技术领域
[0001] 本
发明涉及生猪养殖领域，具体涉及一种基于改进的层次分析法评价生猪养殖工艺的方法。
背景技术
[0002] 我国是传统的农业大国和人口大国，农业是国民经济的支柱产业。随着我国人口的增长和生活
水平的不断提高，城乡居民对高品质的畜、禽、水产等农产品以及各种粮食加工作物的需求越来越大。虽然我国生猪养殖规模不断扩大，但生猪养殖生产效率相对较低，与发达国家生猪养殖仍具有一定差距。猪场的投资情况、圈舍建筑、
生物安全等方面都大大影响着生猪产量，所以建立一个相对标准化的养殖评价体系及有必要。国外情况是近年来层次分析法已经渗入到各行各业，如建筑业、医药卫生、
电子信息、
能源矿业、资源环境、金融经济、交通运输等，并为这些领域成功地解决了诸多决策与评价问题。层次分析法正越来越受到国内外学术界的重视，我国已经应用于地区经济规划，
畜牧业发展战略，工业部
门设置的系统分析等等方面，是一种新的、简洁的、实用而富有成效的决策方法之一。
[0003] 层次分析法的实现大体分为四个步骤：建立结构模型、构造判断矩阵、层次单排序及一致性检验、层次总排序及一致性检验，但层次分析发存在两个主要
缺陷：(1)如何根据实际情况抽象出较为贴切的层次结构；(2)矩阵一致性问题。其中，判断矩阵的一致性标准是越趋近于0越好，完全等同于0为最佳；但是由于层次分析法的特性，很难实现一致性等于0，于是萨蒂教授规定只要一致性小于等于0.1那么就认为此矩阵具有一致性，否则认为矩阵不具备一致性。所以对于层次分析法，
现有技术中常存在的问题是：如果矩阵不具备一致性，该如何解决从而能使矩阵尽可能达到完全一致。
[0004] 现有技术中，常用的解决方法有两种：一是快速发现专家判断中的不一致,然后对矩阵进行灵敏性分析,将结果反馈给专家,由专家对判断矩阵进行适度的调整,从而从根本上解决判断矩阵的不一致性问题；但此方法效率低，并且极大依赖专家的主观判断。二是通过对矩阵进行数学变换等方法进行判断矩阵不一致性问题的解决，但此方法计算工作量大、工作繁琐，效果并不理想。
发明内容
[0005] 针对以上现有技术存在的问题，本发明的目的在于提供一种基于改进的层次分析法评价生猪养殖工艺的方法，其对层次分析法进行了改进、优化，从而保证了矩阵一致性的问题，使评价生猪养殖工艺的决策问题清晰化，减少了定量计算的工作量和难度，节约了人
力、物力；同时也避免了专家的主观性以及不确定性，保证评价结果的准确性。
[0006] 本发明目的通过以下技术方案实现：
[0007] 基于改进的层次分析法评价生猪养殖工艺的方法，其特征在于：它是通过以下步骤进行：
[0008] a、搭建生猪养殖层次结构模型，所述层次结构模型包括目标层、准则层和指标层；
[0009] b、搭建判断矩阵，采用1-9标度法构建两两比较矩阵；
[0010] c、对搭建的两两比较矩阵进行处理，得到权重向量(W)以及最大特征值(λmax)；
[0011] d、判断矩阵是否具有一致性：判断矩阵具有一致性后，进行计算评分；若判断矩阵不具有一致性，利用粒子群
算法优化判断矩阵一致性的问题，同时引用模拟
退火防止粒子群算法陷入局部最优，最终达到一致性再进行计算评分；
[0012] e、根据各因素的重要程度确定相应的权值；对各因素由优到劣分成等级，并人为相应规定各等级的分数；将每个因素中分数乘以该因素的相应权值，得到加权得分；人为给定分数，并与相应权值进行加权计算即得到评分。
[0013] 上述方法采用粒子群算法，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解；同时利用模拟退火算法这种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解，从而避免粒子群算法陷入局部最优。通过采用模拟退火和粒子群算法的方式，达到进行一致性检验的优化，从而解决层次分析法的一致性问题。
[0014] 进一步，所述步骤a中所述目标层为生猪养殖工艺评估；所述准则层为影响生猪养殖的各个因素，包括圈舍建筑、生物安全、营养
饲料、投资情况、厂区规划、生产管理、人力资源；所述指标层为每个因素底层元素。
[0015] 进一步，所述步骤b中两两比较矩阵可以表示如下：
[0016] U＝(uij)n*n，
