Метод анализа иерархий

Метод анализа иерархий (МАИ) — это математический инструмент системного анализа, предназначенный для поддержки принятия решений в условиях многокритериальности. Метод был разработан американским математиком Томасом Саати в 1970-х годах и основан на декомпозиции сложной проблемы на более простые составляющие, попарном сравнении элементов и синтезе приоритетов. МАИ позволяет как количественно, так и качественно оценивать альтернативы по набору критериев, включая субъективные суждения эксперта.

История возникновения

Томас Саати, профессор Питтсбургского университета, впервые опубликовал описание метода в 1977 году в статье «A Scaling Method for Priorities in Hierarchical Structures». В 1980 году вышла его фундаментальная монография «The Analytic Hierarchy Process», которая заложила теоретическую базу. Разработка была мотивирована необходимостью решения практических задач, где традиционные количественные методы (например, линейное программирование) не могли учесть неформализуемые факторы, такие как политические риски, социальные предпочтения или эстетическая ценность.

Первоначально метод применялся в военно-промышленном комплексе США для планирования ресурсов и оценки сценариев. В 1980-е годы МАИ начал активно использоваться в бизнесе, экономике и государственном управлении. В России метод получил распространение в 1990-е годы, в первую очередь в сферах инвестиционного проектирования и стратегического планирования.

Основные принципы

МАИ базируется на трёх ключевых принципах: декомпозиция, попарные сравнения и синтез приоритетов.

Декомпозиция

Проблема принятия решения представляется в виде иерархической структуры. На верхнем уровне находится цель (глобальный критерий). На промежуточных уровнях — критерии и подкритерии, по которым оцениваются альтернативы. На нижнем уровне — альтернативы (варианты решений). Иерархия может быть многоуровневой: например, цель → 4 критерия → 12 подкритериев → 5 альтернатив.

Попарные сравнения

Для каждого уровня иерархии строится матрица попарных сравнений. Эксперт (или группа экспертов) оценивает, во сколько раз один элемент важнее (лучше, предпочтительнее) другого по отношению к вышестоящему элементу. Для оценки используется шкала относительной важности Саати:

Матрица сравнений имеет размер n × n, где n — количество сравниваемых элементов. Элемент aᵢⱼ показывает, во сколько раз i-й элемент важнее j-го. При этом выполняются условия: aᵢⱼ = 1/aⱼᵢ (обратная симметричность) и aᵢᵢ = 1.

Синтез приоритетов

На основе матрицы попарных сравнений вычисляется вектор приоритетов — нормализованный собственный вектор матрицы, соответствующий её максимальному собственному значению (λ_max). Компоненты этого вектора показывают относительный вес (важность) каждого элемента на данном уровне. Затем приоритеты синтезируются снизу вверх: глобальный приоритет альтернативы вычисляется как сумма произведений локальных приоритетов по всем критериям.

Проверка согласованности

Ключевое преимущество МАИ — встроенная процедура проверки логической согласованности суждений эксперта. Для этого рассчитывается индекс согласованности (ИС) и отношение согласованности (ОС):

ИС = (λ_max − n) / (n − 1)

ОС = ИС / СС, где СС — случайный индекс (среднее значение ИС для случайно заполненных матриц того же размера).

Если ОС ≤ 0,10 (10 %), суждения считаются приемлемо согласованными. При ОС > 0,20 эксперту рекомендуется пересмотреть свои оценки, так как они могут быть противоречивыми.

Классификация модификаций

За десятилетия развития метода появилось множество его модификаций и расширений:

• Нечёткий МАИ (Fuzzy AHP) — использует нечёткие числа (например, треугольные) вместо точных оценок, что позволяет учитывать неопределённость суждений.
• Аналитический сетевой процесс (ANP) — обобщение МАИ, допускающее не только иерархические, но и сетевые связи между элементами (взаимозависимости и обратные связи).
• Групповой МАИ — применяется для агрегирования мнений нескольких экспертов, часто с использованием среднего геометрического.
• МАИ с интервальными оценками — вместо точечных значений используются интервалы, что отражает неполноту информации.

