Система и поддержка принятия решений лаба 1. Отчет. Метод анализа иерархий (маи) по курсу Компьютерные системы поддержки принятия решений
Скачать 100.62 Kb.
|
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:. |
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.