个人学习笔记,课程为数学建模清风付费课程
目录
一、模型介绍
1.模型引入
1.1引例
1.2提出问题
1.3解决问题
1.4总结
评价类问题可以用打分法解决
1.5例题
1.5.1题目
1.5.2判断矩阵
注意:判断矩阵中的元素只能是1至9和它们的倒数
1.5.3矛盾(不一致的现象)
1.5.4一致矩阵
一致矩阵特点:各行(各列)之间成倍数关系
1.5.5一致性检验
1.5.5.1原理
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。
1.5.5.2步骤
如果CR < 0.1, 则可认为判断矩阵的一致性可以接受;否则需要对 判断矩阵进行修正。
1.5.5.3两个问题
1.5.6计算权重
1.5.6.1一致矩阵
权重一定要进行归一化处理
1.5.6.2判断矩阵
1.5.6.3计算权重的方法
(1)算数平均法
步骤:
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)第二步:将归一化的各列相加(按行求和)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
(2)几何平均法
步骤:
第一步:将A的元素按照行相乘得到一个新的列向量第二步:将新的向量的每个分量开n次方第三步:对该列向量进行归一化即可得到权重向量
(3)特征值法
一致矩阵有一个特征值为n,其余特征值为0
假如我们的判断矩阵一致性可以接受(即CR<0.1),那么我们可以仿照一致矩阵权重的求法:第一步:求出矩阵A的最大特征值以及其对应的特征向量第二步:对求出的特征向量进行归一化即可得到我们的权重
1.5.7例题解决
1.5.7.1将计算结果填入权重表
1.5.7.2 代码演示-matlab(附代码)
注意:在论文写作中,应该先对判断矩阵进行一致性检验,然后再计算权重,因为只有判断矩阵通过了一致性检验,其权重才是有意义的。
在下面的代码中,我们先计算了权重,然后再进行了一致性检验,这是为了顺应计算过程,事实上在逻辑上是说不过去的。
因此大家自己写论文中如果用到了层次分析法,一定要先对判断矩阵进行一致性检验。
而且要说明的是,只有非一致矩阵的判断矩阵才需要进行一致性检验。
如果你的判断矩阵本身就是一个一致矩阵,那么就没有必要进行一致性检验。
disp('请输入判断矩阵A')
A=input('A=');
[n,n] = size(A);
% % % % % % % % % % % % %方法1: 算术平均法求权重% % % % % % % % % % % % %
Sum_A = sum(A);
SUM_A = repmat(Sum_A,n,1);
Stand_A = A ./ SUM_A;
disp('算术平均法求权重的结果为:');
disp(sum(Stand_A,2)./n)
% % % % % % % % % % % % %方法2: 几何平均法求权重% % % % % % % % % % % % %
Prduct_A = prod(A,2);
Prduct_n_A = Prduct_A .^ (1/n);
disp('几何平均法求权重的结果为:');
disp(Prduct_n_A ./ sum(Prduct_n_A))
% % % % % % % % % % % % %方法3: 特征值法求权重% % % % % % % % % % % % %
[V,D] = eig(A);
Max_eig = max(max(D));
[r,c]=find(D == Max_eig , 1);
disp('特征值法求权重的结果为:');
disp( V(:,c) ./ sum(V(:,c)) )
% % % % % % % % % % % % %下面是计算一致性比例CR的环节% % % % % % % % % % % % %
CI = (Max_eig - n) / (n-1);
RI=[0 0.0001 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
% 这里n=2时,一定是一致矩阵,所以CI = 0,我们为了避免分母为0,将这里的第二个元素改为了很接近0的正数
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
注意:代码文件仅供参考,一定不要直接用于自己的数模论文中
如何修改代码避免查重的方法:https://www.bilibili.com/video/av59423231(必看)
1.5.7.3填表
1.5.7.4汇总结果得到权重矩阵
1.5.7.5计算各方案的得分
2.层次分析法
2.1简述
层次分析法(The Analytic Hierarchy Process即 AHP)是由美国运筹学家、 匹兹堡大学教授T. L. Saaty于20世纪70年代创立的一种系统分析与决策的综合评价方法,是在充分研究了人类思维过程的基础上提出来的,它较合理地解决了定性问题定量化的处理过程。
2.2步骤
2.2.1第一步
分析系统中各因素之间的关系,建立系统的递阶层次结构.
