《大規模AHP》 - 版の履歴

2007年8月7日 (火) 08:08にKuwashimaによる

2007-08-07T08:08:21Z

Orsjwiki: "《大規模AHP》" を保護しました。 [edit=sysop:move=sysop]

2007-07-19T15:54:06Z

"《大規模AHP》" を保護しました。 [edit=sysop:move=sysop]

2007年7月17日 (火) 08:56に122.17.2.240による

2007-07-17T08:56:29Z

2007年7月14日 (土) 04:06に122.17.2.240による

2007-07-14T04:06:58Z

2007年7月12日 (木) 12:50に122.17.2.240による

2007-07-12T12:50:22Z

2007年7月12日 (木) 12:49に122.17.2.240による

2007-07-12T12:49:25Z

122.17.2.240: 新しいページ: ''''【だいきぼAHP (large scale AHP) 】''' 　大規模AHP (Large scale AHP)[1]とは, 複数の評価者を想定したAHPのモデルである. 通常のAHPとの違...'

2007-07-11T08:18:46Z

新しいページ: ''''【だいきぼAHP (large scale AHP) 】''' 　大規模AHP (Large scale AHP)[1]とは, 複数の評価者を想定したAHPのモデルである. 通常のAHPとの違...'

新規ページ

'''【だいきぼAHP (large scale AHP) 】'''

　[[大規模AHP]] (Large scale AHP)[1]とは, 複数の評価者を想定したAHPのモデルである. 通常のAHPとの違いは, 多数の代替案, 複数の評価者および欠落データを許している点である. つまり, 各評価者は多数の代替案に対し一対比較するのではなく, 相対評価できる代替案のみ一対比較するものである. AHPでは一人の評価者が全一対比較するため, 評価項目（代替案）の数を$n$とすると, 一対比較の回数は$n(n-1)/2$回となり, 評価項目（代替案）の数が増加すると, 一対比較の回数が爆発的に増加する. 例えば, 評価項目が1階層で, 5個の評価項目の場合, $5 \times (5-1)/2=10$回の一対比較を行う. さらに, 代替案が10個ある場合各評価項目に対し$10 \times (10-1)/2=45$回の一対比較を行う必要がある. 合計すると, 235回の一対比較する必要がある. これは, かなり困難な作業である. 大規模AHPは, 複数の評価者が評価を行うことと欠落データを許すことにより, 1人の評価者が行う一対比較する作業を軽減することができる.

　AHPの重要度ベクトルの導出法には, 固有ベクトル法と幾何平均法(対数最小２乗法）があるが, 対数最小二乗法の考えを大規模な問題に適用した手法が大規模AHPである. AHPでは, 一人の評価者が同一階層の評価項目（代替案）間を全一対比較する必要がある. しかし, 評価項目（代替案）の項目数$n$が多くなるにつれて, 莫大な労力と時間が必要となる. そこで大規模AHPでは次のような評価方法を提案している.

\bf「各評価者が相対評価できる評価項目（代替案）間のみに一対比較を行い, 一対比較による相対評価を行わない評価項目（代替案）間を許す. 相対評価された評価項目（代替案）間には一対比較値を割り当てる. 」}

　大規模AHPでは, 一対比較ネットワークという考えを導入する. 一対比較ネットワークは, 次のように与える. 評価者は$L$人とし, このとき第$l$評価者が一対比較した評価項目（代替案）対の集合を,

K_l=\{(i,j)|\mbox{代替案$i,j(1 \le i<j \le n)$は第$l$評価者によって一対比較された. }\}
\]

とする. 第$l$評価者が評価項目（代替案）$i$に対して, 評価項目(代替案)$j$を一対比較した場合, その一対比較値を$a^l_{ij}$とする. いずれかの評価者によって一対比較された評価項目（代替案）対の集合$K$は, $K=\cup^L_{l=1}K_l$であり, また, いずれの評価者からも一対比較されなかった評価項目（代替案）対の集合$\bar{K}$は,

\bar{K}=\{(i,j)|1 \le i<j \le n\}\backslash K
\]

である. $\bar{K}\ne \phi$であれば, 一対比較されなかった評価項目（代替案）の組が存在し, 逆も成り立つ. 大規模AHPでは各評価者が一対比較しない評価項目（代替案）間の存在も許すので, $\bar{K}\ne \phi$となる場合もありえる. ここで, ノードの集合を$V=\{1,\ldots,n\}$, エッジの集合を$E$としたグラフ$G=(V,E)$を一対比較ネットワークと定義する.

