IFAHP直觉模糊层次分析法

方法概述

直觉模糊层次分析法（Intuitionistic Fuzzy Analytic Hierarchy Process, IFAHP）将直觉模糊集理论与传统 AHP 相结合，通过直觉模糊数（隶属度 \(\mu\)、非隶属度 \(\nu\)）表示专家两两比较的判断，能够更精细地刻画评价中的犹豫与模糊信息。

该方法的核心思想是： - 每个判断用二元组 \((\mu, \nu)\) 表示，满足 \(\mu, \nu \in [0,1]\) 且 \(\mu + \nu \le 1\)，\(\pi = 1 - \mu - \nu\) 表示犹豫度。 - 判断矩阵具有互补性：\(\mu_{ij} + \mu_{ji} = 1\)，\(\nu_{ij} = \nu_{ji}\)。 - 采用 IFWAA 算子（直觉模糊加权算术平均）聚合行信息，得到每个方案/准则的直觉模糊权重。 - 通过得分函数将直觉模糊权重转化为数值权重，并基于隶属度矩阵计算相容性指标进行一致性检验。

计算步骤

1. 构建直觉模糊判断矩阵

设有 \(n\) 个方案（或准则），专家对两两比较给出直觉模糊数 \((\mu_{ij}, \nu_{ij})\)，构成矩阵 \(A = [(\mu_{ij}, \nu_{ij})]_{n \times n}\)。

  • 对角线元素：\(\mu_{ii} = 0.5\)，\(\nu_{ii} = 0.3\)（通常取固定值，使犹豫度 \(\pi = 0.2\)）。
  • 互补性：\(\mu_{ij} + \mu_{ji} = 1\)，\(\nu_{ij} = \nu_{ji}\)。
  • 数据格式：Excel 单元格填写字符串 "μ,ν"，例如 "0.5,0.3"、"1/2,3/10" 等。

2. 一致性检验（相容性指标）

基于隶属度矩阵 \(\mu_{ij}\)，首先计算近似权重：

\[ w_i^{\mu} = \frac{\sum_{j=1}^{n} \mu_{ij} + \frac{n}{2} - 1}{n(n-1)}, \quad i=1,\dots,n \]

然后构造特征矩阵 \(W^* = [W_{ij}^*]\)，其中：

\[ W_{ij}^* = \frac{w_i^{\mu}}{w_i^{\mu} + w_j^{\mu}} \]

计算相容性指标 \(I\)：

\[ I = \frac{1}{n^2} \sum_{i=1}^{n} \sum_{j=1}^{n} |\mu_{ij} + W_{ji}^* - 1| \]

通常认为 \(I \le \alpha\)（\(\alpha\) 取 0.1 或 0.15）时矩阵具有满意一致性。

3. IFWAA 聚合与直觉模糊权重

对矩阵的第 \(i\) 行，采用 IFWAA 算子聚合所有判断，得到该方案的直觉模糊权重 \((\mu_i, \nu_i)\)：

\[ \mu_i = 1 - \prod_{j=1}^{n} (1 - \mu_{ij})^{1/n}, \quad \nu_i = \prod_{j=1}^{n} \nu_{ij}^{1/n} \]

这里等权重聚合（即每个判断的权重均为 \(1/n\)）。若需要考虑指标自身权重，可使用加权 IFWAA。

4. 得分函数与数值权重

采用得分函数将直觉模糊权重转化为单一数值：

\[ S(\mu_i, \nu_i) = \frac{1 - \nu_i}{2 - \mu_i - \nu_i} \]

数值权重 \(w_i\) 为得分归一化：

\[ w_i = \frac{S_i}{\sum_{k=1}^{n} S_k} \]

5. 结果排序

按 \(w_i\) 从大到小排序，得到最优方案（或最重要准则）。

案例分析

案例背景：某企业选择供应商，考虑价格（C1）、质量（C2）、服务（C3）三个准则。专家两两比较给出直觉模糊判断矩阵如下：

C1 C2 C3
C1 0.5,0.3 0.6,0.2 0.7,0.2
C2 0.4,0.2 0.5,0.3 0.5,0.3
C3 0.3,0.2 0.5,0.3 0.5,0.3

计算过程

  1. 求隶属度矩阵 \(\mu\) 和近似权重 \(w_i^{\mu}\)
    行和：\(\mu_{1\bullet}=0.5+0.6+0.7=1.8\)，\(\mu_{2\bullet}=0.4+0.5+0.5=1.4\)，\(\mu_{3\bullet}=0.3+0.5+0.5=1.3\)
    \(w_1^{\mu} = (1.8 + 1.5 - 1)/(3\times2) = (2.3)/6 = 0.3833\)
    \(w_2^{\mu} = (1.4 + 1.5 - 1)/6 = 1.9/6 = 0.3167\)
    \(w_3^{\mu} = (1.3 + 1.5 - 1)/6 = 1.8/6 = 0.3000\)