该结构图可以使用SmartArt生成:
首先将C1-C5进行提高列表等级即增大缩进级别,然后全选O-C5右键选择转换为SmartArt-层次结构图,然后将P1-P3先用SmartArt转后,然后自行添加线段
使用专业软件:亿图图示
简单演示:( 1)新建组织结构图——自定义组织结构图( 2 ) 1个长方形方格,并复制出8个和它同大小的长方形( 3)将这9个长方形排成3行(1+5+3)( 4)使用对齐和分布这两个功能让它们排列的有序( 5)选择文本工具,在这些长方形里面输入文字( 6)使用箭头连接线工具中的直线连接上这些长方形( 7)保存后选择文件——导出&发送——Word( 8)将Word中的图像复制到你的论文中即可,别忘了加上标题。
注:同类型的软件如Visio也是可以的,如果不想下载软件,可以使用在线的ProcessOn,也很方便。
2.2.2第二步
对于同一层次的各元素关于上一层次中某一准则的重要 性进行两两比较,构造两两比较矩阵(判断矩阵)
(1)构造判断矩阵
(2)优秀论文做法举例
2.2.3第三步
由判断矩阵计算被比较元素对于该准则的相对权重, 并进行一致性检验(检验通过权重才能用)
注:(1)一致矩阵不需要进行一致性检验,只有非一致矩阵的判断矩阵才需要进 行一致性检验;(2)在论文写作中,应该先进行一致性检验,通过检验后再计算 权重,视频中讲解的只是为了顺应计算过程。
—>CR > 0.1 如何修正?
往一致矩阵上调整一致矩阵各行成倍数关系
2.2.4第四步
根据权重矩阵计算得分,并进行排序。
2.3局限性
不适用于指标已知的情况,且平均随机一致性指标RI的表格中n最多是15。
二、代码详解
1.Matlab基本的小常识
1.1分号的作用
在每一行的语句后面加上分号(一定要是英文的哦;中文的长这个样子;)表示不显示运行结果
分号也用于区分行。
1.2注释的快捷键
多行注释:选中要注释的若干语句,快捷键Ctrl+R
取消注释:选中要取消注释的语句,快捷键Ctrl+T
1.3clc和clear
clc可以清除命令行窗口中的所有文本,让屏幕变得干净
clear可以清楚工作区的所有变量
这两条一起使用,起到“初始化”的作用,防止之前的结果对新脚本文件(后缀名是 .m)产生干扰。
1.4disp和input
disp函数:matlab中disp()就是屏幕输出函数,类似于c语言中的printf()函数
input函数:一般我们会将输入的数、向量、矩阵、字符串等赋给一个变量
1.5字符串合并
matlab中两个字符串的合并有两种方法
(1)strcat(str1,str2……,strn)
(2)[str 1,str 2,……, str n]或[str1 str2 …… strn]
1.6数字转换为字符串
一个有用的字符串函数:num2str 将数字转换为字符串
2.sum函数
(1)如果是向量(无论是行向量还是列向量),都是直接求和
E = [1,2,3]
sum(E)
E = [1;2;3]
sum(E)
(2)如果是矩阵,则需要根据行和列的方向作区分
clc
E = [1,2;3,4;5,6]
% a=sum(x); %按列求和(得到一个行向量)
a = sum(E)
a = sum(E,1)
% a=sum(x,2); %按行求和(得到一个列向量)
a = sum(E,2)
% a=sum(x(:));%对整个矩阵求和
a = sum(sum(E))
a = sum(E(:))
3.Matlab中如何提取矩阵中指定位置的元素?