　第$l_1$評価者と第$l_2(\ne l_1)$評価者が重複して評価項目（代替案）$i,j(i<j)$を一対比較したならば, ネットワーク$G$で点$i$と点$j$を結ぶエッジは2本以上存在する. 従って一対比較ネットワーク$G$のエッジの数は, $|E|=\sum^L_{l=1}|K_l|\geq |K|$である. $|K|<|E|$であれば, ある評価項目（代替案）の組に対して重複評価が存在し, 逆も成り立つ. 一対比較ネットワーク$G$において, 任意のノードは全てのノードと直接または間接的に連結されている必要がある.

　一対比較ネットワーク$G$において, エッジでノードが結ばれている関係を示す行列を, 接続行列(Connection Matrix)として$C \in R^{n \times |E|}$, 接続行列の列に割り当てられたエッジのならびに沿って, 各評価者の一対比較値を対数変換した値$\tilde{a}^l_{ij}$を並べたベクトルを, カットベクトル(Cut Vector)として$\mbox{\boldmath$p$}$とする.

　大規模AHPでのウェイトベクトルの導出は, 誤差モデルを用いて, ウェイトベクトル$\mbox{\boldmath$w$}$をを対数変換した$\tilde{\mbox{\boldmath$w$}}$推定することにより求められる. すなわち,

\min \| C^{\top} \tilde{\mbox{\boldmath$w$}} - \mbox{\boldmath$p$} \|^2
=\min \sum_{l=1}^{L} \sum_{i=1}^n \sum_{j=1}^n (\tilde{\mbox{\boldmath$w$}}_i-\tilde{\mbox{\boldmath$w$}}_j-\tilde{a}^l_{ij})^2
\]

を満足する$\mbox{\boldmath$w$}$を求める. いま$\| \cdot \|$を$L_{2}$ノルム(ユークリッドノルム)$\| \cdot \|_2$とすると, $\tilde{\mbox{\boldmath$w$}}$は正規方程式の解として, 以下のように与えられる.

CC^{\top}\tilde{\mbox{\boldmath$w$}}=C\mbox{\boldmath$p$}
\]

しかし, 接続行列$C$のランクは$r(C)=n-1$であり, $\tilde{\mbox{\boldmath$w$}}$の解は一意に決定されない. そこで一般化逆行列を用いて,

\tilde{\mbox{\boldmath$w$}}=(CC^{\top}+\mbox{\boldmath$e$}\mbox{\boldmath$e$}^{\top})^{-1}C\mbox{\boldmath$p$}+\frac{\tilde{\alpha}}{n}\mbox{\boldmath$e$}
\]

で与えられる. このとき$\mbox{\boldmath$e$}$は全ての要素が$1$のベクトル, $\alpha$は$\tilde{\mbox{\boldmath$w$}}$を対数逆変換した$\mbox{\boldmath$w$}$の総和が$1$となるような実数である.

----

'''参考文献'''

[1]} 八卷直一, 関谷和之, 「複数の評価者を想定した大規模なAHPの提案と人事評価への適用」, 『日本オペレーションズリサーチ学会論文誌』, 1999, 405-420.