Применение

МАИ используется в самых разных областях, где требуется многокритериальный выбор:

Бизнес и управление

• Выбор поставщика или подрядчика.
• Оценка инвестиционных проектов.
• Распределение ресурсов между подразделениями.
• Ранжирование сотрудников при аттестации.

Техника и технологии

• Выбор программного обеспечения или оборудования.
• Оценка рисков сложных технических систем.
• Проектирование архитектуры информационных систем.

Экономика и финансы

• Оценка стоимости бизнеса (в сочетании с доходным подходом).
• Кредитный скоринг.
• Формирование инвестиционного портфеля.

Социальная сфера и государственное управление

• Оценка эффективности государственных программ.
• Выбор места для строительства социально значимых объектов.
• Ранжирование регионов по уровню развития.

Экология и природопользование

• Оценка воздействия на окружающую среду.
• Выбор технологии утилизации отходов.
• Определение приоритетов природоохранных мероприятий.

Пример применения

Рассмотрим задачу выбора автомобиля. Цель: «Выбрать лучший автомобиль». Критерии: цена, комфорт, безопасность, расход топлива. Альтернативы: автомобили A, B, C.

Эксперт строит матрицу попарных сравнений для критериев (например, безопасность важнее комфорта в 3 раза, а цена важнее расхода топлива в 2 раза). Затем для каждого критерия строятся матрицы сравнения альтернатив. После вычисления собственных векторов и синтеза получаются глобальные приоритеты: например, A = 0,35; B = 0,40; C = 0,25. Лучший выбор — автомобиль B.

Критика и ограничения

МАИ не лишён недостатков, которые обсуждаются в научной литературе:

1. Субъективность оценок. Результат сильно зависит от квалификации и добросовестности эксперта. Разные эксперты могут получить разные приоритеты.
2. Проблема шкалы. Шкала Саати (1–9) является порядковой, но при вычислениях с ней обращаются как с интервальной, что математически нестрого.
3. Феномен «обращения рангов». При добавлении или удалении альтернативы порядок предпочтения оставшихся может измениться, что противоречит аксиомам рационального выбора (эффект, известный как «парадокс МАИ»).
4. Вычислительная сложность. При большом числе альтернатив (более 10–15) количество попарных сравнений резко возрастает, что утомляет эксперта и снижает качество оценок.
5. Отсутствие статистической базы. В отличие от регрессионного анализа или байесовских методов, МАИ не опирается на эмпирические данные, а только на экспертные суждения.

Несмотря на критику, метод остаётся одним из самых популярных инструментов многокритериального анализа благодаря своей наглядности, простоте интерпретации и возможности учитывать как количественные, так и качественные факторы.

Программная реализация

Существует множество программных продуктов, реализующих МАИ. Наиболее известные:

• Expert Choice — коммерческая программа, одна из первых реализаций.
• SuperDecisions — свободное ПО для ANP и МАИ.
• BPMSG AHP Online System — веб-сервис для расчётов.
• MS Excel — с помощью надстроек или макросов (например, AHP Template).
• R (пакет ahp) и Python (библиотека ahpy) — для программистов и исследователей.

Источники

1. Саати Т. Л. Принятие решений при зависимостях и обратных связях: Аналитические сети. — М.: Либроком, 2009.
2. Саати Т. Л. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1993.
3. Saaty T. L. The Analytic Hierarchy Process. — New York: McGraw-Hill, 1980.
4. Saaty T. L. A Scaling Method for Priorities in Hierarchical Structures // Journal of Mathematical Psychology. — 1977. — Vol. 15, No. 3. — P. 234–281.
5. Формальский А. М. Метод анализа иерархий: преимущества и недостатки // Проблемы управления. — 2010. — № 3. — С. 2–10.
6. Ishizaka A., Labib A. Review of the main developments in the analytic hierarchy process // Expert Systems with Applications. — 2011. — Vol. 38, No. 11. — P. 14336–14345.