(1)取指定行和列的一个元素(输出的是一个值)
clc;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];
A
A(2,1)
A(3,2)
(2)取指定的某一行的全部元素(输出的是一个行向量)
clc;A
A(2,:)
A(5,:)
(3)取指定的某一列的全部元素(输出的是一个列向量)
clc;A
A(:,1)
A(:,3)
(4)取指定的某些行的全部元素(输出的是一个矩阵)
clc;A
A([2,5],:) % 只取第二行和第五行(一共2行)
A(2:5,:) % 取第二行到第五行(一共4行)
A(2:2:5,:) % 取第二行和第四行 (从2开始,每次递增2个单位,到5结束)
1:3:10
10:-1:1
A(2:end,:) % 取第二行到最后一行
A(2:end-1,:) % 取第二行到倒数第二行
(5)取全部元素(按列拼接的,最终输出的是一个列向量)
clc;A
A(:)
4.size函数
clc;
A = [1,2,3;4,5,6]
B = [1,2,3,4,5,6]
size(A)
size(B)
size(A)函数是用来求矩阵A的大小的,它返回一个行向量,第一个元素是矩阵的行数,第二个元素是矩阵的列数
[r,c] = size(A)
将矩阵A的行数返回到第一个变量r,将矩阵的列数返回到第二个变量c
r = size(A,1) %返回行数
c = size(A,2) %返回列数
5.repmat函数
B = repmat(A,m,n):将矩阵A复制m×n块,即把A作为B的元素,B由m×n个A平铺而成。
A = [1,2,3;4,5,6]
B = repmat(A,2,1)
B = repmat(A,3,2)
6.Matlab中矩阵的运算(加点和不加点)
MATLAB在矩阵的运算中,“*”号和“/”号代表矩阵之间的乘法与除法(A/B = A*inv(B))
A = [1,2;3,4]
B = [1,0;1,1]
A * B
inv(B) % 求B的逆矩阵
B * inv(B)
A * inv(B)
A / B
两个形状相同的矩阵对应元素之间的乘除法需要使用“.*”和“./”
A = [1,2;3,4]
B = [1,0;1,1]
A .* B
A ./ B
每个元素同时和常数相乘或相除操作都可以使用
A = [1,2;3,4]
A * 2
A .* 2
A / 2
A ./ 2
每个元素同时乘方时只能用 .^
A = [1,2;3,4]
A .^ 2
A ^ 2
A * A
7.Matlab中求特征值和特征向量
在Matlab中,计算矩阵A的特征值和特征向量的函数是eig(A),其中最常用的两个用法:
A = [1 2 3 ;2 2 1;2 0 3]
% (1)E=eig(A):求矩阵A的全部特征值,构成向量E。
E=eig(A)
(2)[V,D]=eig(A):求矩阵A的全部特征值,构成对角阵D,并求A的特征向量构成V的列向量。(V的每一列都是D中与之相同列的特征值的特征向量)
[V,D]=eig(A)
8.find函数的基本用法
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。
clc;X = [1 0 4 -3 0 0 0 8 6]
ind = find(X)
其有多种用法,比如返回前2个不为0的元素的位置:
ind = find(X,2)
上面针对的是向量(一维),若X是一个矩阵(二维,有行和列),索引该如何返回呢?
clc;X = [1 -3 0;0 0 8;4 0 6]
ind = find(X)
这是因为在Matlab在存储矩阵时,是一列一列存储的,我们可以做一下验证:
X(4)
假如你需要按照行列的信息输出该怎么办呢?
[r,c] = find(X)
[r,c] = find(X,1) %只找第一个非0元素
9.矩阵与常数的大小判断运算
矩阵与常数的大小判断运算
共有三种运算符:大于> ;小于< ;等于 == (一个等号表示赋值;两个等号表示判断)
clc
X = [1 -3 0;0 0 8;4 0 6]
X > 0
X == 4
10.判断和循环语句
判断语句
Matlab的判断语句,if所在的行不需要冒号,语句的最后一定要以end结尾 ;中间的语句要注意缩进。
a = input('请输入考试分数:')
if a >= 85
disp('成绩优秀')
elseif a >= 60
disp('成绩合格')
else
disp('成绩挂科')
end
三、模型拓展
四、课后训练
代码优化
( 1 )请对代码进行优化,例如输入判断矩阵 A 时,是否能自动检查矩阵A 为正互反矩阵?
