因此,我们假设比较矩阵为
1234567
1/2123456
1/31/212345
A=1/41/31/21234
1/51/41/31/2123
1/61/51/41/31/212
1/71/61/51/41/31/21
1计算比较矩阵A的特征值及特征向量
由特征方程A-λΙ=0,利用MATLAB软件可以求出(求解过程附后)最大的特征值;λmax≈7.1955,相应的特征向量位W0=(0.3543,0.2399,0.1586,0.1036,0.0676,0.0448,0.0312)
则该特征向量W0,即为准则层(C)对目标层(O)的权重
2一致性检验
由于比较矩阵A的阶数为7,其随机一致性指标为R.I=1.32(注:
见《数学模型》姜启源P312表9-2)
C.I
(1)=(λmax-7)/(7-1)≈0.0326
于是一致性比例指标为C.R
(1)=C.I
(1)/R.I≈0.0247<<0.1
可知准则层(C)对目标层(O)的矩阵是满足一致性的,即比较矩阵A的构造是合理可行的。
3.确定方案层(P)对准则层(C)的权重
确定方案层(P)对准则层(C)的权重就是要给出一个量化指标,是题目中所给出的各队员的各项信息能更准确,方便的表示出各队员的综合参赛水平。
我们看到题目中是用10分制表示各队员的名次水平。
而我们已经假设题目中所给的各项信息都能真实体现队员的水平,且都能正常发挥。
(模型假设
(1)、
(2))。
基于这个原因我们尝试利用每个队员的各项条件比来构造一个比较矩阵。
(见后面程序计算的结果)。
设WK=(
,
,…,
)T为准则CK(k项条件)的相关数据(队员的基本条件),
记
=
/
(i,j=1,2,3,…,20),则Ck-P比较矩阵Ak=(
)20*20,且Ak均为
一致阵(k=1,2,3,…,7)。
由于Ak(k=1,2,3,…,7)的非零特征值为λ=20,相应的特征向量取第一列向量,即
(
,…,
)T=(
/
/
,…,
/
)T
=(
,
,…,
)T/
=Wk/
此与向量Wk仅差一个比例常数1/
显然Wk也是Ak的特征向量。
将Ak(k=1,2,3,…,7)的特征向量Wk规一化,分别可得方案层(P)对准则层(C)的权重。
利用MATLAB软件求解(程序和过程附后)结果如(表--2):
Ck
P
W1
W2
W3
W4
W5
W6
W7
P1
0.0498
0.0522
0.0473
0.0500
0.04517
0.0508
0.04724
P2
0.0475
0.0511
0.0467
0.0406
0.04400
0.0487
0.0157
P3
0.0464
0.0500
0.0490
0.0532
0.0526
0.0513
0.0630
P4
0.0498
0.0517
0.0479
0.0600
0.0555
0.0519
0.0630
P5
0.0510
0.0487
0.0490
0.0481
0.0492
0.0492
0.0709
P6
0.0533
0.0534
0.0473
0.0494
0.0514
0.0481
0.0472
P7
0.0533
0.0557
0.0519
0.0450
0.0520
0.0492
0.0709
P8
0.0406
0.0464
0.0565
0.0388
0.0497
0.0519
0.0472
P9
0.0446
0.0476
0.0485
0.0406
0.0549
0.0497
0.0394
P10
0.0481
0.0470
0.0496
0.0432
0.0486
0.0503
0.0314
P11
0.0521
0.0476
0.0462
0.0488
0.0516
0.0581
0.0394
P12
0.0556
0.0528
0.0467
0.0619
0.0497
0.0519
0.0472
P13
0.0551
0.0557
0.0479
0.0507
0.0515
0.0497
0.0551
P14
0.0498
0.0482
0.0473
0.0507
0.0515
0.0481
0.0398
P15
0.0527
0.0505
0.0508
0.0525
0.0503
0.0503
0.0394
P16
0.0539
0.0488
0.0496
0.0550
0.0492
0.0508
0.0472
P17
0.0487
0.0464
0.0542
0.0575
0.0480
0.0487
0.0551
P18
0.0504
0.0482
0.0531
0.0569
0.0497
0.0492
0.0630
P19
0.0452
