数学建模之层次分析法

简介:

       建模比赛中最基础的模型之一，其主要用于解决 评价类问题（例如：选择哪种方案最好、哪位运 动员或者员工表现的更优秀）。

判断矩阵(又称正互反矩阵)：

 一致矩阵:

 一致性检验:

        原理:检验我们构造的判断矩阵和一致矩阵是否有太大的差别。

 一致性检验步骤:

%% 计算一致性比例CR
clc
CI = (Max_eig - n) / (n-1);
RI=[0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];  %注意哦，这里的RI最多支持 n = 15
CR=CI/RI(n);
disp('一致性指标CI=');disp(CI);
disp('一致性比例CR=');disp(CR);
if CR<0.10
    disp('因为CR < 0.10，所以该判断矩阵A的一致性可以接受!');
else
    disp('注意：CR >= 0.10，因此该判断矩阵A需要进行修改!');
end

算数平均法求权重:

disp('请输入判断矩阵A:')
% 判断矩阵
A = [1 1 4 1/3 3; 
    1 1 4 1/3 3;
    1/4 1/4 1 1/3 1/2;
    3 3 3 1 3;
    1/3 1/3 2 1/3 1]
% 第一步:将判断矩阵按照列归一化(每一个元素除以其所在列的和)
Sum_A =  sum(A)
[n,n] = size(A) 
SUM_A = repmat(Sum_A,n,1)
% 另一种替代的方法
% SUM_A = [];
% for i = 1:n;
%     SUM_A = [SUM_A;Sum_A]
% end
Stand_A = A ./ SUM_A 
% 第二步:将归一化的各列相加(按行求和) 
sum(Stand_A,2)
% 第三步:将相加后得到的向量中每个元素除以n即可得到权重向量
disp('算数平均法求权重的结果为:')
disp(sum(Stand_A,2)/n)

几何平均法求权重:

% 第一步：将A的元素按照行相乘得到一个新的列向量
clc;A
Prduct_A = prod(A,2)
% prod函数和sum函数类似，一个用于乘，一个用于加  dim = 2 维度是行

% 第二步：将新的向量的每个分量开n次方
Prduct_n_A = Prduct_A .^ (1/n)
% 这里对每个元素进行乘方操作，因此要加.号哦。  ^符号表示乘方哦  这里是开n次方，所以我们等价求1/n次方

% 第三步：对该列向量进行归一化即可得到权重向量
% 将这个列向量中的每一个元素除以这一个向量的和即可
disp('几何平均法求权重的结果为：');
disp(Prduct_n_A ./ sum(Prduct_n_A))

 特征值法求权重:

% 第一步：求出矩阵A的最大特征值以及其对应的特征向量
clc
[V,D] = eig(A)    %V是特征向量, D是由特征值构成的对角矩阵（除了对角线元素外，其余位置元素全为0）
Max_eig = max(max(D)) %也可以写成max(D(:))哦~
% 那么怎么找到最大特征值所在的位置了？ 需要用到find函数，它可以用来返回向量或者矩阵中不为0的元素的位置索引。
% 那么问题来了，我们要得到最大特征值的位置，就需要将包含所有特征值的这个对角矩阵D中，不等于最大特征值的位置全变为0
% 这时候可以用到矩阵与常数的大小判断运算
D == Max_eig
[r,c] = find(D == Max_eig , 1)
% 找到D中第一个与最大特征值相等的元素的位置，记录它的行和列。

% 第二步：对求出的特征向量进行归一化即可得到我们的权重
V(:,c)
disp('特征值法求权重的结果为：');
disp( V(:,c) ./ sum(V(:,c)) )
% 我们先根据上面找到的最大特征值的列数c找到对应的特征向量，然后再进行标准化。