← 古い版		2007年8月7日 (火) 08:08時点における版
52行目:		52行目:

	[1] 八卷直一, 関谷和之, 「複数の評価者を想定した大規模なAHPの提案と人事評価への適用」, 『日本オペレーションズリサーチ学会論文誌』, 1999, 405-420.		[1] 八卷直一, 関谷和之, 「複数の評価者を想定した大規模なAHPの提案と人事評価への適用」, 『日本オペレーションズリサーチ学会論文誌』, 1999, 405-420.
		+
		+	[[category:AHP(階層的意思決定法)\|だいきぼえいえいちぴー]]

@@ 10行目: / 10行目: @@
-<math>K_l=\{(i,j)|\, </math>代替案<math>i,j(1 \le i<j \le n)\, </math>は第<math>l\, </math>評価者によって一対比較された. <math>\} \, </math>
+<center><math>K_l=\{(i,j)|\, </math>代替案<math>i,j(1 \le i<j \le n)\, </math>は第<math>l\, </math>評価者によって一対比較された. <math>\} \, </math></center>
@@ 16行目: / 16行目: @@
-<math>\bar{K}=\{(i,j)|1 \le i<j \le n\}\backslash K  \, </math>
+<center><math>\bar{K}=\{(i,j)|1 \le i<j \le n\}\backslash K  \, </math></center>
 である. <math>\bar{K}\ne \phi\, </math>であれば, 一対比較されなかった評価項目（代替案）の組が存在し, 逆も成り立つ. 大規模AHPでは各評価者が一対比較しない評価項目（代替案）間の存在も許すので, <math>\bar{K}\ne \phi\, </math>となる場合もありえる. ここで, ノードの集合を<math>V=\{1,\ldots,n\}\, </math>, エッジの集合を<math>E\, </math>としたグラフ<math>G=(V,E)\, </math>を一対比較ネットワークと定義する.
-　第<math>l_1\, </math>評価者と第<math>l_2(\ne l_1)\, </math>評価者が重複して評価項目（代替案）<math>i,j(i<j)\, </math>を一対比較したならば, ネットワーク<math>G\, </math>で点<math>i\, </math>と点<math>j\, </math>を結ぶエッジは2本以上存在する. 従って一対比較ネットワーク<math>G\, </math>のエッジの数は, <math>|E|=\sum^L_{l=1}|K_l|\geq |K|\, </math>である. <math>|K|<|E|\, </math>であれば, ある評価項目（代替案）の組に対して重複評価が存在し, 逆も成り立つ. 一対比較ネットワーク<math>G\, </math>において, 任意のノードは全てのノードと直接または間接的に連結されている必要がある.
+　第<math>l_1\, </math>評価者と第<math>l_2(\ne l_1)\, </math>評価者が重複して評価項目（代替案）<math>i,j(i<j)\, </math>を一対比較したならば, ネットワーク<math>G\, </math>で点<math>i\, </math>と点<math>j\, </math>を結ぶエッジは2本以上存在する. 従って一対比較ネットワーク<math>G\, </math>のエッジの数は, <math>\textstyle |E|=\sum^L_{l=1}|K_l|\geq |K|\, </math>である. <math>|K|<|E|\, </math>であれば, ある評価項目（代替案）の組に対して重複評価が存在し, 逆も成り立つ. 一対比較ネットワーク<math>G\, </math>において, 任意のノードは全てのノードと直接または間接的に連結されている必要がある.
 　一対比較ネットワーク<math>G\, </math>において, エッジでノードが結ばれている関係を示す行列を, 接続行列(Connection Matrix)として<math>C \in R^{n \times |E|}\, </math>, 接続行列の列に割り当てられたエッジのならびに沿って, 各評価者の一対比較値を対数変換した値<math>\tilde{a}^l_{ij}\, </math>を並べたベクトルを, カットベクトル(Cut Vector)として<math>\boldsymbol{p}\, </math>とする.
@@ 28行目: / 28行目: @@
-<math>\min \| C^{\top} \tilde{\boldsymbol{w}} - \boldsymbol{p} \|^2 =\min \sum_{l=1}^{L} \sum_{i=1}^n \sum_{j=1}^n (\tilde{\boldsymbol{w}}_i-\tilde{\boldsymbol{w}}_j-\tilde{a}^l_{ij})^2 \, </math>
+<center><math>\min \| C^{\top} \tilde{\boldsymbol{w}} - \boldsymbol{p} \|^2 =\min \sum_{l=1}^{L} \sum_{i=1}^n \sum_{j=1}^n (\tilde{\boldsymbol{w}}_i-\tilde{\boldsymbol{w}}_j-\tilde{a}^l_{ij})^2 \, </math></center>
@@ 34行目: / 34行目: @@
-<math>CC^{\top}\tilde{\boldsymbol{w}}=C\boldsymbol{p} \, </math>
+<center><math>CC^{\top}\tilde{\boldsymbol{w}}=C\boldsymbol{p} \, </math></center>
@@ 40行目: / 40行目: @@
-<math>\tilde{\boldsymbol{w}}=(CC^{\top}+\boldsymbol{e}\boldsymbol{e}^{\top})^{-1}C\boldsymbol{p}+\frac{\tilde{\alpha}}{n}\boldsymbol{e} \, </math>
+<center><math>\tilde{\boldsymbol{w}}=(CC^{\top}+\boldsymbol{e}\boldsymbol{e}^{\top})^{-1}C\boldsymbol{p}+\frac{\tilde{\alpha}}{n}\boldsymbol{e} \, </math></center>