0.0470
0.0554
0.0475
0.0514
0.0513
0.0709
P20
0.0519
0.0107
0.0548
0.0494
0.0440
0.0481
0.0472
4.方案层(P)对目标层(O)的组合权重
利用准则层(C)对目标层(O)的权重以及方案层(P)对准则层(C)的权重,可以计算方案层(P)对目标层(O)的权重,根据公式得:
W=(w1,w2,w3,w4,…w20)T=[W1,W2,…,W7]*W0
经过MATLAB软件计算(进程附后)得:
W=(0.04970.04630.04960.05190.0503
0.05140.05310.04560.04630.0472
0.04920.05340.05310.04880.0512
0.05140.05010.05130.04900.0511)
其中向量W的20个分量分别代表方案层(P)中20个队员相对目标层(O)的权重。
由于方案层对准则层的比较矩阵Ak均为一致阵,因此相应的
=(
,
,
,
,…,
)*W=0
于是一致性比例指标
=
/RI=0,
因此组合一致性比例指标为:
CR=
+
=0.024<0.1
即组合权重可以作为目标决策的依据。
5.选择优秀队员
利用方案层(P)对目标层(O)的权重作为每个队员技术水平指标,求得(过程附后)20名队员综合水平素质按大小排序得:
序号
指标
1
2
3
4
5
队员
队员12
队员13
队员7
队员4
队员6
水平指标
0.0534
0.0531
0.0531
0.0519
0.0514
序号
指标
6
7
8
9
10
队员
队员16
队员18
队员15
队员20
队员5
水平指标
0.0514
0.0513
0.0512
0.0511
0.0503
序号
指标
11
12
13
14
15
队员
队员17
队员1
队员3
队员11
队员19
水平指标
0.0501
0.0497
0.0496
0.0492
0.0490
序号
指标
16
17
18
19
20
队员
队员14
队员10
队员2
队员9
队员8
水平指标
0.0488
0.0472
0.0463
0.0463
0.0456
由排序结果我们可以看到,第9号和第8号队员综合水平素质最差,故淘汰这两名队员,选择其余18名优秀队员。
对问题2:
将18名队员组成6个队,使整体竞赛水平最高,并具体给出每个队的竞赛水平。
模型的建立及求解:
1.问题的进一步分析:
上一问我们已经解决了从备选队员中选择优秀队员的问题。
但是在实际问题中选出的众多队员还要再进行搭配组队,怎样才能使得组出来的队伍整体素质最高,就是我们现在所要解决的问题。
因为将18名队员分成6个组共有
=816种分法,我们要选取的是其中整体水平最高的一种分法,这就需要队分法进行枚举,然后像解决问题1一样,给出一个量化标准分别对这816种分法进行量化,从而选出量化指数最高的一组。
首先我们注意一个基本事实:
在最佳组队决定方案中,每个队对目标O层的权重一定不小于全体队员对目标层权重的几何平均值,否则其组队方案就不可能是最佳的
组队原则:
①3名队员的技术水平指标可以互补,技术水平最高者为该队的水平指标;
②按上述命题求出全队8名队员对目标O层权重的几何平均值,.由表—2按
=[
]1/18(k=1,2,3,…,7)
用计算机编程(程序见附录)可求出几何平均值为
=(
…
)
=(0.0510,0.0505,0.0499,0.0511,0.0499,0.0502,0.0484)
=0.0505
假设3名队员x,y,z组合一队(x,y,z),将对决策目标的权重定为该队的技术水平指标,即v(x,y,z)=M
.此处M=(m1,m2,…,m7),其中7个分量分别为(x,y,z)对准则C层的权重。
如果v(x,y,z)>
,则对应的(x,y,z)就可能是一个组队;
③任取3名队员组合,求出相应的技术水平指标,使6个技术水平指标之和为最佳组队方案。
2.建立组队模型
通过以上的分析,我们可以清楚的知道这就是一个动态规划问题。
因而需要利用动态规划模型解决这个问题。
利用动态规划的方法,分决策过程为6个阶段,分步给出6个队的组队方案,每一个阶段确定一个队。
决策变量:
Xk=(x,y,z)k(k=1,2,3,4,5,6),即任取三名队员(x,y,z)所组成的一个组队方案。
状态变量:
Sk(k=1,2,3,4,5,6),即从第k(1≤k≤6)个到第6个组队的组队方案所包含的队员,其中S1={队员1,队员2,队员3,…,队员20}(不含队员8,队员9)。
状态转移方程:
Sk+1=Sk-Xk(k=1,2,3,4,5)
