yaanp精简版 2.0.7256

　　【功能介绍】

　　模型绘制

　　使用yaanp构建模型非常直观方便，用户能够把注意力集中在决策问题上。通过便捷的模型编辑功能，用户可以方便地修改模型，为思路的整理提供帮助。如果需要撰写文档或报告讲解，还可以直接将模型图各部分导出，不需要使用其他软件重新绘制模型。

　　多种模型类型和标度类型

　　按照模型结构特点，yaanp将模型分为四种类型：层次模型、单网络模型、BOCR模型和完全网络模型。判断矩阵所使用的标度类型也可以在1-9标度、1-5标度、1-3标度和1-2标度中选择。模型类型和标度类型在新建模型时选定。

　　判断矩阵生成及两两比较数据输入

　　模型结构确定后,yaanp可以对模型进行解析并生成判断矩阵。

　　判断矩阵数据输入时可以选择三种输入方式：判断矩阵形式；问卷形式和 直接输入形式。用户可以根据自己的习惯和数据的特点选择合适的方式输入判断矩阵数据。

　　判断矩阵一致性比例及排序权重计算

　　由于人的主观性以及客观事物的复杂性，在实际决策问题中，一次就构造出满足一致性要求的判断矩阵很难实现，经常需要对判断矩阵进行多次调整修正才能达到一致性要求。在输入判断矩阵数据时，yaanp能根据数据变化实时显示判断矩阵的一致性比例和排序权重，方便用户了解目前的判断矩阵情况。

　　不一致判断矩阵自动修正

　　除了实时显示的一致性比例，yaanp还能标记出对一致性影响最大的要素，可以帮助用户对不一致判断矩阵进行人工调整。但是，人工调整判断矩阵的过程有一定的盲目性，需要凭借经验和技巧来完成，缺乏科学性。

　　而且，如果是收集到的专家问卷调查数据，直接对这些数据进行的调整、修改专家的原始判断很可能是不合理的。针对这种情况，yaanp提供了不一致判断矩阵的自动修正功能。该功能考虑人们决策时的心理因素，在最大程度保留专家决策数据的前提下修正判断矩阵使之满足一致性比例。

　　残缺但可接受的判断矩阵计算

　　实际决策过程中，可能需要向众多专家收集调查问卷。专家通过调查问卷给出的数据可能是不完整的，例如某位专家由于不好把握、不感兴趣或避嫌等原因没有给出某些两两比较数据，这样就会导致判断矩阵中的数据不完整，即存在残缺矩阵。

　　如果判断矩阵中残缺的要素可以通过其他已填写的要素间接获得，那么这个残缺判断矩阵就是可接受的。yaanp提供了残缺但可接受判断矩阵的计算功能，一个判断矩阵可以在最少仅输入n-1个(而不是全部的n(n-1)/2个)数据的情况下进行计算。

　　群决策

　　群决策是为了充分发挥集体的智慧，由多位专家共同参与决策分析并制定决策的整体过程。参与填写调查问卷的专家都是决策过程的参与者，最终结果根据所有专家提供的决策数据确定。yaanp提供群决策支持，能够管理参与决策的专家信息以及他们提供的决策数据。yaanp还提供了多种专家数据集结方法供用户选择。

　　Excel~97-2003格式的可导入调查问卷

　　对于利用层次分析法或网络分析法的决策过程，经常会向专家分发调查问卷，然后回收调查问卷获得专家数据。yaanp可以生成Excel格式的可导入调查问卷，分发给专家填写并回收后，可以方便地导入其中的专家决策数据，大大降低数据输入的工作量。

　　利用问卷星收集调查数据

　　除了生成可导入的Excel格式的调查问卷收集专家决策数据，yaanp还能利用问卷星收集专家的决策数据。问卷星调查结束后，导入问卷星的调查答案数据，提高收集专家数据的效率，降低数据输入工作量。

　　判断矩阵检查

　　专家给出的判断矩阵两两比较数据，如果决策专家具备相应的专业知识并且认真地进行判断，那么专家给出的判断矩阵不一致性的原因有两种：判断矩阵中多项数据的小误差累积或判断矩阵中某项/几项数据的判断错误。

　　针对以上描述的情况，判断矩阵检查功能尝试使用一致性自动修正算法对不一致的判断矩阵进行修正，然后根据修正结果和计算过程数据统计，给出不一致判断矩阵的处理建议。

　　灵敏度分析

　　通过灵敏度分析，能够确定某个要素权重发生变化时，对各个备选方案权重产生了什么样的影响，从而引导用户在更高的层次作出决策。利用yaanp提供的灵敏度分析功能，能够从纵向和横向的角度，查看备选方案权重随不同要素变化而变化的情况。

　　计算结果数据展示

　　yaanp通过多种形式，展示计算结果和计算过程中的中间数据。

　　例如总排序权重的列表、图表展示、权重分布图，计算过程中使用、产生的判断矩阵、超矩阵、权重集成数据等。

　　导出计算结果

　　为了方便用户对数据的进一步分析或撰写报告，可以将计算结果导出为Excel格式文件、csv文件或纯文本文件。导出的报告中，还可以设定是否模型图、判断矩阵、超矩阵等各部分数据。