disp('请输入判断矩阵A') %matlab中disp()就是屏幕输出函数,类似于c语言中的printf()函数
% 注意,disp函数比较特殊,这里可要分号,可不要分号哦
A=input('A=');
% 这里输入的就是我们的判断矩阵,其为n阶方阵(行数和列数相同)
% [1 3 1/3 1/3 1 1/3;1/3 1 1/4 1/5 1 1/5;3 4 1 1 2 3;3 5 1 1 2 1;1 1 1/2 1/2 1 1;3 5 1/3 1 1 1]
% [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]
% 在开始下面正式的步骤之前,我们有必要检验下A是否因为粗心而输入有误
ERROR = 0; % 默认输入是没有错误的
%(1)检查矩阵A的维数是否不大于1或不是方阵
[r,c]=size(A);
%size(A)函数是用来求矩阵的大小的,返回一个行向量,第一个元素是矩阵的行数,第二个元素是矩阵的列数
%[r,c]=size(A) %将矩阵A的行数返回到第一个输出变量r,将矩阵的列数返回到第二个输出变量c
if r ~= c || r <= 1
% 注意哦,不等号是 ~= (~是键盘Tab上面那个键,要和Shift键同时按才会出来),别和C语言里面的!=搞混了
% ||表示逻辑运算符‘或’(在键盘Enter上面,也要和Shift键一起按) 逻辑运算符且是 && (&读and,连接符号,是and的缩写。 )
ERROR = 1;
end
% Matlab的判断语句,if所在的行不需要冒号,语句的最后一定要以end结尾 ;中间的语句要注意缩进。
%(2)检验是否为正互反矩阵 a_ij > 0 且 a_ij * a_ji = 1
if ERROR == 0
[n,n] = size(A);
% 因为我们的判断矩阵A是一个非零方阵,所以这里的r和c相同,我们可以就用同一个字母n表示
% 判断是否有元素小于0
% for i = 1:n
% for j = 1:n
% if A(i,j)<=0
% ERROR = 2;
% end
% end
% end
if sum(sum(A <= 0)) > 0
ERROR = 2;
end
end
%顺便检验n是否超过了15,因为RI向量为15维
if ERROR == 0
if n > 15
ERROR = 3;
end
end
if ERROR == 0
% 判断 a_ij * a_ji = 1 是否成立
if sum(sum(A' .* A ~= ones(n))) > 0
ERROR = 4;
end
% A' 表示求出 A 的转置矩阵,即将a_ij和a_ji互换位置
% ones(n)函数生成一个n*n的全为1的方阵, zeros(n)函数生成一个n*n的全为0的方阵
% ones(m,n)函数生成一个m*n的全为1的矩阵
% MATLAB在矩阵的运算中,“/”号和“*”号代表矩阵之间的乘法与除法,对应元素之间的乘除法需要使用“./”和“.*”
% 如果a_ij * a_ji = 1 满足, 那么A和A'对应元素相乘应该为1
end
if ERROR == 0
% % % % % % % % % % % % %方法1: 算术平均法求权重% % % % % % % % % % % % %
% 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)
% 第二步:将归一化的各列相加
% 第三步:将相加后的向量除以n即可得到权重向量
Sum_A = sum(A);
% matlab中的sum函数的用法
% a=sum(x);%按列求和
% a=sum(x,2);%按行求和
% a=sum(x(:));%对整个矩阵求和
% % 基础:matlab中如何提取矩阵中指定位置的元素?
