模糊层次分析法FAHP计算说明

提示：本指南针对FAHP方法的特有内容进行描述，关于软件的通用操作流程（如文件上传、参数设置、结果下载等），请查看：通用计算说明

1. 功能概述

模糊层次分析法FAHP（Fuzzy Analytic Hierarchy Process）是一种基于模糊一致性矩阵的决策方法，通过构建满足互补性的模糊判断矩阵，利用模糊数学理论计算指标权重。与传统AHP方法不同，FAHP使用0.1-0.9标度的模糊判断矩阵，能够更好地处理决策者判断的不确定性。

特别提醒： 本工具计算的是单专家或者多专家平均之后的模糊判断矩阵，即对上传的判断矩阵不做群策处理，直接计算判断矩阵的相关权重结果。

2. 数据准备

2.1 指标体系构建

FAHP适用于已经建立完整指标体系的决策问题。指标体系一般有两到三层结构。

图中一级指标为A、B、C，每个一级指标下各有三个二级指标，共有4组指标需要构建FAHP判断矩阵计算权重。

其中一级指标判断矩阵计算的权重是相对于总体的全局权重，而二级指标判断矩阵计算的权重是相对于一级指标的局部权重。二级指标的全局权重需要使用局部权重×对应一级指标的全局权重得到。如果有三级或者更多层级的指标，全局权重计算以此类推。

2.2 数据要求

FAHP计算需要准备模糊判断矩阵数据：

基本要求：

模糊判断矩阵：使用0.1-0.9标度构建的判断矩阵
矩阵必须满足互补性：如果$a_{ij} = x$，则$a_{ji} = 1-x$
对角线元素固定为0.5（指标与自身同等重要）

3. 数据文件格式

模糊判断矩阵是FAHP计算的核心数据，使用0.1-0.9标度法构建：

0.1-0.9标度法

使用0.1-0.9标度法对一组指标进行两两重要性判断，评分规则如下：

标度	定义	说明
0.5	同等重要	两因素相比较，同等重要
0.6	稍微重要	两因素相比较，一因素比另一因素稍微重要
0.7	明显重要	两因素相比较，一因素比另一因素明显重要
0.8	重要得多	两因素相比较，一因素比另一因素重要得多
0.9	极端重要	两因素相比较，一因素比另一因素极端重要
0.1, 0.2, 0.3, 0.4	反比较	若因素 $a_i$ 与因素 $a_j$ 相比较，得到判断 $r_{ij}$，则因素 $a_j$ 与因素 $a_i$ 相比较得到的判断为 $r_{ji}=1-r_{ij}$

模糊判断矩阵文件示例

格式要求：

Excel文件包含多个sheet表，每个表填写一个FAHP模糊判断矩阵
Sheet表名可以随意命名
每个sheet中包含一组指标的FAHP模糊判断矩阵
矩阵必须是方阵（行数等于列数）
所有数值必须在0.1-0.9之间
对角线元素应为0.5
矩阵满足互补性：如果$a_{ij} = x$，则$a_{ji} = 1-x$
==将您的模糊判断矩阵数据替换示例文件中的数据==

4. 参数设置

FAHP模型包含以下计算参数：

4.1 结果保留小数位

计算结果的保留小数位数，默认为5位，可设置1-10位。

5. 计算结果

FAHP模型的计算结果如下：

结果文件包含每个工作表的计算结果：

模糊判断矩阵：显示输入的原始模糊判断矩阵
权重向量：根据模糊判断矩阵计算得出的各指标权重
特征矩阵：基于权重向量构建的特征矩阵
相容性指标：衡量模糊判断矩阵一致性的指标I
一致性检验结果：当 $I < 0.1$时显示"通过"，否则显示"不通过"

结果解读：

权重向量反映各指标的相对重要性
相容性指标 $I$ 越小，表示判断矩阵的一致性越好
通过比较不同指标的权重，可以识别关键重要因素

6. 计算原理

FAHP模型的计算包含四个核心步骤：

6.1 建立模糊互补判断矩阵

采用0.1~0.9标度法，作因素间的两两比较判断，得到模糊判断矩阵 $A=(a_{ij})_{n×n}$。

模糊判断矩阵满足互补性：$a_{ij} + a_{ji} = 1$，对角线元素 $a_{ii} = 0.5$。

6.2 计算权重向量

$$ W_{i}=\frac{\sum_{j=1}^{n}a_{ij}+\frac{n}{2}-1}{n{(n-1)}},i=1,2,\cdots,n $$

其中，$\sum_{j=1}^{n}a_{ij}$为第 $i$ 行的元素之和。

6.3 计算特征矩阵

令：

$$ W_{ij}=\frac{W_i}{W_i+W_j} (\forall ~ i,j=1,2,\cdotp\cdotp\cdotp,n) $$

例如 $W_{01}$ ，它的结果等于 $\frac{W_0}{W_0+W_1}$ 。

$n×n$矩阵每个位置的数据都使用权重向量 $W$ 中的值计算完成之后，得到$n$ 阶矩阵：

$$ W^{*}=(W_{ij})_{n×n} $$

$W^{*}$ 称为判断矩阵 $A$ 的特征矩阵。

6.4 相容性指标计算

设矩阵 $A=(a_{ij}){n×n}$ 和 $B=(b{ij}){n×n}$ 均为模糊判断矩阵，称： $$ I(A,B)=\frac{1}{n^2}\sum{i=1}^{n}\sum_{j=1}^{n}|a_{ij}+b_{ji}-1| $$ 为 $A$ 和 $B$ 的相容性指标。

6.5 一致性检验

将模糊判断矩阵 $A$ 和其特征矩阵 $W^$ 计算相容性指标 $I(A,W^)$，若 $I(A,W^*)≤\alpha$，认为一致性检验通过。

$\alpha$ 越小则表明决策者对模糊判断矩阵的一致性要求较高，一般可取 $\alpha=0.1$

7. 多层级权重汇总

计算出的各个模糊判断矩阵权重需要进行汇总处理：

权重计算规则：

一级指标：相对于整体目标的局部权重，即为全局权重
二级指标：局部权重 × 对应一级指标的全局权重 = 二级指标的全局权重
多级指标：依次类推，逐层计算全局权重

8. 常见问题

8.1 模糊判断矩阵的特点

问：FAHP与传统AHP有什么区别？

答：主要区别在于标度方法和矩阵性质：

标度方法：FAHP使用0.1-0.9标度，AHP使用1-9标度
矩阵性质：FAHP矩阵满足互补性 $a_{ij} + a_{ji} = 1$，AHP矩阵满足倒数性 $a_{ij} \times a_{ji} = 1$
一致性检验：FAHP使用相容性指标 $I$，AHP使用一致性比率$CR$

8.2 数值范围检查

问：为什么要求模糊判断矩阵数值在0.1-0.9之间？

答：FAHP模型中的互补性要求矩阵元素满足 $a_{ij} + a_{ji} = 1$。如果数值超出0.1-0.9范围，会导致互补性计算异常。建议严格按照0.1-0.9标度进行判断，确保数据的有效性。

8.3 一致性检验标准

问：相容性指标I的阈值为什么是0.1？

答：参考相关文献《模糊判断矩阵的相容性研究》，当I < 0.1时认为模糊判断矩阵具有满意的一致性。这个阈值是基于理论研究和实践经验确定的。

8.4 对角线元素

问：对角线元素必须是0.5吗？

答：是的。在模糊判断矩阵中，对角线元素表示指标与自身的比较，根据模糊判断的定义，应该等于0.5（同等重要）。