@@ 1行目: / 1行目: @@
 '''【だいきぼAHP (large scale AHP) 】'''
-　[[大規模AHP]] (Large scale AHP)[1]とは, 複数の評価者を想定したAHPのモデルである. 通常のAHPとの違いは, 多数の代替案, 複数の評価者および欠落データを許している点である. つまり, 各評価者は多数の代替案に対し一対比較するのではなく, 相対評価できる代替案のみ一対比較するものである. AHPでは一人の評価者が全一対比較するため, 評価項目（代替案）の数を$<math>n\, </math>$とすると, 一対比較の回数は$<math>n(n-1)/2\, </math>$回となり, 評価項目（代替案）の数が増加すると, 一対比較の回数が爆発的に増加する. 例えば, 評価項目が1階層で, 5個の評価項目の場合, $<math>5 \times (5-1)/2=10\, </math>$回の一対比較を行う. さらに, 代替案が10個ある場合各評価項目に対し$<math>10 \times (10-1)/2=45\, </math>$回の一対比較を行う必要がある. 合計すると, 235回の一対比較する必要がある. これは, かなり困難な作業である. 大規模AHPは, 複数の評価者が評価を行うことと欠落データを許すことにより, 1人の評価者が行う一対比較する作業を軽減することができる.
+　[[大規模AHP]] (Large scale AHP)[1]とは, 複数の評価者を想定したAHPのモデルである. 通常のAHPとの違いは, 多数の代替案, 複数の評価者および欠落データを許している点である. つまり, 各評価者は多数の代替案に対し一対比較するのではなく, 相対評価できる代替案のみ一対比較するものである. AHPでは一人の評価者が全一対比較するため, 評価項目（代替案）の数を<math>n\, </math>とすると, 一対比較の回数は<math>n(n-1)/2\, </math>回となり, 評価項目（代替案）の数が増加すると, 一対比較の回数が爆発的に増加する. 例えば, 評価項目が1階層で, 5個の評価項目の場合, <math>5 \times (5-1)/2=10\, </math>回の一対比較を行う. さらに, 代替案が10個ある場合各評価項目に対し<math>10 \times (10-1)/2=45\, </math>回の一対比較を行う必要がある. 合計すると, 235回の一対比較する必要がある. これは, かなり困難な作業である. 大規模AHPは, 複数の評価者が評価を行うことと欠落データを許すことにより, 1人の評価者が行う一対比較する作業を軽減することができる.
-　AHPの重要度ベクトルの導出法には, 固有ベクトル法と幾何平均法(対数最小２乗法）があるが, 対数最小二乗法の考えを大規模な問題に適用した手法が大規模AHPである. AHPでは, 一人の評価者が同一階層の評価項目（代替案）間を全一対比較する必要がある. しかし, 評価項目（代替案）の項目数$<math>n\, </math>$が多くなるにつれて, 莫大な労力と時間が必要となる. そこで大規模AHPでは次のような評価方法を提案している.
+　AHPの重要度ベクトルの導出法には, 固有ベクトル法と幾何平均法(対数最小２乗法）があるが, 対数最小二乗法の考えを大規模な問題に適用した手法が大規模AHPである. AHPでは, 一人の評価者が同一階層の評価項目（代替案）間を全一対比較する必要がある. しかし, 評価項目（代替案）の項目数<math>n\, </math>が多くなるにつれて, 莫大な労力と時間が必要となる. そこで大規模AHPでは次のような評価方法を提案している.
 '''「各評価者が相対評価できる評価項目（代替案）間のみに一対比較を行い, 一対比較による相対評価を行わない評価項目（代替案）間を許す. 相対評価された評価項目（代替案）間には一対比較値を割り当てる. 」'''
-　大規模AHPでは, 一対比較ネットワークという考えを導入する. 一対比較ネットワークは, 次のように与える. 評価者は$<math>L\, </math>$人とし, このとき第$<math>l\, </math>$評価者が一対比較した評価項目（代替案）対の集合を,
