层次分析法:matlab代码实现

计算权重:

一、算术平均法

关于矩阵:

1、矩阵的输入写法

     [ ; ; ]同行用空格或逗号隔开,不同行用分号间隔

2、矩阵求和

     默认按列求和 a=sum(E) 等同于 a=sum(E,1) 得到行向量

     按行求和 a=sum(E,2) 得到列向量

     对整个矩阵求和 a=sum(E,"all")或者a=sum(E(:)) 或者 a=sum(sum(E))

3、矩阵求积

     默认按列求积  a=prod(E)或者a=prod(E,1)

     按行求积 a=prod(E,2)

     整个矩阵求积 a=prod(E,"all")

4、提取指定位置的元素 A(i,j)

     提取指定行的全部元素 A(i,:)  列的全部元素 A(:,j)

     提取第2行和第5行 A([2,5],:)

     提取2到5行 A(2:5,:) end表示最后一行

     提取第2行和第4行 A(2:2:5,:) 从2开始,每次加2,不包括5

5、 A(:)或A表示所有元素

     按列拼接,以一整个列向量输出

6、 [r,c]=size(A) 返回矩阵的行数和列数

      size(A,1)返回行数,size(A,2)返回列数

 

7、B=repmat(A,m,n) 复制矩阵A,B由m*2个A平铺而成

8、矩阵的乘法和除法 A*B   A/B=A*inv(B)乘以逆矩阵

      形状相同的矩阵对应元素的乘除法用'.*'和'./'

      乘方^ 和 .^

此处判断矩阵实为一个方阵: 

clear;clcA=input('请输入判断矩阵A:')%第一步: 归一化(先对列求和得一个行向量,再让矩阵对应除以该行向量)
sum_Acol=sum(A)r=size(A,1)
c=size(A,2)
%这里把行向量复制row次,成一个与A同形的矩阵,再让对应元素作除法
B=repmat(sum_Acol,r,1)
Stand_A=A./B %第二步: 算权重向量(先按行求和得一个列向量,再除以col)
res=sum(Stand_A,2)/c

二、几何平均法

clear;clcA=input("请输入判断矩阵A:")
%第一步: 先按行相乘,再开n次方,得到一个列向量
Prod_Arow=prod(A,2)
n=size(A,2)
B=Prod_Arow.^(1/n)%第二步: 归一化
res=B./(sum(B))

三、特征值法

特征向量与特征值:

1、求特征值 E=eig(A)  A的全部特征值构成向量E

2、[V,D]=eig(A)  A的特征向量构成V的列向量,A的所有特征值构成对角阵D

find:

1、p=find(X,n) 返回前n个符合条件的元素的位置(按列来读)

2、[r,c]=find(X,n) 返回的位置是二维坐标

clear;clcA=input("请输入判断矩阵A:")%第一步: 求矩阵的最大特征值及其对应的特征向量
[V,D]=eig(A)
Max_eig=max(max(D)) %找最大特征值
[r,c]=find(D==Max_eig,1) %找D中第一个与最大特征值相等的元素的位置
B=V(:,c) %提取最大特征值对应的特征向量(提取列)%第二步: 对特征向量归一化
res=B./sum(B)

一致性检验:

%计算一致性比例CR
n=size(A,1)
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];
CR=CI/RI(n)
if CR<0.10disp("一致性检验通过")
elsedisp("一致性检验不通过")
end %函数或循环都要以end结尾

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/45668.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

昇思25天学习打卡营第18天|MindNLP ChatGLM-6B StreamChat

现在各类chat AI不胜枚举&#xff0c;开源的闭源的都有&#xff0c;ChatGLM-6B是其中一个开源的chat AI模型&#xff0c;我们可以使用mindspore轻松的跑起来这个模型 官方提供的jupyter示例里面却少了安装mindnlp和mdtex2html&#xff0c;所以需要先把这两个模块安装一下。 !…