[0017] 其中，n表述矩阵的阶数，uij表示因素i对因素j的相对重要性；并按照1-9标度法对重要程度进行赋值。
[0018] 进一步，所述步骤c中，权重向量(W)以及最大特征值(λmax)的具体步骤如下：
[0019] c1、将n阶方阵U进行列归一化得到矩阵A：
[0020]
[0021] 式中，aij表示第i行第j列元素；
[0022] c2、对矩阵A进行行求和得到向量B＝(B1，B2，…，Bn)T，然后对向量B归一化得到向量W＝(W1，W2，…，Wn)T，向量W为
特征向量，其中
[0023]
[0024]
[0025] c3、得到矩阵U的最大特征值：
[0026]
[0027] 所得的向量W即为层次单排序的权值；
[0028] 层次总排序的权值：
中间层元素为x，则第i个底层元素的全局权重为[0029]
[0030] 式中，Wij为第i个底层元素对第j个中间层元素的单排序权值，Wj为第j个中间层元素的单排序权值。
[0031] 进一步，所述步骤d中判断矩阵是否具有一致性的通过公式：
[0032]
[0033] 当CR≤0.1时，认为判断矩阵具有满意的一致性；
[0034] 其中，CI为一致性指标；RI为一致性指标标准值；
[0035]
[0036] 当n＝1，2，3，4，5，6，7，8，9时，对应的RI＝0，0，0.5，1，1，1.3，1，1.4，1；
[0037] 其中，λmax为此矩阵最大特征值；n为此矩阵阶数。
[0038] 进一步，所述步骤d的具体步骤为：
[0039] d1、对粒子进行初始化设定；
[0040] d2、根据粒子目前的
位置与速度得到此粒子新的位置，并计算适应值；
[0041] d3若粒子适应值与原个体极值相比较优，则更新当前的适应值，全局极值依据粒子个体极值寻找；
[0042] d4、根据速度公式更新速度，
[0043]
[0044] 式中，w为惯性常数；c1、c2表示
加速度因子；r1和r2是分布于[0,1]区间的随机数；vin表示速度向量；xin表示位置向量；pb表示个体最优，gb表示全局最优；k为当前
迭代次数，表示在k次下的个体最优； 表示在k次下的全局最优； 表示k次下粒子的位置；
表示在k次的粒子的速度；
[0045] d5、依据 更新当前位置；
[0046] d6、根据下列公式判断是否接受新值：
[0047]
[0048] 式中， 为在某一
温度T下从状态i转移到状态j下的内能概率；E(j)表示状态j下的内能；E(i)状态i下的内能，K是玻尔兹曼常数，T表示温度；
[0049] 当E(j)≤E(i)时，也就是说物体系统
能量函数值减少时，该系统会以概率1来接受这个新状态，即100％接受；其他情况下，系统会以一定概率来接受这个不好的状态，通过这种属性，从而避免算法陷入局部最优。
[0050] d7、接受新值继续执行退火操作，若不接受新值，则重复d3—d7；若接受，直到跳出循环。
[0051] 本发明具有如下技术效果：
[0052] 本发明将改进的层次分析法引入到养殖系统中，为分析、规划、决策等提供了科学的新方法、新思路。该方法针对养殖系统中大量的不确定性、随机性因素及其相互关系，提出了一种量化决策方法，并将定性与定量方法有机地结合起来，使复杂的决策问题清晰化，减少了定量计算的工作量和难度，节约了人力、物力，具有较强的实用性。该方法通过引入模拟退火和粒子群算法，达到对一致性检验的优化，避免了不通过一致性检验的情况。
附图说明
具体实施方式
[0054] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
[0055] 基于改进的层次分析法评价生猪养殖工艺的方法，其特征在于：它是通过以下步骤进行：
[0056] a、搭建生猪养殖层次结构模型，所述层次结构模型包括目标层、准则层和指标层；
[0057] 所述目标层为生猪养殖工艺评估；所述准则层为影响生猪养殖的各个因素，包括圈舍建筑、生物安全、营养饲料、投资情况、厂区规划、生产管理、人力资源；所述指标层为每个因素底层元素，例如：所述圈舍建筑包括顶棚结构、地面结构、建舍时间、墙体结构、外形结构、通
风方式等；所述生物安全包括动保