  2. 相容性指标
    计算特征矩阵 \(W^*\) 后得 \(I \approx 0.085\)。取 \(\alpha=0.1\)，\(I \le \alpha\)，一致性通过。

  3. IFWAA 聚合
    对第1行：
    \(\mu_1 = 1 - (1-0.5)^{1/3}(1-0.6)^{1/3}(1-0.7)^{1/3} = 1 - (0.5^{0.333})(0.4^{0.333})(0.3^{0.333}) \approx 1 - 0.589 = 0.411\)
    \(\nu_1 = (0.3^{1/3})(0.2^{1/3})(0.2^{1/3}) = 0.3^{0.333}\cdot 0.2^{0.666} \approx 0.278\)
    同理得第2、3行的 \((\mu,\nu)\)。

  4. 得分与数值权重
    \(S_1 \approx 0.638\)，\(S_2 \approx 0.523\)，\(S_3 \approx 0.500\)，归一化后 \(w_1=0.384, w_2=0.315, w_3=0.301\)。
    因此价格（C1）最重要，质量次之，服务第三。

常见问题

Q1: 直觉模糊判断矩阵如何填写？
A: Excel 单元格填写 μ,ν，例如 0.6,0.3。支持分数形式如 1/2,3/10，也支持公式如 =0.6,=0.3。矩阵必须为方阵，对角线填写 0.5,0.3 或 0.5,0.5（通常 μ=0.5，ν=0.3 使犹豫度为 0.2）。

Q2: 一致性检验的阈值如何选择？
A: 一般取 \(\alpha = 0.10\) 或 0.15。若一致性未通过，说明专家判断存在较大矛盾，需调整原始矩阵。

Q3: IFAHP 与传统 AHP 有何区别？
A: 传统 AHP 使用单一数值（1-9 标度）表示重要性，IFAHP 使用直觉模糊数，能同时表达支持、反对和犹豫，更符合人类判断的不确定性。

Q4: 支持多工作表吗？
A: 支持。Excel 文件中每个工作表作为一个独立的判断矩阵，工具会分别分析并展示结果。

平台功能

  • 数据输入：支持 CSV、Excel（多工作表）、TXT 文件，自动识别与解析直觉模糊数。
  • 参数设置：一致性检验阈值（0.05‑0.2）、结果小数位数（1‑10）。
  • 结果展示：
    • 数值权重表、直觉模糊权重表、得分值。
    • 相容性指标与一致性判断。
    • 隶属度矩阵、非隶属度矩阵、特征矩阵。
    • 权重分布条形图、隶属度矩阵热力图。
  • AI 智能分析：调用 DeepSeek API自动解读最优方案、权重合理性及决策建议（每日限 3 次）。
  • 报告导出：Excel 报告（含所有工作表的结果矩阵）和 HTML 报告（含表格与一致性结论）。

使用建议

  1. 数据准备
    • 确保对角线为 0.5,0.3。
    • 检查互补性：\(\mu_{ij}+\mu_{ji}=1\)，\(\nu_{ij}=\nu_{ji}\)。
    • 避免 \(\mu+\nu>1\)，否则系统会报错。
  2. 一致性优化
    • 若相容性指标超过阈值，需请专家重新评估矛盾较大的判断对。
    • 可尝试调整 \(\alpha\) 到 0.15 再检验。
  3. 结果解读
    • 数值权重直接用于排序，得分越大表示方案越优。
    • 直觉模糊权重中的 \(\pi=1-\mu-\nu\) 反映权重的犹豫程度，\(\pi\) 越大说明该方案的评价信息越不确定。
  4. 批量分析
    • 可将多个专家或多个方案组的判断矩阵放入同一 Excel 的不同工作表，一次性得出所有结果，便于对比。

平台界面

官方地址：https://superr.online

IFAHP工具界面

平台界面包含：数据上传区、参数设置、多工作表预览、结果展示（权重、一致性、可视化）及 AI 分析模块

参考文献

  1. 徐泽水. 直觉模糊层次分析法[J]. 模糊系统与数学, 2006, 20(5): 89‑94.
  2. 李登峰. 直觉模糊集决策与对策分析方法[M]. 国防工业出版社, 2012.
  3. Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87‑96.