+　大規模AHPでは, 一対比較ネットワークという考えを導入する. 一対比較ネットワークは, 次のように与える. 評価者は<math>L\, </math>人とし, このとき第<math>l\, </math>評価者が一対比較した評価項目（代替案）対の集合を,
-<math>K_l=\{(i,j)|\, </math>代替案$<math>i,j(1 \le i<j \le n)\, </math>$は第$<math>l\, </math>$評価者によって一対比較された. <math>}\\, </math>
+<math>K_l=\{(i,j)|\, </math>代替案<math>i,j(1 \le i<j \le n)\, </math>は第<math>l\, </math>評価者によって一対比較された. <math>\} \, </math>
-とする. 第$<math>l\, </math>$評価者が評価項目（代替案）$<math>i\, </math>$に対して, 評価項目(代替案)$<math>j\, </math>$を一対比較した場合, その一対比較値を$<math>a^l_{ij}\, </math>$とする. いずれかの評価者によって一対比較された評価項目（代替案）対の集合$<math>K\, </math>$は, $<math>K=\cup^L_{l=1}K_l\, </math>$であり, また, いずれの評価者からも一対比較されなかった評価項目（代替案）対の集合$<math>\bar{K}\, </math>$は,
+とする. 第<math>l\, </math>評価者が評価項目（代替案）<math>i\, </math>に対して, 評価項目(代替案)<math>j\, </math>を一対比較した場合, その一対比較値を<math>a^l_{ij}\, </math>とする. いずれかの評価者によって一対比較された評価項目（代替案）対の集合<math>K\, </math>は, <math>K=\cup^L_{l=1}K_l\, </math>であり, また, いずれの評価者からも一対比較されなかった評価項目（代替案）対の集合<math>\bar{K}\, </math>は,
-<math>\bar{K}=\{(i,j)|1 \le i<j \le n\}\backslash K \]\, </math>
+<math>\bar{K}=\{(i,j)|1 \le i<j \le n\}\backslash K  \, </math>
-である. $<math>\bar{K}\ne \phi\, </math>$であれば, 一対比較されなかった評価項目（代替案）の組が存在し, 逆も成り立つ. 大規模AHPでは各評価者が一対比較しない評価項目（代替案）間の存在も許すので, $<math>\bar{K}\ne \phi\, </math>$となる場合もありえる. ここで, ノードの集合を$<math>V=\{1,\ldots,n\}\, </math>$, エッジの集合を$<math>E\, </math>$としたグラフ$<math>G=(V,E)\, </math>$を一対比較ネットワークと定義する.
+である. <math>\bar{K}\ne \phi\, </math>であれば, 一対比較されなかった評価項目（代替案）の組が存在し, 逆も成り立つ. 大規模AHPでは各評価者が一対比較しない評価項目（代替案）間の存在も許すので, <math>\bar{K}\ne \phi\, </math>となる場合もありえる. ここで, ノードの集合を<math>V=\{1,\ldots,n\}\, </math>, エッジの集合を<math>E\, </math>としたグラフ<math>G=(V,E)\, </math>を一対比較ネットワークと定義する.
-　第$<math>l_1\, </math>$評価者と第$<math>l_2(\ne l_1)\, </math>$評価者が重複して評価項目（代替案）$<math>i,j(i<j)\, </math>$を一対比較したならば, ネットワーク$<math>G\, </math>$で点$<math>i\, </math>$と点$<math>j\, </math>$を結ぶエッジは2本以上存在する. 従って一対比較ネットワーク$<math>G\, </math>$のエッジの数は, $<math>|E|=\sum^L_{l=1}|K_l|\geq |K|\, </math>$である. $<math>|K|<|E|\, </math>$であれば, ある評価項目（代替案）の組に対して重複評価が存在し, 逆も成り立つ. 一対比較ネットワーク$<math>G\, </math>$において, 任意のノードは全てのノードと直接または間接的に連結されている必要がある.