% % (1)取指定行和列的一个元素(输出的是一个值)
% % A(2,1) A(3,2)
% % (2)取指定的某一行的全部元素(输出的是一个行向量)
% % A(2,:) A(5,:)
% % (3)取指定的某一列的全部元素(输出的是一个列向量)
% % A(:,1) A(:,3)
% % (4)取指定的某些行的全部元素(输出的是一个矩阵)
% % A([2,5],:) 只取第二行和第五行(一共2行)
% % A(2:5,:) 取第二行到第五行(一共4行)
% % (5)取全部元素(按列拼接的,最终输出的是一个列向量)
% % A(:)
SUM_A = repmat(Sum_A,n,1);
% B = repmat(A,m,n):将矩阵A复制m×n块,即把A作为B的元素,B由m×n个A平铺而成。
% 另外一种替代的方法如下:
% SUM_A = [];
% for i = 1:n %循环哦,不需要加冒号,这里表示循环n次
% SUM_A = [SUM_A;Sum_A];
% end
Stand_A = A ./ SUM_A;
% MATLAB在矩阵的运算中,“*”号和“/”号代表矩阵之间的乘法与除法,对应元素之间的乘除法需要使用“./”和“.*”
% 这里我们直接将两个矩阵对应的元素相除即可
disp('算术平均法求权重的结果为:');
disp(sum(Stand_A,2) / n)
% 首先对标准化后的矩阵按照行求和,得到一个列向量,然后再将这个列向量的每个元素同时除以n即可(注意这里也可以用./哦)
% % % % % % % % % % % % %方法2: 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
Prduct_A = prod(A,2);
% prod函数和sum函数类似,一个用于乘,一个用于加
% 第二步:将新的向量的每个分量开n次方
Prduct_n_A = Prduct_A .^ (1/n);
% 这里对元素操作,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))
% % % % % % % % % % % % %方法3: 特征值法求权重% % % % % % % % % % % % %
% 计算矩阵A的特征值和特征向量的函数是eig(A),其中最常用的两个用法:
% (1)E=eig(A):求矩阵A的全部特征值,构成向量E。
% (2)[V,D]=eig(A):求矩阵A的全部特征值,构成对角阵D,并求A的特征向量构成V的列向量。(V的每一列都是D中与之相同列的特征值的特征向量)
[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。
% 下面例子来自博客:https://www.cnblogs.com/anzhiwu815/p/5907033.html
% 关于find函数的更加深入的用法可参考原文
% >> X = [1 0 4 -3 0 0 0 8 6];
% >> ind = find(X)
% ind =
% 1 3 4 8 9
% 其有多种用法,比如返回前2个不为0的元素的位置:
% >> ind = find(X,2)
% >> ind =
% 1 3
%若X是一个矩阵,索引该如何返回呢?
% >> X = [1 -3 0;0 0 8;4 0 6]
% X =
% 1 -3 0
% 0 0 8
% 4 0 6
% >> ind = find(X)
% ind =
% 1
% 3
% 4
% 8
% 9
% 这是因为在Matlab在存储矩阵时,是一列一列存储的,我们可以做一下验证:
% >> X(4)
% ans =
% -3
% 假如你需要按照行列的信息输出该怎么办呢?
% [r,c] = find(X)
% r =
% 1
% 3
% 1
% 2
% 3
% c =
% 1
% 1
% 2
% 3
% 3
% [r,c] = find(X,1) %只找第一个非0元素
% r =
% 1
% c =
% 1
% 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,共有三种运算符:大于> ;小于< ;等于 == (一个等号表示赋值;两个等号表示判断)
% 例如:A > 2 会生成一个和A相同大小的矩阵,矩阵元素要么为0,要么为1(A中每个元素和2比较,如果大于2则为1,否则为0)
[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。
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。
( 2 )如果我们输入的是一个二阶的判断矩阵,请观察结果有什么问题?怎么改进代码来修正这个问题。(提示:二阶判断矩阵一定是一致矩阵)
% % % % % % % % % % % % %下面是计算一致性比例CR的环节% % % % % % % % % % % % %
% 当CR<0.10时,我们认为判断矩阵的一致性可以接受;否则应对其进行修正。
CI = (Max_eig - n) / (n-1);
RI=[0 0.00001 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
% 这里n=2时,一定是一致矩阵,所以CI = 0,我们为了避免分母为0,将这里的第二个元素改为了很接近0的正数
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
elseif ERROR == 1
disp('请检查矩阵A的维数是否不大于1或不是方阵')
elseif ERROR == 2
disp('请检查矩阵A中有元素小于等于0')
elseif ERROR == 3
disp('A的维数n超过了15,请减少准则层的数量')
elseif ERROR == 4
disp('请检查矩阵A中存在i、j不满足A_ij * A_ji = 1')
end