Мы поможем в написании ваших работ!
ЗНАЕТЕ ЛИ ВЫ?
|
I этап – Принцип идентификации и декомпозиции.
II этап – Принцип дискриминации и сравнительных суждений.
1. Макроуровень. Определим степень влияния кластеров друг на друга путём заполнения матрицы парных сравнений для каждого кластера.
Для первого кластера:
|
|
|
| Собств
|
| 1,00000
| 5,00000
| 3,00000
| 0,63699
|
| 0,20000
| 1,00000
| 0,33333
| 0,10473
|
| 0,33333
| 3,00000
| 1,00000
| 0,25828
|
Для второго кластера:
|
|
| Собств
|
| 1,00000
| 3,00000
| 0,75000
|
| 0,33333
| 1,00000
| 0,25000
| Согласно полученным результатам составим матрицу, показывающую степень влияния кластеров друг на друга:
|
|
|
|
|
| 0,00000
| 0,00000
| 0,00000
| 1,00000
|
| 0,63699
| 0,00000
| 0,00000
| 0,00000
|
| 0,10473
| 0,75000
| 0,00000
| 0,00000
|
| 0,25828
| 0,25000
| 1,00000
| 0,00000
| 2. Микроуровень. Сформируем МПС для элементов кластеров и вычислим их приоритеты.
1) Кластер «Альтернативы»
1.1
| 2.1
| 2.2
| 2.3
| Собств
| 2.1
| 1,00000
| 2,00000
| 3,00000
| 0,53961
| 2.2
| 0,50000
| 1,00000
| 2,00000
| 0,29696
| 2.3
| 0,33333
| 0,50000
| 1,00000
| 0,16342
| | | | | | 1.2
| 2.1
| 2.2
| 2.3
| Собств
| 2.1
| 1,00000
| 2,00000
| 0,33333
| 0,23849
| 2.2
| 0,50000
| 1,00000
| 0,25000
| 0,13650
| 2.3
| 3,00000
| 4,00000
| 1,00000
| 0,62501
| | | | | | 1.3
| 2.1
| 2.2
| 2.3
| Собств
| 2.1
| 1,00000
| 0,50000
| 2,00000
| 0,29696
| 2.2
| 2,00000
| 1,00000
| 3,00000
| 0,53961
| 2.3
| 0,50000
| 0,33333
| 1,00000
| 0,16342
| | | | | | 1.1
| 3.1
| 3.2
| 3.3
| Собств
| 3.1
| 1,00000
| 3,00000
| 4,00000
| 0,61441
| 3.2
| 0,33333
| 1,00000
| 3,00000
| 0,26837
| 3.3
| 0,25000
| 0,33333
| 1,00000
| 0,11722
| | | | | | 1.2
| 3.1
| 3.2
| 3.3
| Собств
| 3.1
| 1,00000
| 0,20000
| 0,50000
| 0,12202
| 3.2
| 5,00000
| 1,00000
| 3,00000
| 0,64833
| 3.3
| 2,00000
| 0,33333
| 1,00000
| 0,22965
| | | | | | 1.3
| 3.1
| 3.2
| 3.3
| Собств
| 3.1
| 1,00000
| 4,00000
| 0,50000
| 0,33307
| 3.2
| 0,25000
| 1,00000
| 0,20000
| 0,09739
| 3.3
| 2,00000
| 5,00000
| 1,00000
| 0,56954
| | | |
| | 1.1
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 2,00000
| 0,20000
| 0,17212
| 4.2
| 0,50000
| 1,00000
| 0,16667
| 0,10203
| 4.3
| 5,00000
| 6,00000
| 1,00000
| 0,72585
| | | | | | 1.2
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 3,00000
| 5,00000
| 0,64833
| 4.2
| 0,33333
| 1,00000
| 2,00000
| 0,22965
| 4.3
| 0,20000
| 0,50000
| 1,00000
| 0,12202
| | | | | | 1.3
