности используемых критериев на этом этапе предлагается использовать следующую матрицу: .
Номера столбцов и строк матрицы М0 совпадают с номерами критериев
Оценки школ относительно шести критериев представлены матрицами Мi i=[1,6].
Запуск программы осуществляется инициированием исполняемого файла mai3.exe в ОС Windows.
Дальнейшая работа с программой объясняется после инициирования окна «Настройки»
Шаг №1
Выберем и нажмем на кнопку «Настройки»
Заполним матрицу попарных значений для характеристик:
Заполним матрицу попарных значений для объектов:
учеба;
друзья;
школьная жизнь;
профессиональное обучение;
подготовка к колледжу;
обучение музыке.
Нажмем на кнопку «Расчет»
Результат:
Приступаем к Этапу №2
Этап 2. Проверка найденных решений с помощью таблицы Excel.
Этап 2. С помощью таблицы Excel, используя соотношение (1) и табл.1, а также методику оценки согласованности локальных приоритетов (раздел 4) проверить полученные результаты.
Матрица парных сравнений важности используемых критериев:
|
|
| n-характеристика
| 1
| 2
| 3
| 4
| 5
| 6
| 1
| 1
| 4
| 3
| 1
| 3
| 4
| 2
| 0,25
| 1
| 7
| 3
| 0,2
| 1
| 3
| 0,333333333
| 0,142857143
| 1
| 0,2
| 0,2
| 0,166667
| 4
| 1
| 0,333333333
| 5
| 1
| 1
| 0,333333
| 5
| 0,333333333
| 5
| 5
| 1
| 1
| 3
| 6
| 0,25
| 1
| 6
| 3
| 0,333333333
| 1
|
Оценки школ относительно шести критериев:
Критерий
| Объект
| Школа A
| Школа B
| Школа C
| M1
| Школа A
| 1
| 0,333333333
| 0,5
| Школа B
| 3
| 1
| 3
| Школа C
| 2
| 0,333333333
| 1
| M2
|
| Школа A
| Школа B
| Школа C
| Школа A
| 1
| 1
| 1
| Школа B
| 1
| 1
| 1
| Школа C
| 1
| 1
| 1
| M3
|
| Школа A
| Школа B
| Школа C
| Школа A
| 1
| 5
| 1
| Школа B
| 0,2
| 1
| 0,2
| Школа C
| 2
| 5
| 1
| M4
|
| Школа A
| Школа B
| Школа C
| Школа A
| 1
| 9
| 7
| Школа B
| 0,111111111
| 1
| 0,2
| Школа C
| 0,142857143
| 5
| 1
| M5
|
| Школа A
| Школа B
| Школа C
| Школа A
| 1
| 0,5
| 1
| Школа B
| 2
| 1
| 2
| Школа C
| 2
| 0,5
| 1
| M6
|
| Школа A
| Школа B
| Школа C
| Школа A
| 1
| 6
| 4
| Школа B
| 0,166666667
| 1
| 0,333333333
| Школа C
| 0,25
| 3
| 1
|
Компонента собственного вектора:
n-характеристика
| Результат
| 1
| 3,464101615
| 2
| 1,012272234
| 3
| 0,133481894
| 4
| 0,863340021
| 5
| 2,236067977
| 6
| 1,10668192
|
Нормализация компоненты собственного вектора:
n-характеристика
| До нормализации
| После нормализации,a
| 1
| 3,464101615
| 0,216506351
| 2
| 1,012272234
| 0,081307007
| 3
| 0,133481894
| 0,065340787
| 4
| 0,863340021
| 0,099616156
| 5
| 2,236067977
| 0,14583052
| 6
| 1,10668192
| 0,095540885
|
Оценка вектора приоритета характеристик:
n-характеристика
| Норм. Компонента собственного вектора
| Оценка вектора
| 1
| 0,216506351
| 1,657027998
| 2
| 0,081307007
| 1,016374565
| 3
| 0,065340787
| 0,214137674
| 4
| 0,099616156
| 0,847606262
| 5
| 0,14583052
| 1,337477087
| 6
| 0,095540885
| 0,970477847
|
Оценка вектора приоритета для объектов:
M1
| Школа A
| Школа B
| Школа C
| НеНорм. Компонента собственного вектора
| Норм. Компонента собственного вектора
| Оценка вектора
| Школа A
| 1
| 0,333333333
| 0,5
| 0,638943104
| 0,34851442
| 0,566533
| Школа B
| 3
| 1
| 3
| 1,732050808
| 0,24743583
| 2,106221
| Школа C
| 2
| 0,333333333
| 1
| 0,903602004
| 0,271080601
| 1,050588
| M2
| Школа A
| Школа B
| Школа C
| НеНорм. Компонента собственного вектора
| Норм. Компонента собственного вектора
| Оценка вектора
| Школа A
| 1
| 1
| 1
| 1
| 0,333333333
| 1
| Школа B
| 1
| 1
| 1
| 1
| 0,333333333
| 1
| Школа C
| 1
| 1
| 1
| 1
| 0,333333333
| 1
| M3
| Школа A
| Школа B
| Школа C
| НеНорм. Компонента собственного вектора
| Норм. Компонента собственного вектора
| Оценка вектора
| Школа A
| 1
| 5
| 1
| 1,495348781
| 0,213621254
| 2,033098
| Школа B
| 0,2
| 1
| 0,2
| 0,447213595
| 0,319438282
| 0,40662
| Школа C
| 2
| 5
| 1
| 1,77827941
| 0,222284926
| 2,246719
| M4
| Школа A
| Школа B
| Школа C
| НеНорм. Компонента собственного вектора
| Норм. Компонента собственного вектора
| Оценка вектора
| Школа A
| 1
| 9
| 7
| 2,817313247
| 0,165724309
| 3,863654
| Школа B
| 0,111111111
| 1
| 0,2
| 0,386097395
| 0,294481064
| 0,342826
| Школа C
| 0,142857143
| 5
| 1
| 0,919322715
| 0,149657186
| 1,645737
| M5
| Школа A
| Школа B
| Школа C
| НеНорм. Компонента собственного вектора
| Норм. Компонента собственного вектора
| Оценка вектора
| Школа A
| 1
| 0,5
| 1
| 0,840896415
| 0,336358566
| 0,763494
| Школа B
| 2
| 1
| 2
| 1,414213562
| 0,282842712
| 1,526988
| Школа C
| 2
| 0,5
| 1
| 1
| 0,285714286
| 1,099853
| M6
| Школа A
| Школа B
| Школа C
| НеНорм. Компонента собственного вектора
| Норм. Компонента собственного вектора
| Оценка вектора
| Школа A
| 1
| 6
| 4
| 2,213363839
| 0,201214894
| 3,019045
| Школа B
| 0,166666667
| 1
| 0,333333333
| 0,485491772
| 0,323661181
| 0,430186
| Школа C
| 0,25
| 3
| 1
| 0,930604859
| 0,218965849
| 1,240253
|
Оценка обобщенного приоритета:
Объект
| M1
| M2
| M3
| M4
| M5
| M6
| Оценка обобщенного приоритета
| Школа A
| 0,566533331
| 1
| 2,033097593
| 3,863654189
| 0,763494208
| 3,019045
| 0,833032406
| Школа B
| 2,106220894
| 1
| 0,406619519
| 0,342826313
| 1,526988416
| 0,430186
| 0,820718601
| Школа C
| 1,050588052
| 1
| 2,246718848
| 1,645737408
| 1,099852774
| 1,240253
| 0,779902508
|
Результат:
Школа А является наиболее выгодным решением, т.к. в процессе анализа был получен наибольший результат. |