层次分析法（AHP）详解：原理、模型构建、权重计算和一致性检验

层次分析法（Analytic Hierarchy Process，AHP）是一种多准则决策方法，由美国数学家托马斯·L·萨蒙德（Thomas L. Saaty）于1970年提出。它通过对决策问题进行层次化分解，构建层次结构模型，利用专家判断和数学工具对各层次因素进行量化比较，最终得出综合权重，从而实现决策的科学化、系统化。本文将从层次分析法的基本原理、层次结构模型的构建、判断矩阵的建立、权重计算、一致性检验等方面进行阐述。

一、基本原理

层次分析法的基本原理是将决策问题分解为若干个层次，从上至下逐层分解，从下至上逐层综合。在分解的过程中，从上层到下层，层与层之间是逐级细化的，每一层都是由上一层的若干因素构成，每个因素在下一层被分解为更小的子因素，直至最底层为单个因素。在综合的过程中，从下层到上层，每个因素的重要性被量化为权重，逐层综合得出最终权重，作为决策的依据。

二、层次结构模型的构建

层次结构模型是层次分析法的核心，是将决策问题分解为若干个层次的图形化表示。构建层次结构模型需要从决策目标、准则、方案等不同层次进行分解，每个层次可以有多个因素，每个因素都可以有多个子因素。例如，对于一个企业来说，决策目标可以是提高市场份额，准则可以是产品质量、价格、服务等，方案可以是推出新产品、改进现有产品等，层次结构模型可以如下图所示：

三、判断矩阵的建立

判断矩阵是层次分析法中的重要工具，用于对每个因素进行量化比较。判断矩阵是一个n*n的矩阵，其中n表示矩阵的维数，每个元素表示两个因素之间的相对重要性，取值范围为1~9。其中，1表示两个因素的重要性相等，3表示一种因素比另一种因素稍微重要，5表示一种因素比另一种因素明显重要，7表示一种因素比另一种因素非常重要，9表示一种因素比另一种因素极端重要。对于判断矩阵中的每个元素，都需要通过专家判断或实际数据进行填写。

四、权重计算

权重计算是层次分析法的核心内容，是通过对判断矩阵进行数学分析，得出每个因素的相对权重。权重计算需要分为两个步骤，即计算判断矩阵的特征向量和计算每个因素的权重。

计算判断矩阵的特征向量

判断矩阵的特征向量是指在矩阵乘法中，满足Ax=λx的非零向量x，其中λ为特征值。计算判断矩阵的特征向量可以通过特征值分解法或一致性指标法进行。

特征值分解法是通过求解判断矩阵的特征值和特征向量来计算每个因素的相对权重。具体步骤如下：

1）计算判断矩阵的特征值λ1、λ2、…、λn和对应的特征向量x1、x2、…、xn。

2）将特征向量标准化，使得每个向量的元素之和为1。

3）计算每个向量的权重，即λi/Σλj。

一致性指标法是通过计算一致性指标和一致性比率来检验判断矩阵的一致性，并对不一致的矩阵进行修正，然后再计算权重。具体步骤如下：

1）计算判断矩阵的一致性指标CI=(λmax-n)/(n-1)，其中λmax为最大特征值，n为矩阵的维数。一致性指标CI越小，说明矩阵越一致。

2）计算随机一致性指标RI，RI的值与矩阵的维数有关，可以查找相应的表格得出。

3）计算一致性比率CR=CI/RI，如果CR小于0.1，说明矩阵一致性较好，否则需要进行修正。

4）对于不一致的矩阵，可以通过修改矩阵中某些元素的值或删除某些因素来达到一致性，然后重新计算权重。

计算每个因素的权重

通过计算判断矩阵的特征向量，可以得出每个因素的相对权重。对于每个层次的因素，可以将其权重乘以上一层次因素的权重，得出最终权重。最终权重可以用于比较不同方案的优劣，从而作出最终决策。

五、一致性检验

一致性检验是层次分析法中的重要环节，用于检验判断矩阵的一致性。一致性检验可以通过计算一致性指标和一致性比率来进行。如果一致性指标和一致性比率较小，说明矩阵的一致性较好，否则需要进行修正。修正的方法可以是修改判断矩阵中某些元素的值或删除某些因素。

六、总结

层次分析法是一种多准则决策方法，通过对决策问题进行层次化分解，构建层次结构模型，利用专家判断和数学工具对各层次因素进行量化比较，最终得出综合权重，从而实现决策的科学化、系统化。层次分析法的核心是判断矩阵和权重计算，其中判断矩阵用于量化比较，权重计算用于得出相对权重。在应用层次分析法进行决策时，需要注意判断矩阵的一致性检验，以确保决策结果的可靠性。