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 0,25000
| 0,50000
| 0,13650
| 4.2
| 4,00000
| 1,00000
| 3,00000
| 0,62501
| 4.3
| 2,00000
| 0,33333
| 1,00000
| 0,23849
| 2) Кластер «Общие свойства»
2.1
| 3.1
| 3.2
| 3.3
| Собств
| 3.1
| 1,00000
| 0,50000
| 2,00000
| 0,29696
| 3.2
| 2,00000
| 1,00000
| 3,00000
| 0,53961
| 3.3
| 0,50000
| 0,33333
| 1,00000
| 0,16342
| | | | | | 2.2
| 3.1
| 3.2
| 3.3
| Собств
| 3.1
| 1,00000
| 0,50000
| 0,25000
| 0,13650
| 3.2
| 2,00000
| 1,00000
| 0,33333
| 0,23849
| 3.3
| 4,00000
| 3,00000
| 1,00000
| 0,62501
| | | | | | 2.3
| 3.1
| 3.2
| 3.3
| Собств
| 3.1
| 1,00000
| 4,00000
| 2,00000
| 0,55842
| 3.2
| 0,25000
| 1,00000
| 0,33333
| 0,12196
| 3.3
| 0,50000
| 3,00000
| 1,00000
| 0,31962
| | | | | | 2.1
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 2,00000
| 0,20000
| 0,18648
| 4.2
| 0,50000
| 1,00000
| 0,25000
| 0,12654
| 4.3
| 5,00000
| 4,00000
| 1,00000
| 0,68698
| | | | | | 2.2
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 4,00000
| 5,00000
| 0,68334
| 4.2
| 0,25000
| 1,00000
| 2,00000
| 0,19981
| 4.3
| 0,20000
| 0,50000
| 1,00000
| 0,11685
| | | | | | 2.3
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 5,00000
| 6,00000
| 0,70905
| 4.2
| 0,20000
| 1,00000
| 4,00000
| 0,21184
| 4.3
| 0,16667
| 0,25000
| 1,00000
| 0,07911
|
3) Кластер «Недостатки»
3.1
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 2,00000
| 0,25000
| 0,19981
| 4.2
| 0,50000
| 1,00000
| 0,20000
| 0,11685
| 4.3
| 4,00000
| 5,00000
| 1,00000
| 0,68334
| | | | | | 3.2
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 3,00000
| 2,00000
| 0,53961
| 4.2
| 0,33333
| 1,00000
| 3,00000
| 0,29696
| 4.3
| 0,50000
| 0,33333
| 1,00000
| 0,16342
| | | | | | 3.3
| 4.1
| 4.2
| 4.3
| Собств
| 4.1
| 1,00000
| 5,00000
| 0,50000
| 0,44076
| 4.2
| 0,20000
| 1,00000
| 4,00000
| 0,30148
| 4.3
| 2,00000
| 0,25000
| 1,00000
| 0,25776
|
4) Кластер «Первое впечатление»
4.1
| 1.1
| 1.2
| 1.3
| Собств
| 1.1
| 1,00000
| 0,33333
| 0,50000
| 0,16342
| 1.2
| 3,00000
| 1,00000
| 2,00000
| 0,53961
| 1.3
| 2,00000
| 0,50000
| 1,00000
| 0,29696
| | | | | | 4.2
| 1.1
| 1.2
| 1.3
| Собств
| 1.1
| 1,00000
| 0,50000
| 0,25000
| 0,13650
| 1.2
| 2,00000
| 1,00000
| 0,33333
| 0,23849
| 1.3
| 4,00000
| 3,00000
| 1,00000
| 0,62501
| | | | | | 4.3
| 1.1
| 1.2
| 1.3
| Собств
| 1.1
| 1,00000
| 4,00000
| 5,00000
| 0,67381
| 1.2
| 0,25000
| 1,00000
| 3,00000
| 0,22554
| 1.3
| 0,20000
| 0,33333
| 1,00000
| 0,10065
|
III этап – Синтез.