允许决策集合:
Dk={(x,y,z);x,y,z∈Sk,vk=(x,y,z)≥W}(k=1,2,3,4,5,6)
指标函数:
vk(Sk,Xk)表示决策Xk(一个组队)关于状态Sk的技术水平指标,即vk(Sk,Xk)=M*
最优值函数:
fk(Sk)表示在状态Sk下确定的k(1≤k≤6)个组队的技术水平指标之和的最大值。
则有逆序解法的基本方程:
fk(Sk)=max{vk(Sk,Xk)+fk+1(Sk+1)xk∈Dk}k=6,5,4,3,2,1
f6(S6)=maxvk(Sk,Xk)当x6=sn
其中Sk+1=Sk-Xkk=1,2,3,4,5
3.模型求解
把18名队员分成6个组共有816种分法,根据组队原则,用计算机编程可算得:
组队Xk
X1
X2
X3
X4
X5
X6
队员(x,y,z)
(3,10,11)
(1,14,15)
(2,16,18)
(4,6,20)
(5,13,17)
(7,12,19)
水平
vk(x,y,z)
0.0516
0.0519
0.0533
0.0546
0.0553
0.0563
其最优值为f1(S1)=0.32315
对问题3:
确定一个最佳的组队使竞赛水平最高
模型的建立及求解:
注意:
由于在问题2中,可以用计算机编程把18名队员分成6个组,通过计算相应的技术水平指标,找出最高者的组队,其结果为(12,7,19)
下面我们通过分析法来说明其结果的正确性:
由假设知,每个队中的三名队员具有互补性,即三个人中各单项水平指标的最高者为该队的单项水平指标,最佳组队主要体现全队在各单项水平指标水平最高,不应有貌相述评指标比其他的队低.由问题
(1)中的准则C层对目标O层的权重W0可知,七项准则是按顺序依次排列的,对目标决策的影响是不同的,而且前四项对目标决策起着决定性作用,即水平指标主要体现在前四项上.
(1)最佳组队原则
设mi(x)表示队员x的第i项水平指标,Mi(x,y,z)表示由队员x,y,z组队(x,y,z)
的第i项水平指标,则
Mi(x,y,z)=max{mi(x),mi(y),mi(z)}(i=1,2,3,…,7)
(2)组队方案
根据组队原则,最佳组队中的队员一定是前四项水平指标的最高者。
显然由表13-2可得mi(12)=0.0556为最高,于是Mi=m1(12)=0.0556199,则队员12是首先入选的队员。
其次m2(7)=m2(13)=0.0557,而m2(7)>m3(13),故M2=m2(7)=0.0557168,则队员7是第二个入选的队员。
另外,m3(19)=0.0553953,于是M3=m3(19)=0.0553953。
而且M4=m4(12)=0.0619137,则队员19应是第三个入选的队员,并且注意到M5=m5(7)=0.0520297,M6=m6(12)=0.0518717,M7=m7(7)=0.0708661也都是相对的较高者,即
M=(0.0556199,0.0557168,0.0553953,0.0619137,0.0520297,0.0518717,0.0708661).
因此,由队员12,7,19组成(12,7,19)队的技术水平指标为:
v(12,7,19)=M*W0T=0.563246是最高的,所以,最佳组队为(12,7,19)
对问题4:
如果学习的权重为0.2,智力水平权重为0.2,动手能力的权重为0.2,写作能力的权重为0.1,外语能力的权重为0.1,协作能力的权重为0.15,其他权重为0.05,则应如何考虑?
模型的建立及求解:
利用准则层(C)对目标层(O)的权重(0.2,0.2,0.2,0.1,0.1,0.15,0.05)
以及方案层(P)对准则层(C)的权重,可以计算方案层(P)对目标层(O)的权重,根据公式得:
W=(W1,W2,W3,W4,…W20)T=[W1,W2,…,W7]*W0
经过MATLAB软件计算(过程附后)得:
W=(0.0498,0.0464,0.0497,0.0520,0.0503
0.0515,0.0531,0.0458,0.0464,0.0472
0.0494,0.0535,0.0515,0.0489,0.0512
0.0516,0.0502,0.0513,0.0491,0.0512)T
根据计算出的这个权重,按我们模型的计算流程可以得出在(4)所给出的条件下每个问题的答案。
这说明准则层(C)对目标层(O)的权重不同,方案层(P)对目标层(O)的影响程度也不一样;因此我们在选择参考条件时,一定要分清主要条件和次要条件。
对问题5:
如果每个队员在竞赛时,受某种原因干扰,在某一方面发挥不好,但在另一方面发挥很好,应如何考虑?