三角模糊AHP计算说明

提示：本指南针对三角模糊AHP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

三角模糊AHP（Triangle Fuzzy Analytic Hierarchy Process）是在传统AHP的基础上引入三角模糊数表示判断矩阵，使用三角模糊数$(l,m,u)$来表示专家的判断，其中$m$为中值，$l$和$u$分别为下界和上界，能够有效处理决策过程中的模糊性和不确定性。

特别提醒： 本工具计算的是单专家或者多专家平均之后的三角模糊判断矩阵，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. 三角模糊数基础理论

2.1 三角模糊数定义

三角模糊数$M$可以用三元组$(l,m,u)$表示，其隶属函数$\mu_{M}(x)$可以表示为：

$$ \mu_{M}(x)= \begin{cases}0, & x<l, \ (x-l) /(m-l), & l \leqslant x \leqslant m \ (u-x) /(u-m) & m \leqslant x \leqslant u \ 0, & x>u,\end{cases} $$

其中，$l \leqslant m \leqslant u$，$x \in \mathbf{R}$，$\mu_{\tilde{M}}(x): x \rightarrow[0,1]$，$l$和$u$分别表示$M$的下界和上界，$m$为$M$的中值。

2.2 三角模糊判断矩阵

利用三角模糊数$(l,m,u)$定量表示专家比较判断时两指标重要性的结果：

中值$m$：依据AHP的1~9标度法确定
下界$l$和上界$u$：根据模糊程度确定
模糊程度：$u-l$越大表示判断越模糊；$u-l$越小表示判断越清楚

三角模糊数中值1~9的含义：

三角模糊数中值	含义
1	表示两指标相比同样重要
3	表示两指标相比，前者比后者稍微重要
5	表示两指标相比，前者比后者明显重要
7	表示两指标相比，前者比后者强烈重要
9	表示两指标相比，前者比后者极端重要
2，4，6，8	表示上述相邻判断的中间值

三角模糊数上下界取值依据：

分值自信度	$u-l$取值	数字特征	分值含义
高	1	(max(m-1/2,1), m, min(m+1/2,9))	专家打分分值不模糊
低	2	(max(m-1,1), m, min(m+1,9))	专家打分分值较模糊
一般	3	(max(m-3/2,1), m, min(m+3/2,9))	专家打分分值很模糊

3. 数据准备

3.1 指标体系构建

三角模糊AHP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组指标需要构建三角模糊AHP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。

3.2 数据要求

三角模糊AHP计算支持两种格式的数据：

格式一：标度分值-自信度格式

使用"数值-自信度"格式，如"5-2"表示中值为5，自信度为2
系统会自动转换为三角模糊数格式

格式二：三角模糊数格式

直接使用三元组$(l,m,u)$格式
必须满足$l \leqslant m \leqslant u$的约束条件

4. 数据文件格式

下载的示例Excel文件包含多个sheet表，需要在每个表填写一个三角模糊判断矩阵，sheet表名可以随意命名。

4.1 标度分值-自信度格式

格式要求：

矩阵元素使用"数值-自信度"格式，如"5-2"
数值部分使用1-9标度（可以是小数或分数）
自信度部分使用1、2、3表示高、低、一般三种自信度
矩阵必须是方阵（行数等于列数）
对角线元素应为"1"
支持只填写上三角或下三角部分，系统会自动补全

4.2 三角模糊数格式

格式要求：

矩阵元素直接使用三元组格式，如(1.5, 2.0, 2.5)
必须满足$l \leqslant m \leqslant u$
对角线元素为(1.0, 1.0, 1.0)
==矩阵满足倒数性==：如果$a_{ij} = (l, m, u)$，则$a_{ji} = (1/u, 1/m, 1/l)$