На основе результатов второго этапа составляется невзвешенная суперматрица:
| 1.1
| 1.2
| 1.3
| 2.1
| 2.2
| 2.3
| 3.1
| 3.2
| 3.3
| 4.1
| 4.2
| 4.3
| 1.1
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,16342
| 0,13650
| 0,67381
| 1.2
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,53961
| 0,23849
| 0,22554
| 1.3
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,29696
| 0,62501
| 0,10065
| 2.1
| 0,53961
| 0,23849
| 0,29696
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 2.2
| 0,29696
| 0,13650
| 0,53961
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 2.3
| 0,16342
| 0,62501
| 0,16342
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 3.1
| 0,61441
| 0,12202
| 0,33307
| 0,29696
| 0,13650
| 0,55842
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 3.2
| 0,26837
| 0,64833
| 0,09739
| 0,53961
| 0,23849
| 0,12196
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 3.3
| 0,11722
| 0,22965
| 0,56954
| 0,16342
| 0,62501
| 0,31962
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 4.1
| 0,17212
| 0,64833
| 0,13650
| 0,18648
| 0,68334
| 0,70905
| 0,19981
| 0,53961
| 0,44076
| 0,00
| 0,00
| 0,00
| 4.2
| 0,10203
| 0,22965
| 0,62501
| 0,12654
| 0,19981
| 0,21184
| 0,11685
| 0,29696
| 0,30148
| 0,00
| 0,00
| 0,00
| 4.3
| 0,72585
| 0,12202
| 0,23849
| 0,68698
| 0,11685
| 0,07911
| 0,68334
| 0,16342
| 0,25776
| 0,00
| 0,00
| 0,00
|
Далее получаем взвешенную матрицу W путём умножения каждой блочной матрицы Wij на Vij, полученной при рассмотрении задачи влияния кластеров:
| 1.1
| 1.2
| 1.3
| 2.1
| 2.2
| 2.3
| 3.1
| 3.2
| 3.3
| 4.1
| 4.2
| 4.3
| 1.1
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,16342
| 0,13650
| 0,67381
| 1.2
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,53961
| 0,23849
| 0,22554
| 1.3
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,29696
| 0,62501
| 0,10065
| 2.1
| 0,34373
| 0,15191
| 0,18916
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 2.2
| 0,18916
| 0,08695
| 0,34373
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 2.3
| 0,10410
| 0,39812
| 0,10410
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 3.1
| 0,06435
| 0,01278
| 0,03488
| 0,22272
| 0,10237
| 0,41882
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 3.2
| 0,02811
| 0,06790
| 0,01020
| 0,40471
| 0,17887
| 0,09147
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 3.3
| 0,01228
| 0,02405
| 0,05965
| 0,12257
| 0,46876
| 0,23971
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 0,00
| 4.1
| 0,04446
| 0,16745
| 0,03526
| 0,04662
| 0,17084
| 0,17726
| 0,19981
| 0,53961
| 0,44076
| 0,00
| 0,00
| 0,00
| 4.2
| 0,02635
| 0,05932
| 0,16143
| 0,03164
| 0,04995
| 0,05296
| 0,11685
| 0,29696
| 0,30148
| 0,00
| 0,00
| 0,00
| 4.3
| 0,18748
| 0,03152
| 0,06160
| 0,17175
| 0,02921
| 0,01978
| 0,68334
| 0,16342
| 0,25776
| 0,00
| 0,00
| 0,00
|
Предельная матрица при k=58:
0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10562
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,10954
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,09546
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,071
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06231
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06454
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,06075
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,05716
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,06301
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,12256
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,07654
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
| 0,11152
|
Абсолютные приоритеты:
1. Альтернативы
| 1.1 Bosch
| 0,10562
| 0,31061
| 0,340034
| 1.2 Electrolux
| 0,10954
| 0,352651
| 1.3 Samsung
| 0,09546
| 0,307315
| 2. Общие свойства
| 2.1 Ёмкость
| 0,071
| 0,197857
| 0,358851
| 2.2 Мощность
| 0,06231
| 0,314945
| 2.3 Экологичность
| 0,06454
| 0,326204
| 3. Недостатки
| 3.1 Энергозатраты
| 0,06075
| 0,180921
| 0,335777
| 3.2 Обслуживание
| 0,05716
| 0,315957
| 3.3 Громоздкость щётки
| 0,06301
| 0,348265
| 4. Первое впечатление
| 4.1 Стоимость
| 0,12256
| 0,310613
| 0,394562
| 4.2 Внешний вид
| 0,07654
| 0,246407
| 4.3 Компактность
| 0,11152
| 0,359031
|
Согласно результатам, наиболее предпочтительной альтернативой стал пылесос марки Electrolux, кластером – «Первое впечатление».
Результаты, полученные с использованием программы Super Decisions:
Список литературы
1. Андрейчиков А.В. Анализ, синтез, планирование решений в экономике / А.В.Андрейчиков, О.Н.Андрейчикова –М.: Финансы и статистика, 2000.
2. Ларичев О.И. Теория и методы принятия решений, а также хроника событий в волшебных странах – М.: Логос, 2006.
3. Петровский А.Б. Теория принятия решений. – М: Издательский центр “Академия”, 2009.
4. Саати Т.Л. Принятие решений. Метод анализа иерархий. – М.:Радио и связь, 1993.
5. Саати Т.Л. Принятие решений при зависимостях и обратных связях: аналитические сети. – М.: Издательство ЛКИ, 2008.
|