模糊层次分析法下的瓜,巨甜!

罗志祥的瓜吃够了吗?作为“目睹”了整个事件的吃瓜群众,夏天到了,瓜怎么能吃够呢?

夏天的大街小巷,随处可见卖瓜的身影,买瓜风险有多大,如何挑选一只好瓜,是目前社会上急迫解决的问题(偷笑)。

选几种市面上常见的瓜,黑美人、麒麟王、花皮西瓜、花皮西瓜。好了,就选这么多吧,瓜多瓜少不是大问题,挑瓜方法是一样的,主要还是方法!

俗话说得好,学好数理化,走遍天下都不怕,学好文史地,整个世界都归你,这次就用科学的方法挑瓜。

模糊层次分析法简单来说就是层次分析法和模糊评价法的结合,层次分析法是一种计算权重的方法,而模糊综合评价法是一种对问题进行综合性评价的方法。进行模糊综合评价时,可使用层次分析法对各个因素进行权重赋值。

一般挑瓜主要从瓜甜不甜、是否耐储存、外观、籽的多少等作为指标进行评价,先PO张层次结构图吧,直观点,第二行称一级指标,第三行称二级指标。

接着做个表发放给百万专业评审,采用九级标度(即1-9标度法)进行专家打分,得到的数据建立判断矩阵,核心思想是:不把所有因素放在一起比较,而是两两相互比较,大概长这样👇,因为自己比自己是1,所以对角线都是1,剩下的数字仅举例使用,准确数值还需根据专家打分获得。

从看似简单的判断矩阵中,求出W,具体求法看图,每列的数值相乘开根号(几个因素就开根号几)。W为同一层次元素对于上一层因素某因素相对重要性的排序权值,这一过程称为层次单排序。

那能否确认层次单排序,需要进行一致性检验,所谓一致性检验是指对成对比较矩阵确定不一致的允许范围。这里重点求出最大特征根λmax,具体求法看👇。

先用矩阵1×矩阵2求得矩阵3,接着看👇图,得到的BW÷W得到XX,XX1+XX2+XX3+XX4的和除4,得到的就是λmax,是不是很简单呢,这些操作用excel就可完成哦。

得到λmax后,一致性指标CI=(λmax-n)/(n-1),本例中的n为4,CI=0,有完全的一致性;CI接近于0,有满意的一致性;CI越大,不一致越严重。

为了衡量CI的大小,引入随机一致性指标RI,这里的RI随n改变,具体看👇。

定义一致性比率CR=CI/RI,一般认为一致性比率CR<0.1时,认为A的不一致程度在容许范围之内,有满意的一致性,通过一致性检验。

以上操作做完后,确定指标权重与权重集向量,首先构建指标权重表,从表中可以看到每种西瓜的权重及哪些因素是评价一只瓜好坏的重要因素,接着确定权重集向量,为模糊综合评价法做铺垫。

在模糊综合评价过程中,先构建评价矩阵(针对二级指标),大概长这样👇,这里简单示例下,每种西瓜的都要有哦。

随后将以上表转化为隶属表,用得到的评分除打分专家人数,得到的就是隶属值。根据上述隶属度值,可确定二级指标模糊评判矩阵,结合二级指标权重集向量,即二级指标权重集向量×二级指标模糊评判矩得新的矩阵,因为每种西瓜都有自己的矩阵,将二级指标模糊评价结果组成新的一级指标评价矩阵,一级指标评价矩阵×一级指标层权重集向量。

好了到这里,可放松放松休息下,剩下的仅是对得到的结果稍作处理,前面我们用到了专家1-5进行打分,这里还需结合分值,才可得到最后的终极得分情况。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,761评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,953评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,998评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,248评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,130评论 4 356
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,145评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,550评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,236评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,510评论 1 291
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,601评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,376评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,247评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,613评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,911评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,191评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,532评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,739评论 2 335