層次分析法（AHP）是數(shù)據(jù)分析中很重要的一種方法蒙揣，在數(shù)據(jù)評估中主要使用其做為指標體系的權(quán)重計算。

但是層次分析法主要是利用人為主觀的倆倆對比進而得出指標體系的判別矩陣掩浙，然后在進行相對應的計算兽叮，這其中的人為因素對最終的結(jié)果影響較大累盗，并且有時因為作出判斷的人的一些知識盲區(qū)導致無法作出合理的重要性判斷，并且在計算出判斷矩陣之后一致性驗證較為困難蟆淀，一致性驗證時CR<0.1這個結(jié)論并沒有很深的理論依據(jù)拯啦。

一致性檢驗主要就是為了判斷各個元素之間的協(xié)調(diào)性澡匪，避免出現(xiàn)A比B重要，B比C重要提岔，但是C又比A重要這樣的情況出現(xiàn)仙蛉，并且因為矩陣很少有能滿足一致性要求的，但是又必須使用其極大特征值對應的特征向量作為權(quán)重碱蒙，所以規(guī)定一個范圍在這個范圍內(nèi)都算達到了一致性檢驗荠瘪。

模糊層次分析法（FAHP）進而對原始的層次分析法主要的改進是融入模糊數(shù)和模糊一致性矩陣，首先確定模糊評價標準赛惩，使用模糊偏好關(guān)系對指標矩陣進行分析得到模糊判一致性矩陣哀墓。（其實我也不是特別理解模糊層次分析法到底改進的是什么，把判別矩陣變成了隸屬度矩陣喷兼，其他的感覺也沒有發(fā)什么什么變化篮绰，生成的模糊一致判別矩陣具體好在哪我也不是很清楚，可能主要解決的就是不需要在進行判別矩陣的一致性檢測）

使用模糊層次分析法中專家對指標進行判別重要性往往會出現(xiàn)各個專家的意見不一致季惯，導致無法生成合適的判別矩陣：

例如S1和S2兩個指標吠各，由十名專家對其進行重要性打分判定（有的文獻中也稱作為重要性偏好）。經(jīng)過專家評估勉抓，8位專家認為S1比S2更重要贾漏，且重要程度位0.7，但是另外兩個專家雖然也認為S1比S2重要但是重要程度打分為0.6 藕筋。? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 或者出現(xiàn)另外一種情況纵散，由幾位專家因為自身原因，或者出于謹慎的態(tài)度沒有對S1和S2的重要性作出評價隐圾。? ? ? ? ? ? ? ?

以上兩種情況就無法使用模糊偏好關(guān)系構(gòu)造偏好矩陣伍掀。

這時使用D數(shù)偏好關(guān)系來代替模糊偏好關(guān)系，進而解決可能出現(xiàn)的多名專家意見不一致的情況產(chǎn)生暇藏，這個也真是利用了Ｄ數(shù)理論解決了DS證據(jù)理論 的元素之間的互斥性假設(shè)蜜笤，所以就上述兩種情況而言使用D數(shù)偏好關(guān)系就可以構(gòu)造出D數(shù)偏好矩陣

對于有異議的指標就可以表示為{(0.7,0.8),(0.6,0.2)},在每個指標的數(shù)據(jù)中加入專家的比例，如果專家意見相同就把其設(shè)為1.0 叨咖。

所以D-AHP的計算過程為：

1.組織專家組對指標對象進行重要性偏好關(guān)系打分瘩例，構(gòu)造D數(shù)偏好關(guān)系矩陣Rd

2.根據(jù)D數(shù)的集成公式把D數(shù)偏好關(guān)系矩陣Rd轉(zhuǎn)化為確定數(shù)矩陣Rc

3.構(gòu)建基于確定數(shù)矩陣Rc的概率矩陣Rp，計算成對比較的指標間的偏好概率

4.把Rp概率矩陣進行三角化處理甸各，再根據(jù)公式計算不一致度系數(shù)I.D是否滿足要求

5.根據(jù)第4步中的三角化處理得出指標的重要程度進行排序，改變Rc的指標順序焰坪，然后根據(jù)具體的方法計算相對應的權(quán)重

在這里有一個問題至今也沒有特別明白就是第四步中三角化處理趣倾，在我理解的時候就是對矩陣進行三角化處理，這個沒有什么具體的難度某饰，但是最后的結(jié)果卻不是相同的結(jié)果儒恋，現(xiàn)在細想可能是因為在三角化之后直接對指標按照重要性進行性了排序善绎。