3.116 4.27 5.45 6.62 7.79 8.99 10.16 表中当n=1,2时，RI=0，这是因为1,2阶判断矩阵总是一致的。
当n≥3时，若CR<0.1即?max
第五，层次总排序
计算同一层次中所有元素对最高层（总目标）的相对重要性标度（又称权重向量）称为层次总排序。
（1）层次总排序的步骤为：
第一，计算同一层次所有因素对最高层相对重要性的权重向量，这一过程是自上而下逐层进行；
第二，设已计算出第k-1层上有nk-1个元素相对总目标的权重向量为w(k-1)=(w1(k-1), w2(k-1),…, wn(k-1)(k-1))T
第三，第k层有个nk个元素，他们对于上一层次（第k-1层）的某个元素j的单准则权重向量为pj(k)=(w1j(k), w2j(k),…, wnkj)(k))T（对于与k-1层第j个元素无支配关系的对应wij取值为0）；
第四，第k层相对总目标的权重向量为wk= (p1(k), p2(k),…pk-1(k),)w(k-1) （2）层次总排序的一致性检验
人们在对各层元素作比较时，尽管每一层中所用的比较尺度基本一致，但各层之间仍可能有所差异，而这种差异将随着层次总排序的逐渐计算而累加起来，因此需要从模型的总体上来检验这种差异尺度的累积是否显著，检验的过程称为层次总排序的一致性检验。
第k层的一致性检验指标CIk=(CI1(k-1), CI2(k-1),…, CInK(k-1))w(k-1) RIk=(RI1(k-1), RI2(k-1),…, RInK(k-1))w(k-1) CRk=CRk-1+CIk/RIk(3≤k≤n)
当CRk<0.1，可认为评价模型在第k层水平上整个达到局部满意一致性。
第六，递阶层次结构权重解析过程 （1）树状结构目标体系
目标可分为多个层次，每个下层目标都隶属于一个而且只隶属一个上层目标，
下层目标是对上层目标的具体说明。对于树状结构的目标体系，需由上而下逐步确定权重，即由树干向树梢，求树杈各枝相对于树杈的权重。
（2）网状结构目标体系
网状结构的目标也分为多个层次，每个下层目标隶属于某几个上层目标（至少有一个下层目标隶属于不止一个上层目标）。
AHP方法的基本步骤：
层次分析法大体分为以下六个步骤：（1）明确问题；（2）建立层次结构；（3）两两比较，建立判断矩阵；（4）层次单排序及其一致性检验；（5）层次总排序及其一致性检验；（6）根据分析计算结果，考虑相应的决策。
2. 模糊综合评价方法理论基础
模糊综合评价是以模糊数学为基础。应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，进行综合评价的一种方法。在校园环境质量综合评价中，涉及到大量的复杂现象和多种因素的相互作用，而且，评价中存在大量的模糊现象和模糊概念。因此，在综合评价时，常用到模糊综合评价的方法进行定量化处理，评价出校园环境的质量等级，取得了良好的效果。但权重的确定需要专家的知识和经验，具有一定的缺陷，为此，本文采用层次分析法来确定各指标的权系数。使其更有合理性，更符合客观实际并易于定量表示，从而提高模糊综合评判结果的准确性。此外，模糊综合评价中常取的取大取小算法，信息丢失很多，常常出现结果不易分辨(即模型失效)的情况。
模糊综合评价方法和步骤的流程如下图2：
评价等级原始数据权重因子建立隶属度函数计算隶属度因子归一化权重模糊矩阵R权重系数矩阵W模糊矩阵复合求出隶属度向量模糊综合评价分析
模糊综合评价是通过构造等级模糊子集把反映被评事物的模糊指标进行量化(即确定隶属度)，然后利用模糊变换原理对各指标综合。流程如下： （1）确定评价对象的因素论域
P个评价指标，u??u1,u2,??,up?。
（2）确定评语等级论域
v??v1,v2,??,vp?，即等级集合。每一个等级可对应一个模糊子集。
（3）建立模糊关系矩阵R
在构造了等级模糊子集后，要逐个对被评事物从每个因素ui?i?1,2,??,p?上进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度?R|ui?，进而得到模糊关系矩阵：
?R|u1??r11r12??R|u??rr22?2?21??R????????????R|u?rp1rp2??p????r1m?r2m?? ???rpm??p.m矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度。一个被评事物在某个因素ui方面的表现，是通过模糊向量
?R|ui???ri1,ri2,??,rim?来刻画的，而在其他评价方法中多是由一个指标实际值
来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息[10]。 （4）确定评价因素的权向量
在模糊综合评价中，确定评价因素的权向量：A??a1,a2,??,ap?。权向量A中的元素ai本质上是因素ui对模糊子?对被评事物重要的因素 ?的隶属度。本文使用层次分析法来确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。即
?ai?1pi?1，ai?0，i?1,2,??,n
（5）合成模糊综合评价结果向量
利用合适的算子将A与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B。即：
?r11r12?rr2221?A?R??a1,a2,??,ap???????rp1rp2?r1m??r2m????b,b,??,b??B
12m?????rpm??其中b1是由A与R的第j列运算得到的，它表示被评事物从整体上看对vj等级模糊子集的隶属程度。
（6）对模糊综合评价结果向量进行分析
实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，
损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。
多级模糊综合评价方法的步骤如下，以二级模糊评价为例： （1）进行一级因素的综合评价
即按某一类中的各个因素进行综合评价。设对第i(1=1,2,,,N)类中的第j(j=l,2,,,n)元素进行综合评价，评价对象隶属于评价集合中的第k(k=1,2,,,m)个元素的隶属度为争(i=l,2,,,N；j=1,2,,,n；k=l,2,,,m)，则该综合评价的单因素隶属度矩阵为:
Ci11...Ci1mRi=(.........)
Cin1...Cinm于是第i类因素的模糊综合评价集合为:
Ci11...Ci1mBi?Wi.Ri?(wi1,wi2,....win).(.........)
Cin1...Cinm同理确定B1.....Bn的单因素模糊评价行向量:
B1?(,,,,)B2?(,,,,)...
Bn?(,,,,)Bi为B层第i个指标所包含的各下级因素对于它的综合模糊运算结果，I=1,2,,,N，
bi为B层第i个指标下级各因素相对于它的权重；R为模糊评价矩阵。 （2）进行二级因素的模糊综合评价
最底层模糊综合评价仅仅是对某一类中的各个因素进行综合，为了考虑各类因素的综合影响，还必须在类之间进行综合。进行类之间因素的综合评价时,所进行的评价为单因素评价,而单因素评价矩阵应为最底层模糊综合评价矩阵：
Bi11...Bi1mAi?Wi.Ri?(wi1,wi2,....win).(.........)
Bin1...BinmA?(,,,,)。