Chạy mô hình so sánh cặp
Cung cấp một thứ tự sắp xếp của những quyết định và nhờ vào nó mà ta tìm được một quyết định cuối cùng hợp lý nhất Show
Ưu điểmNhược điểmỨng dụngCác bước thực hiệnPhân chia một tình huống thành các phần nhỏ
-> Các chỉ tiêu này quá tổng quát, trong mỗi tiêu chí này đã bao gồm nhiều tiêu chí con Trong bước này việc phải làm là phân chia các tiêu chí thành tiêu chí con
-> Các chỉ tiêu đã bớt tổng quát hơn nhưng chỉ tiêu (i) vẫn tổng quát, tiếp tục chia chỉ tiêu (i) thành
-> chia cho đến khi các chỉ tiêu rõ ràng, các chuyên gia có thể đánh giá các chỉ tiêu này mà không cần phải đọc khái niệm (hay giải thích cụ thể) về những chỉ tiêu này Xây dựng cây phân cấp AHPSau khi trải qua bước 1, phân rã vấn đề thành các thành phần nhỏ, cây phân cấp AHP sẽ được xây dựng dựa trên các tiêu chí và các khả năng lựa chọn. Xây dựng ma trận so sánh các chỉ tiêu
\[ \mathbf{C} = \left[\begin{array} {rrr} 1 & a_{12} & ... & a_{1n} \\ a_{21} & 1 & ... & a_{2n} \\ ... &...& ... & ... \\ a_{n1} & a_{n2} & ... & 1 \end{array}\right] \] Trong đó:
Để xây dựng được ma trận trên, các câu hỏi được đặt ra là:
Mức độ quan trọng tương đối của chỉ tiêu i so với j được tính theo tỷ lệ k (k từ 1 đến 9), ngược lại của chỉ tiêu j so với i là 1/k. Như vậy aij > 0, aij = 1/aji, aii =1.
Tính toán trọng số của các chỉ tiêuĐể tính toán trọng số cho các chỉ tiêu, AHP có thể sử dụng các phướng pháp khác nhau, hai trong số chúng mà được sử dụng rộng rãi nhất là Lambda Max (max) và trung bình nhân (geometric mean)
\[c_{ij} = exp\frac {\sum_{k=1}{n} w_k*ln(a_{ij}(k))}{\sum_{k=1}{n} w_k}\] Trong đó: - \(a_{ij}\): là các phần tử trong ma trận so sánh các chỉ tiêu của từng chuyên gia - \(c_{ij}\): là các phần tử trong ma trận so sánh các chỉ tiêu đã tổng hợp Kiểm tra tính nhất quánĐể giá tính hợp lý của các giá trị mức độ quan trọng của các chỉ tiêu Theo Satty dùng chỉ số nhất quán của dữ liệu CR (Consistency Ratio) \[ CR = \frac{CI} {RI}\] Trong đó: \[CI = \frac{\lambda - n}{n-1}\] Đối với mỗi một ma trận so sánh cấp n, Saaty đã thử nghiệm tạo ra các ma trận ngẫu nhiên và tính ra chỉ số RI (chỉ số ngẫu nhiên) tương ứng với các cấp ma trận như bảng dưới
Tổng hợp kết quả để đưa ra đánh giá xếp hạng cuối cù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 |