Matlab求解层次分析法程序代码【求解步骤+代码】

层次分析法

1）建立层次结构模型：

（2）构造判断矩阵 判断矩阵()ij

A a =

应为正互反矩阵，而且ij

a

的判断如下（1~9尺度法）：

（3）单层排序及一致性检验 1、单层排序 求解判断矩阵

A 的最大特征值max λ，再由最大特征值求出对应的特征向量ω()max A ωλω=，

并将ω标准化，即为同一层相对于上一层某一因素的权重，根据此权重的大小，便可确定该层

因素的排序。 2、一致性检验 取一致性指标max 1

n

CI

n λ-=

-，（n 为A 的阶数）

令CR RI

=

，若0.1CR <，则认为A 具有一致性。 否则，需要对A 进行调整，直到具有满意的一致性为止。

（4）层次总排序及一致性检验

假定准则层12,,,n C C C L 排序完成，其权重分别为12,,,n a a a L ，方案层P 包含m 个方案：

12,,,m P P P L 。其相对于上一层的()1

,2,,j C j n =L 对方案层P 中的m 个方案进行单层排序，其排序权重记为12,,,j j mj b b b L

()1,2,,j n =L ，则方案层P 中第i 个方案Pi 的总排序权重为

1

n

j ij

j a b

=∑，见下表：

从而确定层的排序。 例：

纯文本文件中的数据格式如下： 1 1 1 4 1 1/2 1 1 2 4 1 1/2 1 1/2 1 5 3 1/2 1/4 1/4 1/5 1 1/3 1/3 1 1 1/3 3 1 1 2 2 2 3 3 1 1 1/4 1/2

4 1 3

2 1/

3 1

1 1/4 1/5

4 1 1/2

5 2 1

1 3 1/3

1/3 1 1/7

3 7 1

1 1/3 5

3 1 7

1/5 1/7 1

1 1 7

1 1 7

1/7 1/7 1

1 7 9

1/7 1 1

1/9 1 1

matlab程序：

>> fid=fopen('','r');

n1=6;n2=3;

a=[];

for i=1:n1

tmp=str2num(fgetl(fid));

a=[a;tmp]; %读准则层判断矩阵

end

for i=1:n1

str1=char(['b',int2str(i),'=[];']);

str2=char(['b',int2str(i),'=[b',int2str(i),';tmp];']); eval(str1);

for j=1:n2

tmp=str2num(fgetl(fid));

eval(str2); %读方案层的判断矩阵

end

end

ri=[0,0,,,,,,,]; %一致性指标

[x,y]=eig(a);

lamda=max(diag(y));

num=find(diag(y)==lamda);

w0=x(:,num)/sum(x(:,num));

cr0=(lamda-n1)/(n1-1)/ri(n1)

for i=1:n1

[x,y]=eig(eval(char(['b',int2str(i)])));

lamda=max(diag(y));

num=find(diag(y)==lamda);

w1(:,i)=x(:,num)/sum(x(:,num));

cr1(i)=(lamda-n2)/(n2-1)/ri(n2);

end

cr1, ts=w1*w0, cr=cr1*w0

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法

层次分析法实例与步骤

结合一个具体例子，说明层次分析法的基本步骤和要点。

【案例分析】市政工程项目建设决策：层次分析法问题提出

市政部门管理人员需要对修建一项市政工程项目进行决策，可选择的方案是修建通往旅游区的高速路（简称建高速路）或修建城区地铁（简称建地铁）。除了考虑经济效益外，还要考虑社会效益、环境效益等因素，即是多准则决策问题，考虑运用层次分析法解决。

1. 建立递阶层次结构

应用AHP解决实际问题，首先明确要分析决策的问题，并把它条理化、层次化，理出递阶层次结构。

AHP要求的递阶层次结构一般由以下三个层次组成：

目标层（最高层）：指问题的预定目标；

准则层（中间层）：指影响目标实现的准则；

措施层（最低层）：指促使目标实现的措施；

通过对复杂问题的分析，首先明确决策的目标，将该目标作为目标层（最高层）的元素，这个目标要求是唯一的，即目标层只有一个元素。

然后找出影响目标实现的准则，作为目标层下的准则层因素，在复杂问题中，影响目标实现的准则可能有很多，这时要详细分析各准则因素间的相互关系，即有些是主要的准则，有些是隶属于主要准则的次准则，然后根据这些关系将准则元素分成不同的层次和组，不同层次元素间一般存在隶属关系，即上一层元素由下一层元素构成并对下一层元素起支配作用，同一层元素形成若干组，同组元素性质相近，一般隶属于同一个上一层元素（受上一层元素支配），不同组元素性质不同，一般隶属于不同的上一层元素。

