基于层次分析模型的工作选择问题的研究
基于层次分析模型的工作选择问题的研究
摘要
随着社会竞争的加剧，大学生就业的压力越来越大，如何选择一份合适的工作成为了一个难题。本文针对工作选择问题，基于层次分析模型，针对公务员，私企员工，创业等三种毕业后的工作，建立了模型，并用MATLAB编程实现，很好的解决了这个问题。
一．建立层次分析结构模型
在我们建立的模型中，选择工作为目标层，准则层为：收入，发展，养老，工作压力四要素，方案层为：公务员，私企员工，创业三职业。即：
O选择工作
C1收入，C2发展，C3养老，C4工作压力
P1公务员，P2私企员工，P3创业
二．构造成对比较阵
在这一层中，我们需要比较准则层各元素（收入，发展，养老，工作压力）对目标的重要性，即构建成对比较阵。本文中成对比较阵是一个4*4的矩阵A，其中的元素为aij,aij为Ci：Cj,即准则层的各元素之间相互比较看其权重。如a12表示C1:C2,即对个人而言，收入和发展在心目中占据的分量之比。由此我们可列出成对比较阵。
|
C1 |
C2 |
C3 |
C4 |
|
|
C1 |
1 |
4 |
5 |
6 |
|
C2 |
1/4 |
1 |
1 |
1/2 |
|
C3 |
1/5 |
1 |
1 |
1/2 |
|
C4 |
1/6 |
2 |
2 |
1 |
通过我们的分析可知，该成对比较阵属于考察完全一致的情况。即：a12:a23=a13,也就是说，对于矩阵内的每一元素，有：aij:ajk=aik。我们就将该成对比较阵称为一致阵，根据一致阵的性质，我们可知：
三．计算权向量并作一致性检验
由此我们得知了该成对比较阵的最大特征根$为4.1290，权向量w为(0.6223,0.1089,0.1013,0.1675)T。另外因为该阵为一致阵，毫无疑问它能通过一致性检验。
四．计算组合权向量
接下来计算组合权向量，记第2层（准则）对第1层（目标）的权向量为：
同样求第3层(方案)对第2层每一元素(准则)的权向量，并构建四个成对比较阵：
方案层对C1(收入)的成对比较阵：
|
关于收入 |
公务员 |
私企员工 |
创业 |
|
公务员 |
1 |
1/2 |
1/7 |
|
私企员工 |
2 |
1 |
1/4 |
|
创业 |
7 |
4 |
1 |
方案层对C2(发展)的成对比较阵：
|
关于发展 |
公务员 |
私企员工 |
创业 |
|
公务员 |
1 |
1/2 |
1/6 |
|
私企员工 |
2 |
1 |
1/3 |
|
创业 |
6 |
3 |
1 |
方案层对C3(养老)的成对比较阵：
|
关于养老 |
公务员 |
私企员工 |
创业 |
|
公务员 |
1 |
5 |
3 |
|
私企员工 |
1/5 |
1 |
1/2 |
|
创业 |
1/3 |
2 |
1 |
方案层对C4(工作压力)的成对比较阵：
|
关于工作压力 |
公务员 |
私企员工 |
创业 |
|
公务员 |
1 |
1/3 |
1/6 |
|
私企员工 |
3 |
1 |
1/2 |
|
创业 |
6 |
2 |
1 |
针对这四个成对比较阵，我们求出其最大特征根：$1=3.0020,$2=3.0000,$3=3.0037,$4=3.0000,此即为权向量：w1(3) w2(3)… wn(3)
接下来我们计算组合权向量并列出表：
|
K |
1收入 |
2发展 |
3养老 |
4工作压力 |
||||
|
W(3)k |
0.0977 |
0.111 |
0.6485 |
0.1000 |
这是公务员对准则层四要素的比重 |
|||
|
0.1870 |
0.222 |
0.1220 |
0.3000 |
这是私企员工对准则层四要素的比重 |
||||
|
0.7153 |
0.667 |
0.2297 |
0.6000 |
这是创业对准则层四要素的比重 |
||||
|
$K |
3.0020 |
3.0000 |
3.0037 |
3.0000 |
||||
|
Ci |
9.9075e-04 |
1.1102e-15 |
0.0018 |
-2.2204e-16 |
||||
|
Cr |
0.0017 |
1.1942e-15 |
0.0032 |
-3.8284e-16 |
||||
|
w |
0.6223 |
0.1089 |
0.1013 |
0.1675 |
此为权向量 |
|||
方案P1对目标的组合权向量为:
0.0977*0.6223+0.111*0.1089+0.6485*0.1013+0.1000*0.1675=0.1554
方案P2对目标的组合权向量为：
0.1870*0.6223+0.222*0.1089+0.1220*0.1013+0.3000*0.1675=0.2032
方案P3对目标的组合权向量为：
0.7153*0.6223+0.667*0.1089+0.2297*0.1013+0.6000*0.1675=0.6415
方案层对目标层的组合权向量为(0.1554, 0.2032, 0.6415)T
经过分析我们可以知道，创业的组合权向量最大最高，表明创业是最合适的。
代码
a=[1,4,5,6
1/4,1,1,1/2,
1/5,1,1,1/2
1/6,2,2,1
];
[x,y]=eig(a)
eigenvalue=diag(y)
lamda=max(eigenvalue)
ci1=(lamda-4)/3
cr1=ci1/0.90
w1=x(:,1)/sum(x(:,1))
b1=[1,1/2,1/7;2,1,1/4;7,4,1];
[x,y]=eig(b1)
eigenvalue=diag(y)
lamda=max(eigenvalue)
ci21=(lamda-3)/2
cr21=ci21/0.58
[l,p]=find(y==lamda)
w21=x(:,p)/sum(x(:,p))
b2=[1,1/2,1/6;2,1,1/3;6,3,1];
[x,y]=eig(b2)
eigenvalue=diag(y)
lamda=max(eigenvalue)
ci22=(lamda-3)/2
cr22=ci22/0.58
[l,p]=find(y==lamda)
w22=x(:,p)/sum(x(:,p))
b3=[1,5,3;1/5,1,1/2;1/3,2,1];
[x,y]=eig(b3)
eigenvalue=diag(y)