+　第<math>l_1\, </math>評価者と第<math>l_2(\ne l_1)\, </math>評価者が重複して評価項目（代替案）<math>i,j(i<j)\, </math>を一対比較したならば, ネットワーク<math>G\, </math>で点<math>i\, </math>と点<math>j\, </math>を結ぶエッジは2本以上存在する. 従って一対比較ネットワーク<math>G\, </math>のエッジの数は, <math>|E|=\sum^L_{l=1}|K_l|\geq |K|\, </math>である. <math>|K|<|E|\, </math>であれば, ある評価項目（代替案）の組に対して重複評価が存在し, 逆も成り立つ. 一対比較ネットワーク<math>G\, </math>において, 任意のノードは全てのノードと直接または間接的に連結されている必要がある.
-　一対比較ネットワーク$<math>G\, </math>$において, エッジでノードが結ばれている関係を示す行列を, 接続行列(Connection Matrix)として$<math>C \in R^{n \times |E|}\, </math>$, 接続行列の列に割り当てられたエッジのならびに沿って, 各評価者の一対比較値を対数変換した値$<math>\tilde{a}^l_{ij}\, </math>$を並べたベクトルを, カットベクトル(Cut Vector)として$<math>\mbox{\boldmath$p$}$\, </math>とする.
+　一対比較ネットワーク<math>G\, </math>において, エッジでノードが結ばれている関係を示す行列を, 接続行列(Connection Matrix)として<math>C \in R^{n \times |E|}\, </math>, 接続行列の列に割り当てられたエッジのならびに沿って, 各評価者の一対比較値を対数変換した値<math>\tilde{a}^l_{ij}\, </math>を並べたベクトルを, カットベクトル(Cut Vector)として<math>\boldsymbol{p}\, </math>とする.
-　大規模AHPでのウェイトベクトルの導出は, 誤差モデルを用いて, ウェイトベクトル$<math>\mbox{\boldmath$w$}\, </math>$をを対数変換した$<math>\tilde{\mbox{\boldmath$w$}}\, </math>$推定することにより求められる. すなわち,
+　大規模AHPでのウェイトベクトルの導出は, 誤差モデルを用いて, ウェイトベクトル<math>\boldsymbol{w}\, </math>をを対数変換した<math>\tilde{\boldsymbol{w}}\, </math>推定することにより求められる. すなわち,
-<math>\min \| C^{\top} \tilde{\mbox{\boldmath$w$}} - \mbox{\boldmath$p$} \|^2 =\min \sum_{l=1}^{L} \sum_{i=1}^n \sum_{j=1}^n (\tilde{\mbox{\boldmath$w$}}_i-\tilde{\mbox{\boldmath$w$}}_j-\tilde{a}^l_{ij})^2\]\, </math>
+<math>\min \| C^{\top} \tilde{\boldsymbol{w}} - \boldsymbol{p} \|^2 =\min \sum_{l=1}^{L} \sum_{i=1}^n \sum_{j=1}^n (\tilde{\boldsymbol{w}}_i-\tilde{\boldsymbol{w}}_j-\tilde{a}^l_{ij})^2 \, </math>