Python实战指南:一键解锁KimiGPT API,开启智能对话与文本生成的新纪元

Python实战指南&#xff1a;一键解锁KimiGPT API&#xff0c;开启智能对话与文本生成的新纪元 引言 随着人工智能技术的飞速发展&#xff0c;自然语言处理&#xff08;NLP&#xff09;成为了众多领域的核心技术之一。KimiGPT&#xff0c;作为国内广受欢迎的AI工具&#xff0c…

【/etc/profile、~/.bashrc、~/.bash_profile区别以及配置history记录】

目录 /etc/profile、~/.bashrc、~/.bash_profile区别/etc/profile~/.bash_profile~/.bashrc加载顺序和关系示例/etc/profile~/.bash_profile&#xff08;用户级别&#xff09;~/.bashrc&#xff08;用户级别&#xff09; history记录配置修改 /etc/profile确保用户的 ~/.bash_p…

TCP网络传输控制协议

目录 什么是TCP TCP的特点 TCP通信步骤 三次握手&#xff08;建立连接&#xff09; 数据传输 四次挥手&#xff08;连接释放&#xff09; 为什么要进行三次握手&#xff1f;两次握手行不行&#xff1f;一次握手行不行&#xff1f; 为什么是四次挥手&#xff1f;三次、两…

【Dison夏令营 Day 17】使用 Python Turtle 的 24 游戏求解器

24 点 是一个数学谜题&#xff0c;用基本算术运算符&#xff08;、-、、&#xff09;将 4 个数字运算成 24。例如&#xff0c;给定 4 个数字 1,5,5,5&#xff0c;我们可以得到表达式 (5-(15))5&#xff0c;等于 24。 我们可以用 Python 程序暴力解决这个问题。最多有 245444 7…

Vue的生命周期函数有哪些?详细说明

Vue.js 的生命周期函数包括以下几个阶段&#xff0c;每个阶段都有相应的钩子函数可以用来在特定时机执行自定义的逻辑。这些生命周期钩子函数使得我们可以在组件的不同阶段进行操作&#xff0c;从而管理组件的状态和行为。 1. beforeCreate&#xff1a; - 描述&#xff1a;…

【游戏客户端】大话slg玩法架构(三)建筑控件

【游戏客户端】大话slg玩法架构&#xff08;三&#xff09;建筑控件 大家好&#xff0c;我是Lampard家杰~~ 今天我们继续给大家分享SLG玩法的实现架构&#xff0c;关于SLG玩法的介绍可以参考这篇上一篇文章&#xff1a;【游戏客户端】制作率土之滨Like玩法 PS&#xff1a;和之前…

谈谈软件交互设计

谈谈软件交互设计 交互设计的由来 交互设计(Interaction Design)这一概念,最初是由IDEO创始人之一Bill.Moggridge(莫格里奇)1984年在一次会议上提出。他设计了世界上第一台笔记本电脑Compass,并写作出版了在交互设计领域影响深远的《Designing Interactions》一书,被称…

使用 Akshare 下载国内的期货(主力连续)、股票和指数的历史行情数据

本文介绍如何使用 akshare 下载国内期货、股票和指数的历史行情数据。 Akshare 是一个丰富的金融数据查询的 Python 库&#xff0c;提供了大量的金融数据接口。本文将详细介绍如何使用 Akshare 下载期货、股票和指数数据&#xff0c;并提供完整的代码示例&#xff0c;以求大家…

当需要在不同操作系统和编程语言环境中共享和处理 XML 数据时,可能会遇到哪些兼容性问题,以及如何解决?