lamda=max(eigenvalue)
ci23=(lamda-3)/2
cr23=ci23/0.58
[l,p]=find(y==lamda)
w23=x(:,p)/sum(x(:,p))
b4=[1,1/3,1/6;3,1,1/2;6,2,1];
[x,y]=eig(b4)
eigenvalue=diag(y)
lamda=max(eigenvalue)
ci24=(lamda-3)/2
cr24=ci24/0.58
[l,p]=find(y==lamda)
w24=x(:,p)/sum(x(:,p))
w_sum=[w21,w22,w23,w24]*w1
ci=[ci21,ci22,ci23,ci24]
cr=ci*w1/sum(0.58*w1)
结果
x =
-0.9409 + 0.0000i 0.9609 + 0.0000i 0.9609 + 0.0000i -0.0000 + 0.0000i
-0.1646 + 0.0000i -0.0612 - 0.1072i -0.0612 + 0.1072i -0.6472 + 0.0000i
-0.1532 + 0.0000i -0.0554 - 0.0417i -0.0554 + 0.0417i 0.7396 + 0.0000i
-0.2533 + 0.0000i -0.0836 + 0.2226i -0.0836 - 0.2226i -0.1849 + 0.0000i
y =
4.1290 + 0.0000i 0.0000 + 0.0000i 0.0000 + 0.0000i 0.0000 + 0.0000i
0.0000 + 0.0000i -0.0645 + 0.7271i 0.0000 + 0.0000i 0.0000 + 0.0000i
0.0000 + 0.0000i 0.0000 + 0.0000i -0.0645 - 0.7271i 0.0000 + 0.0000i
0.0000 + 0.0000i 0.0000 + 0.0000i 0.0000 + 0.0000i -0.0000 + 0.0000i
eigenvalue =
4.1290 + 0.0000i
-0.0645 + 0.7271i
-0.0645 - 0.7271i
-0.0000 + 0.0000i
lamda =
4.1290
ci1 =
0.0430
cr1 =
0.0478
w1 =
0.6223
0.1089
0.1013
0.1675
x =
-0.1311 + 0.0000i -0.0655 - 0.1135i -0.0655 + 0.1135i
-0.2507 + 0.0000i -0.1254 + 0.2171i -0.1254 - 0.2171i
-0.9592 + 0.0000i 0.9592 + 0.0000i 0.9592 + 0.0000i
y =
3.0020 + 0.0000i 0.0000 + 0.0000i 0.0000 + 0.0000i
0.0000 + 0.0000i -0.0010 + 0.0771i 0.0000 + 0.0000i
0.0000 + 0.0000i 0.0000 + 0.0000i -0.0010 - 0.0771i
eigenvalue =
3.0020 + 0.0000i
-0.0010 + 0.0771i
-0.0010 - 0.0771i
lamda =
3.0020
ci21 =
9.9075e-04
cr21 =
0.0017
l =
1
p =
1
w21 =
0.0977
0.1870
0.7153
x =
0.1562 0.2993 -0.0298
0.3123 -0.2964 -0.2619
0.9370 -0.9070 0.9646
y =
3.0000 0 0
0 0.0000 0
0 0 -0.0000
eigenvalue =
3.0000
0.0000
-0.0000
lamda =
3.0000
ci22 =
1.1102e-15
cr22 =
1.9142e-15
l =
1
p =
1
w22 =
0.1111
0.2222
0.6667
x =
0.9281 + 0.0000i 0.9281 + 0.0000i 0.9281 + 0.0000i
0.1747 + 0.0000i -0.0873 - 0.1513i -0.0873 + 0.1513i
0.3288 + 0.0000i -0.1644 + 0.2847i -0.1644 - 0.2847i
y =
3.0037 + 0.0000i 0.0000 + 0.0000i 0.0000 + 0.0000i
0.0000 + 0.0000i -0.0018 + 0.1053i 0.0000 + 0.0000i
0.0000 + 0.0000i 0.0000 + 0.0000i -0.0018 - 0.1053i
eigenvalue =
3.0037 + 0.0000i
-0.0018 + 0.1053i
-0.0018 - 0.1053i
lamda =
3.0037
ci23 =
0.0018
cr23 =
0.0032
l =
1
p =
1
w23 =
0.6483
0.1220
0.2297
x =
0.1474 -0.0267 0.3137
0.4423 -0.3819 -0.5563
0.8847 0.9238 -0.7695
y =
3.0000 0 0
0 0.0000 0
0 0 -0.0000
eigenvalue =
3.0000
0.0000
-0.0000
lamda =
3.0000
ci24 =
-2.2204e-16
cr24 =
-3.8284e-16
l =
1
p =
1
w24 =
0.1000
0.3000
0.6000
w_sum =
0.1554
0.2032
0.6415
ci =
0.0010 0.0000 0.0018 -0.0000
cr =
0.0014
基于层次分析模型的工作选择问题的研究相关推荐
- CVPR2020：基于层次折叠的跳跃式注意网络点云完成
CVPR2020:基于层次折叠的跳跃式注意网络点云完成 Point Cloud Completion by Skip-Attention Network With Hierarchical Foldi ...
