利用奇异值分解和可能满意度方法,提出了一种新的层次分析法权重计算、一致性检验与改进过程.根据矩阵最优近似定理和K u llback-Leib ler信息法则,指出奇异值分解所得结果是对决策偏好的最优近似,根据可能满意度方法,利用判断矩阵的最...利用奇异值分解和可能满意度方法,提出了一种新的层次分析法权重计算、一致性检验与改进过程.根据矩阵最优近似定理和K u llback-Leib ler信息法则,指出奇异值分解所得结果是对决策偏好的最优近似,根据可能满意度方法,利用判断矩阵的最大特征值及其F roben ius范数,定义判断矩阵的可能度与满意度,分别考察一致性改进程度和相对原始判断矩阵的信息偏离程度,并将两者并合为一个能够全面衡量一致性改善效果的综合指标:判断矩阵的可能满意度.通过与加权几何平均改进方法相结合,在最大限度保留决策者原始判断信息条件下,逐步达到可接受的一致性.给出了改进算法的收敛性证明,并利用典型算例进行对比分析.展开更多