在不同操作系统和编程语言环境中共享和处理 XML 数据时&#xff0c;可能会遇到以下兼容性问题&#xff1a; 编码问题&#xff1a;不同操作系统和编程语言对于 XML 文件的默认编码可能不同。如果使用不同的编码方式&#xff0c;可能会导致乱码或无法正确解析 XML 数据。解决方法…

Java算法题-找到数组所有左边数都比它小, 右边数都比它大的数

实例1&#xff1a; 输入:[1,2,4,3,7,8,9] 输出:[1,2,7,8,9] 条件一&#xff1a;左边的数都比他小 条件二&#xff1a;右边的数都不比他大 思路&#xff1a;遍历两次,一次从左往右&#xff0c;找到满足条件一的数&#xff0c;一次从后往前找到满足条件二的数&#xff0c;两次遍…

微服务架构实战:案例分析与解决方案探讨

摘要 微服务架构以其模块化和灵活性在软件开发领域迅速崛起。然而&#xff0c;这种架构模式并非没有挑战。本文通过深入分析几个实际的微服务项目案例&#xff0c;探讨了在设计、开发和部署过程中遇到的问题&#xff0c;以及相应的解决方案。同时&#xff0c;文章还展示了微服…

请不要把「团队」二字挂在嘴边上

请不要把「团队」二字挂在嘴边上 什么是团队? 团队(Team)是由 基层和 管理层人员组成的一个 共同体,它合理利用每一个 成员的知识和技能协同工作,解决问题,达到 共同的目标。 团队的构成要素总结为5P,分别为目标、人、 定位、权限、计划。 群体不是团队 “团队”和“…

智能合约和分布式应用管理系统:技术革新与未来展望

引言 随着区块链技术的不断发展&#xff0c;智能合约和分布式应用&#xff08;DApps&#xff09;逐渐成为数字经济中的重要组成部分。智能合约是一种自执行的协议&#xff0c;能够在预设条件满足时自动执行代码&#xff0c;而无需人工干预或中介机构。这种自动化和信任机制极大…

使用Apache服务部署静态网站

前言&#xff1a;本博客仅作记录学习使用&#xff0c;部分图片出自网络&#xff0c;如有侵犯您的权益&#xff0c;请联系删除 目录 一、网站服务程序 ​二、配置服务文件参数 ​三、SELinux安全子系统 四、个人用户主页功能 ​五、虚拟网站主机功能 六、Apache的访问控制…

DOM 实例:深入理解文档对象模型

DOM 实例:深入理解文档对象模型 引言 文档对象模型(DOM,Document Object Model)是处理可扩展标记语言(XML)的标准编程接口。在网页开发中,DOM 被广泛应用于 HTML 和 XML 文档的交互。本文将深入探讨 DOM 的概念、实例及其在网页编程中的应用。 DOM 基础概念 什么是 …

nx上darknet的使用-目标检测-在python中的使用

1 内置的代码 在darknet中已经内置了两个py文件 darknet_video.py与darknet_images.py用法类似&#xff0c;都是改一改给的参数就行了&#xff0c;我们说一下几个关键的参数 input 要预测哪张图像weights 要使用哪个权重config_file 要使用哪个cfg文件data_file 要使用哪个da…

基于AT89C51单片机篮球计时计分器的设计(含文档、源码与proteus仿真,以及系统详细介绍)

本篇文章论述的是基于AT89C51单片机篮球计时计分器的设计的详情介绍&#xff0c;如果对您有帮助的话&#xff0c;还请关注一下哦&#xff0c;如果有资源方面的需要可以联系我。 目录 绪论 原理图 ​编辑 仿真图 系统总体设计图 代码实现 系统论文 资源下载 绪论 本次…

postgresql创建只读权限的用户

在PostgreSQL中&#xff0c;创建具有只读权限的用户是一个常见的安全需求&#xff0c;以确保某些用户只能查询数据库中的数据&#xff0c;而不能修改或删除数据。以下是如何在PostgreSQL中创建只读用户的方法&#xff1a; 以下是创建PostgreSQL只读用户的步骤&#xff1a; 使…

cf957---D. Test of Love

恩科尔愿意为朱伦做任何事&#xff0c;甚至愿意游过鳄鱼出没的沼泽。我们决定测试一下这份爱。恩科尔必须游过一条宽 11 米、长 &#x1d45b;&#x1d45b; 米的河流。 河水非常冷。因此&#xff0c;***(即从 00 游到 &#x1d45b;1&#x1d45b;1 的整个过程)恩科尔在水里游…