- CIKM 2021 | AutoHERI: 基于层次表示自动聚合的 CVR 预估模型
本文主要介绍阿里妈妈大外投广告算法团队在 CVR 预估模型与多任务学习方法上的一些探索.我们提出了一种基于层次表示自动聚合的 AutoHERI 模型(Automated Hierarchical Re ...
- 推荐系统模型之: 基于层次表示自动聚合的 CVR 预估模型
猜你喜欢 0.某视频APP推荐策略和推荐算法详解 1.如何搭建一套个性化推荐系统? 2.内容推荐策略产品经理的方法与实践 3.京东推荐算法精排技术实践 4.微博推荐算法实践与机器学习平台演进 5.腾讯 ...
- 计算机网络安全性分析建模研究,计算机网络信息安全风险层次分析模型研究
摘要:文章基于灰色理论和S-D证据理论研究计算机网络信息安全风险层次分析模型.首先对灰色理论和S-D证据理论进行分析,然后再建立层次分析模型,其中还涉及到权重的设计.从理论意义上将,文章所研究的模型具 ...
- [转载]基于TFS实践敏捷-工作项跟踪
[转载]基于TFS实践敏捷-工作项跟踪 工作项跟踪(1) 可跟踪性是软件过程的重要能力,TFS主要是以工作项来实现过程的可跟踪性.曾有人问:"你们实际项目里的工作项是怎么样的?能不能让我们看 ...
- 干货！基于层次适应的零样本学习
点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入! 针对视觉-语义异构特征难对准的问题,我们提出一种层次视觉-语义层次适应的学习模型,通过同时进行结构对准和分布对准,学习一个具有结构和分布 ...
- 基于层次分析法与熵权法的主客观组合赋权模型（原创：小青龙）
基于层次分析法与熵权法的主客观组合赋权模型 组合赋权大家可以尝试进行改变,一个主观一个客观.(原创:小青龙) 简介 权重是用来衡量总体中各单位标志值在总体中作用大小的数值, 用来描述单因子在因子集 ...
- 服务器维护翻译,TRADOS在线帮助第三章 用基于服务器的翻译记忆工作
第三章 用基于服务器的翻译记忆工作 3.1 概述 3.1.1 TRADOS TM Server.TRADOS GXT和TRADOS TeamWorks是专业化系统,旨在满足多用户组的要求. Trans ...
- 聚类——基于层次的聚类算法
基于层次的聚类算法(Hierarchical Clustering) 当不知道应该分为几类时,使用层次聚类比较适合.层次聚类会构建一个多层嵌套的分类,类似一个树状结构.可以选择一个聚类数量,根据需求对 ...
最新文章
- TaskWarrior windows版制作
- 项目背景介绍及文件系统基本概念简介
- JavaScript 引擎和 Just-in-Time 编译概念，Hot Function 的简单介绍
- 通信工程施工设计纲领文件
- React开发（245）:ant design form自定义验证
- xtrabackup备份脚本
- C#委托、类和事件的验证【C#】
- 不可不知的站群外推方法与技巧
- linux 进程监控命令2——ps
- 服务器维护家电需要电工证吗,物业电工需要电工证吗
- 人工智能与深度学习概念（5）——目标检测-RCNN
- 虚拟机xp系统如何安装--win10专业版
- Swift 使用AVPlayer 和 AVPlayerItem 做语音播放
- 如何写好一篇英文科技论文
- 基础算法练习200题07、编框
- yum安装软件包 conflicts between attempted installs of错误
- QT手动添加Q_OBJECT报错解决方法记录
- codeforces 69A. Young Physicist
- 敏捷宣言:四大核心价值观和十二条原则
- Ubuntu安装常用Linux桌面系统