-を満足する$<math>\mbox{\boldmath$w$}\, </math>$を求める. いま<math>$\| \cdot \|\, </math>$を$<math>L_{2}\, </math>$ノルム(ユークリッドノルム)$<math>\| \cdot \|_2\, </math>$とすると, $<math>\tilde{\mbox{\boldmath$w$}}\, </math>$は正規方程式の解として, 以下のように与えられる.
+を満足する<math>\boldsymbol{w}\, </math>を求める. いま<math>\| \cdot \|\, </math>を<math>L_{2}\, </math>ノルム(ユークリッドノルム)<math>\| \cdot \|_2\, </math>とすると, <math>\tilde{\boldsymbol{w}}\, </math>は正規方程式の解として, 以下のように与えられる.
-<math>CC^{\top}\tilde{\mbox{\boldmath$w$}}=C\mbox{\boldmath$p$}\]\, </math>
+<math>CC^{\top}\tilde{\boldsymbol{w}}=C\boldsymbol{p} \, </math>
-しかし, 接続行列$<math>C\, </math>$のランクは$<math>r(C)=n-1\, </math>$であり, $<math>\tilde{\mbox{\boldmath$w$}}\, </math>$の解は一意に決定されない. そこで一般化逆行列を用いて,
+しかし, 接続行列<math>C\, </math>のランクは<math>r(C)=n-1\, </math>であり, <math>\tilde{\boldsymbol{w}}\, </math>の解は一意に決定されない. そこで一般化逆行列を用いて,
-<math>\tilde{\mbox{\boldmath$w$}}=(CC^{\top}+\mbox{\boldmath$e$}\mbox{\boldmath$e$}^{\top})^{-1}C\mbox{\boldmath$p$}+\frac{\tilde{\alpha}}{n}\mbox{\boldmath$e$}\]\, </math>
+<math>\tilde{\boldsymbol{w}}=(CC^{\top}+\boldsymbol{e}\boldsymbol{e}^{\top})^{-1}C\boldsymbol{p}+\frac{\tilde{\alpha}}{n}\boldsymbol{e} \, </math>
-で与えられる. このとき<math>$\mbox{\boldmath$e$}\, </math>$は全ての要素が$<math>1\, </math>$のベクトル, $<math>\alpha\, </math>$は$<math>\tilde{\mbox{\boldmath$w$}}\, </math>$を対数逆変換した$<math>\mbox{\boldmath$w$}\, </math>$の総和が$1$となるような実数である.
+で与えられる. このとき<math>\boldsymbol{e}\, </math>は全ての要素が<math>1\, </math>のベクトル, <math>\alpha\, </math>は<math>\tilde{\boldsymbol{w}} \, </math>を対数逆変換した<math>\boldsymbol{w}\, </math>の総和が1となるような実数である.

← 古い版		2007年7月12日 (木) 12:50時点における版
51行目:		51行目:
	'''参考文献'''		'''参考文献'''

−	[1]} 八卷直一, 関谷和之, 「複数の評価者を想定した大規模なAHPの提案と人事評価への適用」, 『日本オペレーションズリサーチ学会論文誌』, 1999, 405-420.	+	[1] 八卷直一, 関谷和之, 「複数の評価者を想定した大規模なAHPの提案と人事評価への適用」, 『日本オペレーションズリサーチ学会論文誌』, 1999, 405-420.

← 古い版	2007年7月19日 (木) 15:54時点における版
(相違点なし)