ⅱ同阶矩阵的随机性指标( Random Index) RI 0.580.9 1. 32141145149 662[779|899101613 致性比率( Consistance rate) CR=CI/RI CR>0.1(即λ大于同阶矩阵相应的)时不能通过一致性检验应该重新估计矩阵A CR≤0.1通过一致性检验,求得的w有效 4.方案排序 (1各方案在各目标下属性值已知时可以根据指标C=∑n的大小排出方案i (i=1,,m)的优劣 (2).各方案在各目标下属性值难以量化时,可以通过在各目标下优劣的两两比较(仍利用 表102)求得每个目标下各方案的权,再计算各方案的总权重,根据总权重的大小排出 方案的优劣(参见教材之182页例10.5) 五、最低层目标权重的设云 网状结构 (见教材§1052,第181-182页) 有了最第层目标的权重Wk 设最第层目标的规范化了的属性值为,则C1=∑w4"=可用作评价方案优劣的 依据,C越大方案i越优 2树状结构 当最低层目标过多不便直接设定时可以分组自上而下地逐步设定。 §103 TOPSIS法 步骤一.用向量规法求得规范决策矩阵Z i=y 步骤二构成加权规范阵ⅹ 步骤三确定理想和负理想解 maX x 效益型属性 理想解x 成本型属性 10-710- 7 ii,同阶矩阵的随机性指标(Random Index) n 3 4 5 6 7 8 9 10 RI 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49  max 0 3.116 4.07 5.45 6.62 7.79 8.99 10.16 11.34 iii,一致性比率(Consistance Rate) CR=CI/RI CR＞0.1(即 max 大于同阶矩阵相应的  max 0 )时不能通过一致性检验,应该重新估计矩阵 A. CR≤ 0.1 通过一致性检验, 求得的 w 有效. 4. 方案排序 (1). 各方案在各目标下属性值已知时, 可以根据指标 C w z i j ij j n = =  1 的大小排出方案 i (i=1,… , m)的优劣. (2). 各方案在各目标下属性值难以量化时, 可以通过在各目标下优劣的两两比较(仍利用 表 10.2)求得每个目标下各方案的权, 再计算各方案的总权重, 根据总权重的大小排出 方案的优劣(参见教材之 182 页例 10.5). 五、最低层目标权重的设定 1.网状结构 (见教材§10.5.2, 第 181-182 页) 有了最第层目标的权重 k +1 W 设: 最第层目标的规范化了的属性值为 ij z , 则 = + = n j ij k i j C w z 1 1 可用作评价方案优劣的 依据, Ci 越大方案 i 越优. 2.树状结构: 当最低层目标过多,不便直接设定时,可以分组自上而下地逐步设定。 §10.3 TOPSIS 法 步骤一. 用向量规法求得规范决策矩阵 Z zij = = m i ij ij y y 1 / 步骤二. 构成加权规范阵 X xij = wj · ij z 步骤三.确定理想和负理想解 ij i max x 效益型属性 理想解 x j * = ij i min x 成本型属性