费用、免疫程序等；所述营养饲料包括商品全价料、自配料、改良型自配料等；所述投资情况包括土地征用、三通一平、机械设备、猪群占比、猪种、圈舍修建等；所述厂区规划包括区域、地势、布局、占地面积、距离主干道等；所述生产管理包括猪场管理
软件、全进全出、配种、猪场周转、设备设施等；所述人力资源包括技术
支撑、员工数量、学历结构、从业时间等。
[0058] b、搭建判断矩阵，采用1-9标度法构建两两比较矩阵；
[0059] 两两比较矩阵表示如下：
[0060] U＝(uij)n*n；
[0061] 其中，n表述矩阵的阶数，uij表示因素i对因素j的相对重要性；并按照1-9标度法对重要程度进行赋值，1-9标度法如下表：
[0062] 因素i与因素j 量化值同等重要 1
稍微重要 3
较强重要 5
强烈重要 7
极端重要 9
两相邻判断的中间值 2,4,6,8
[0063] c、对搭建的两两比较矩阵进行处理，得到权重向量(W)以及最大特征值(λmax)；
[0064] 具体步骤如下：
[0065] c1、将n阶方阵U进行列归一化得到矩阵A：
[0066]
[0067] 式中，aij表示第i行第j列元素；
[0068] c2、对矩阵A进行行求和得到向量B＝(B1，B2，…，Bn)T，然后对向量B归一化得到向量W＝(W1，W2，…，Wn)T，向量W为特征向量，其中
[0069]
[0070]
[0071] c3、得到矩阵U的最大特征值：
[0072]
[0073] 所得的向量W即为层次单排序的权值；
[0074] 层次总排序的权值：中间层元素为x，则第i个底层元素的全局权重为[0075]
[0076] 式中，Wij为第i个底层元素对第j个中间层元素的单排序权值，Wj为第j个中间层元素的单排序权值。
[0077] d、判断矩阵是否具有一致性：判断矩阵具有一致性后，进行计算评分；若判断矩阵不具有一致性，利用粒子群算法优化判断矩阵一致性的问题，同时引用模拟退火防止粒子群算法陷入局部最优，最终达到一致性再进行计算评分；
[0078] 具体步骤为：
[0079] d1、对粒子进行初始化设定；
[0080] d2、根据粒子目前的位置与速度得到此粒子新的位置，并计算适应值；
[0081] d3若粒子适应值与原个体极值相比较优，则更新当前的适应值，全局极值依据粒子个体极值寻找；
[0082] d4、根据速度公式更新速度，
[0083]
[0084] 式中，w为惯性常数；c1、c2表示加速度因子；r1和r2是分布于[0,1]区间的随机数；vin表示速度向量；xin表示位置向量；pb表示个体最优，gb表示全局最优；k为当前迭代次数，表示在k次下的个体最优； 表示在k次下的全局最优； 表示k次下粒子的位置；
表示在k次的粒子的速度；
[0085] d5、依据 更新当前位置；
[0086] d6、根据下列公式判断是否接受新值：
[0087]
[0088] 式中， 为在某一温度T下从状态i转移到状态j下的内能概率；E(j)表示状态j下的内能；E(i)状态i下的内能，K是玻尔兹曼常数，T表示温度；
[0089] 当E(j)≤E(i)时，也就是说物体系统能量函数值减少时，该系统会以概率1来接受这个新状态，即100％接受；其他情况下，系统会以一定概率来接受这个不好的状态，通过这种属性，从而避免算法陷入局部最优。
[0090] d7、接受新值继续执行退火操作，若不接受新值，则重复d3—d7；若接受，直到跳出循环。
[0091] e、根据各因素的重要程度确定相应的权值；对各因素由优到劣分成等级，并人为相应规定各等级的分数；将每个因素中分数乘以该因素的相应权值，得到加权得分；人为给定分数，并与相应权值进行加权计算即得到评分。
[0092] 以准则层生物安全层为例，其指标层为动保费用和免疫程序；
[0093] 首先对指标层进行专家打分，以十分制为规则。
[0094] 动保费用的得分为7分，通过上述方法计算得出的权值为0.35；
[0095] 免疫程序的得分为5分，通过上述方法计算得出的权值为0.65；
[0096] 进行加权计算7×0.35+5×0.65＝5.7，即生物安全的得分为5.7分，通过上述方法计算得出的权值为0.28，再次进行加权计算5.7×0.28＝1.596；
[0097] 其余准则层计算方法如上，最终加权计算结果得出目标层生猪养殖工艺的评分。