在关系复杂的递阶层次结构中，有时组的关系不明显，即上一层的若干元素同时对下一层的若干元素起支配作用，形成相互交叉的层次关系，但无论怎样，上下层的隶属关系应该是明显的。最后分析为了解决决策问题（实现决策目标）、在上述准则下，有哪些最终解决方案（措施），并将它们作为措施层因素，放在递阶层次结构的最下面（最低层）。

明确各个层次的因素及其位置，并将它们之间的关系用连线连接起来，就构成了递阶层次结构。

【案例分析】市政工程项目进行决策：建立递阶层次结构

在市政工程项目决策问题中，市政管理人员希望通过选择不同的市政工程项目，使综合效益最高，即决策目标是“合理建设市政工程，使综合效益最高”。

为了实现这一目标，需要考虑的主要准则有三个，即经济效益、社会效益和环境效益。但问题绝不这么简单。通过深入思考，决策人员认为还必须考虑直接经济效益、间接经济效益、方便日常出行、方便假日出行、减少环境污染、改善城市面貌等因素（准则），从相互关系上分析，这些因素隶属于主要准则，因此放在下一层次考虑，并且分属于不同准则。

假设本问题只考虑这些准则，接下来需要明确为了实现决策目标、在上述准则下可以有哪些方案。根据题中所述，本问题有两个解决方案，即建高速路或建地铁，这两个因素作为措施层元素放在递阶层次结构的最下层。很明显，这两个方案于所有准则都相关。

将各个层次的因素按其上下关系摆放好位置，并将它们之间的关系用连线连接起来。同时，为了方便后面的定量表示，一般从上到下用A、B、C、D。。。代表不同层次，同一层次从左到右用1、2、3、4。。。代表不同因素。这样构成的递阶层次结构如下图。

目标层A

准则层C

措施层D

图1 递阶层次结构示意图

2. 构造判断矩阵并赋值

根据递阶层次结构就能很容易地构造判断矩阵。

构造判断矩阵的方法是：每一个具有向下隶属关系的元素（被称作准则）作为判断矩阵的第一个元素（位于左上角），隶属于它的各个元素依次排列在其后的第一行和第一列。

重要的是填写判断矩阵。填写判断矩阵的方法有：

大多采取的方法是：向填写人（专家）反复询问：针对判断矩阵的准则，其中两个元素两两比较哪个重要，重要多少，对重要性程度按1-9赋值（重要性标度值见下表）。

表1 重要性标度含义表

设填写后的判断矩阵为A=(a ij)n×n，判断矩阵具有如下性质：

(1) a ij〉0

(2) a ji=1/ a ji

(3) a ii=1

根据上面性质，判断矩阵具有对称性，因此在填写时，通常先填写a ii=1部分，然后再仅需判断及填写上三角形或下三角形的n(n-1)/2个元素就可以了。

在特殊情况下，判断矩阵可以具有传递性，即满足等式：a ij*a jk=a ik

当上式对判断矩阵所有元素都成立时，则称该判断矩阵为一致性矩阵。

【案例分析】市政工程项目建设决策：构造判断矩阵并请专家填写

接前例，征求专家意见，填写后的判断矩阵如下：

表2 判断矩阵表

3. 层次单排序（计算权向量）与检验

对于专家填写后的判断矩阵，利用一定数学方法进行层次排序。

层次单排序是指每一个判断矩阵各因素针对其准则的相对权重，所以本质上是计算权向量。计算权向量有特征根法、和法、根法、幂法等，这里简要介绍和法。

和法的原理是，对于一致性判断矩阵，每一列归一化后就是相应的权重。对于非一致性判断矩阵，每一列归一化后近似其相应的权重，在对这n 个列向量求取算术平均值作为最后的权重。具体的公式是：

∑∑===n j n k kl

ij i a

a n W 1

1

1

需要注意的是，在层层排序中，要对判断矩阵进行一致性检验。

在特殊情况下，判断矩阵可以具有传递性和一致性。一般情况下，并不要求判断矩阵严格满足这一性质。但从人类认识规律看，一个正确的判断矩阵重要性排序是有一定逻辑规律的，例如若A 比B 重要，B 又比C 重要，则从逻辑上讲，A 应该比C 明显重要，若两两比较时出现A 比C 重要的结果，则该判断矩阵违反了一致性准则，在逻辑上是不合理的。

因此在实际中要求判断矩阵满足大体上的一致性，需进行一致性检验。只有通过检验，才能说明判断矩阵在逻辑上是合理的，才能继续对结果进行分析。 一致性检验的步骤如下。

第一步，计算一致性指标.（consistency index ）

1

..max --=

n n

I C λ

第二步，查表确定相应的平均随机一致性指标.（random index ）

据判断矩阵不同阶数查下表，得到平均随机一致性指标.。例如，对于5阶的判断矩阵，查表得到.=

表3 平均随机一致性指标.表（1000次正互反矩阵计算结果）

第三步，计算一致性比例.（consistency ratio ）并进行判断

.