5. 参数设置

三角模糊AHP模型包含以下计算参数：

5.1 结果保留小数位

计算结果的保留小数位数，默认为4位，可设置1-10位。

6. 计算结果

三角模糊AHP模型的计算结果如下：

结果文件包含每个工作表的详细计算过程：

三角模糊判断矩阵：显示输入的原始三角模糊判断矩阵（标度分值-自信度格式会被转成三角模糊数格式）
中值矩阵M：提取三角模糊数的中值构成的矩阵
一致性检验结果：包含最大特征值λmax、CI、RI、CR值及检验结论
模糊评判因子矩阵E：基于三角模糊数计算的评判因子矩阵
调整判断矩阵Q：中值矩阵M与模糊评判因子矩阵E的乘积
对角线归一化矩阵Q’：将调整判断矩阵按对角线元素归一化
权重向量：最终计算得出的各指标权重

7. 计算原理

三角模糊AHP的计算包含六个核心步骤：

7.1 构造三角模糊判断矩阵A

$$A = \left(a_{ij}\right)_{n \times n}$$

其中$a_{ij} = \left(l_{ij}, m_{ij}, u_{ij}\right)$，这里$a_{ij}$是一个以$m_{ij}$作为中值的三角模糊数。

7.2 对中值矩阵M进行一致性检验

提取中值矩阵$M$，计算最大特征值$\lambda_{\max}$：

$$CI=\frac{\lambda_{max} - n}{n-1}$$

$$CR = \frac{CI}{RI}$$

当$CR < 0.1$时，一致性检验通过。

7.3 构造模糊评判因子矩阵E

$$E = \left(e_{ij}\right)_{n \times n}$$

其中： $$e_{ij} = \begin{cases} 1, & i = j \ 1 - \frac{u_{ij} - l_{ij}}{2 m_{ij}}, & i \neq j \end{cases}$$

7.4 计算调整判断矩阵Q

$$Q = M \times E$$

7.5 调整判断矩阵Q按列转换为对角线为1的判断矩阵Q’

将矩阵Q的每列除以对应的对角线元素，得到对角线归一化矩阵Q’。

7.6 用方根法计算各项指标的权重

计算每行所有元素的$n$次方根： $$\bar \omega i = \left(\prod{j=1}^n q’_{ij}\right)^{\frac{1}{n}}, \quad i = 1, 2, \cdots, n$$

对$\bar \omega _i$进行归一化处理： $$\omega_i = \frac{\bar \omega i}{\sum{i=1}^n \bar \omega _i}, \quad i = 1, 2, \cdots, n$$

最终权重： $$W = \left[\omega_1, \omega_2, \cdots, \omega_n\right]$$

8. 多层级权重汇总

计算出的各个三角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

9. 常见问题

9.1 三角模糊AHP与传统AHP的区别

问：三角模糊AHP与传统AHP有什么区别？

答：主要区别在于：

判断表示：三角模糊AHP使用三角模糊数$(l,m,u)$表示判断，传统AHP使用确定数值
不确定性处理：三角模糊AHP能更好地处理专家判断的不确定性和模糊性
计算过程：增加了模糊评判因子矩阵构造和调整判断矩阵计算步骤
适用场景：更适合处理复杂、模糊的决策问题

9.2 自信度参数的选择

问：如何选择合适的自信度参数？

答：自信度参数反映专家对判断的确信程度：

自信度1（高）：专家对判断非常确信，模糊程度小
自信度2（低）：专家对判断较为确信，模糊程度中等
自信度3（一般）：专家对判断不太确信，模糊程度大

建议根据专家的专业程度、问题复杂性和判断难度来选择。

9.3 一致性检验不通过的处理

问：如果中值矩阵一致性检验不通过怎么办？

答：可以采用以下方法：

调整判断：重新审视专家判断，调整不合理的比较结果
专家讨论：组织专家讨论，达成更一致的判断
增加自信度：适当增加不确定判断的自信度参数，增大模糊程度

9.4 数据格式要求

问：两种数据格式可以混用吗？

答：软件计算时可以用混用，但是专家打分肯定只有一种形式，如果两种格式混用的话，答辩老师可能会有疑问，建议选择一种格式进行专家问卷的发放，==推荐标度分值-自信度格式==。