Основи системного аналізу

Метод аналізу мереж

Савченко Ілля Олександрович

ННК “ІПСА” НТУУ “КПІ ім. Ігоря Сікорського”
 Метод аналізу мереж
Метод аналізу мереж (ANP, Analytic Network
Process) був розроблений Т. Сааті як
узагальнення МАІ для задач, які не можуть
бути представлені у вигляді ієрархії через
наявність зворотніх та/або горизонтальних
зв’язків.
 Ієрархії і мережі
С1

С2
Мета

С3

Критерії С4

Альтернативи Рівні ієрархії Кластери мережі

 Етапи МАМ
1) Формування мережі кластерів
2) Оцінювання впливів елементів для
пов’язаних кластерів (парні порівняння)
3) Формування суперматриці
4) Зважування суперматриці
5) Визначення ліміту ступенів суперматриці
 Суперматриця мережі
 W11 W12 ... W1N 
Кожна підматриця Wij показує вплив
W W22 ... W2 N 
 21 елементів кластера Wi на елементи
W кластера Wj.
 ... ... ... ... 
 
 WN 1 WN 2 ... WNN 

( jn j )
 wi(1j1) wi(1j 2) ... wi1 
 ( j1) ( jn j )
 wik( jl ) – локальна вага елемента wik
 wi 2 wi(2j 2) ... wi 2  відносно wjl.
Wij   
 ... ... ... ... 
 w( j1) win( ji 2) ... wini j 
( jn )
 ini
 Суперматриця ієрархії
 0 0 ... 0 0
W 0 
 21 0 ... 0
W   0 W32 ... 0 0
 
 ... ... ... ... ... 
 0 0 ... WNN 1 I 

Мета Критерії Альтернативи

G Мета  0 0 0 0 0 0
 0,6 0 0 0 0 0 
Критерії 
C1 C2  0, 4 0 0 0 0 0
 
Альтер-
 0 0,2 0,6 1 0 0
A1 A2 A3  0 0,5 0,3 0 1 0
нативи
 
 0 0,3 0,1 0 0 1
 Суперматриця ієрархії
Результатом є ліміт ступенів суперматриці
 0 0 ... 0 0
 0 0 ... 0 0 

lim W k   0 0 ... 0 0
k   
 ... ... ... ... ... 
W I 
 N , N 1WN 1, N 2 ...W21 WN , N 1WN 1, N 2 ...W32 ... WNN 1
 0 0 0 0 0 0
 0 0 0 0 0 0 

 0 0 0 0 0 0
D2   
 0,36 0,2 0,6 1 0 0
Глобальні ваги  0,42 0,5 0,3 0 1 0
 
 0,22 0,3 0,1 0 0 1
 Зважування суперматриці мережі

Для того, щоб ліміт суперматриці мережі був

скінченний, необхідно, щоб матриця була
стохастичною за стовпчиками:
Ns
j 1, N s :  wij  1
i 1

Два підходи:
wij
w ij 
1)нормування матриці: Ns

w kj
2)Зважування кластерів k 1
 Зважування кластерів
Для кожного кластера порівнюються
кластери, що на нього впливають, з точки
зору величини цього впливу. Формується
матриця Wc:
 w11c ... w1cN 
c    w11c W11 w12c W12 ... w1cNW1N 
W   ... ... ...   c c 
  w21W21 w22W22 ... w2c NW2 N 
 wNc 1 ... wNN
c  W
   ... ... ... ... 
 c 
N
 wN 1WN 1 wNc 2WN 2 c
... wNNWNN 
j 1, N :  w  1
c
ij
i 1
 Ліміт ступенів суперматриці
При піднесенні суперматриці до ступенів
можливі два варіанти:
1) Матриця збігається до фіксованих величин
2) Матриця “зациклюється”
У другому випадку використовується ліміт за
Чезаро або сума за Чезаро послідовних
елементів циклу.
1 k h
S  lim W
k  k
h 1
 Приклад
Оцінювання рекламних кампаній

4. Канал
2. Характеристики
• ТВ
• Охоплення
• Інтернет
• Ефективність
5. Альтернативи • Зовнішня реклама

• Кампанія 1
• Кампанія 2
• Кампанія 3 3. Сегмент
1. Успішність
• Елітний
• Прибуток
• Середній
• Репутація
• Бюджетний
 Приклад
Суперматриця
1 2 3 4 5
1

5
 Приклад
Зважування кластерів суперматриці

1 0 0 0 0 0
2  0,1 0 0,1 0 0 
C 3  0,9 0,3 0,1 0 0 
W   
4  0 0,7 0,3 0 0 
5  0 0 0,5 1 1 
1 2 3 4 5
 Приклад
Зважена суперматриця
1 2 3 4 5
1

5
 Приклад
Зважена суперматриця
1 2 3 4 5
1

5
 Приклад
Ліміт суперматриці
 Приклад
Ступені зваженої суперматриці збігаються,
результат для ваг альтернатив відносно
факторів успішності:

Прибуток Репутація
К1 0,391 0,272
К2 0,282 0,398
К3 0,328 0,331