..

...I R I C R C =

当.<时，认为判断矩阵的一致性是可以接受的，.>时，认为判断矩阵不符合一致性要求，需要对该判断矩阵进行重新修正。

【案例分析】市政工程项目建设决策：计算权向量及检验 上例计算所得的权向量及检验结果见下： 表4 层次计算权向量及检验结果表

可以看出，所有单排序的.<，认为每个判断矩阵的一致性都是可以接受的。

4. 层次总排序与检验

总排序是指每一个判断矩阵各因素针对目标层（最上层）的相对权重。这一权重的计算采用从上而下的方法，逐层合成。

很明显，第二层的单排序结果就是总排序结果。假定已经算出第k-1层m 个元素相对于总目标的权重w (k-1)=(w 1(k-1),w 2(k-1),…,w m (k-1))T ，第k 层n 个元素对于上一层（第k 层）第j 个元素的单排序权重是p j (k)=(p 1j (k),p 2j (k),…,p nj (k))T ，其中不受j 支配的元素的权重为零。令P (k)=(p 1(k),p 2(k),…,p n (k)),表示第k 层元素对第k-1层个元素的排序，则第k 层元素对于总目标的总排序为： w (k)=(w 1(k),w 2(k),…,w n (k))T = p (k) w (k-1)

或 ∑=-=

m

j j ij

i k k (k)

w p

w 1

)1()

( I=1,2,…,n

同样，也需要对总排序结果进行一致性检验。

假定已经算出针对第k-1层第j 个元素为准则的、和 j=1,2,…,m,则第k 层的综合检验指标 （ , ,…, ）w (k-1) （ , ,…, ）w (k-1)

)

()()

(.

....

.k k k I R I C R C 当.(k)<时，认为判断矩阵的整体一致性是可以接受的。

【案例分析】市政工程项目建设决策：层次总排序及检验 上例层次总排序及检验结果见下：

表5 C 层次总排序(CR = 表

表6 D 层次总排序(CR =

可以看出，总排序的.<，认为判断矩阵的整体一致性是可以接受的

5. 结果分析

通过对排序结果的分析，得出最后的决策方案。 【案例分析】市政工程项目建设决策：结果分析

从方案层总排序的结果看，建地铁（D2）的权重（）远远大于建高速路（D1）的权重（），因此，最终的决策方案是建地铁。 根据层次排序过程分析决策思路。

对于准则层B 的3个因子，直接经济效益（B1）的权重最低（），社会效益（B2）和环境效益（B3）的权重都比较高（皆为），说明在决策中比较看重社会效益和环境效益。

对于不看重的经济效益，其影响的两个因子直接经济效益（C1）、间接带动效益（C2）单排序权重都是建高速路远远大于建地铁，对于比较看重的社会效益和环境效益，其影响的四个因子中有三个因子的单排序权重都是建地铁远远大于建高速路，由此可以推出，建地铁方案由于社会效益和环境效益较为突出，权重也会相对突出。

从准则层C 总排序结果也可以看出，方便日常出行（C3）、减少环境污染（C5）是权重值较大的，而如果单独考虑这两个因素，方案排序都是建地铁远远大于建高速路。

由此我们可以分析出决策思路，即决策比较看重的是社会效益和环境效益，不太看重经济效益，因此对于具体因子，方便日常出行和减少环境污染成为主要考虑因素，对于这两个因素，都是建地铁方案更佳，由此，最终的方案选择建地铁也就顺理成章了。

层次分析法及matlab程序

层次分析法建模 层次分析法（AHP－Analytic Hierachy process）---- 多目标决策方法 70 年代由美国运筹学家T·L·Satty提出的，是一种定性与定量分析相结合的多目标决策分析方法论。吸收利用行为科学的特点，是将决策者的经验判断给予量化，对目标（因素）结构复杂而且缺乏必要的数据情况下，採用此方法较为实用，是一种系统科学中，常用的一种系统分析方法，因而成为系统分析的数学工具之一。 传统的常用的研究自然科学和社会科学的方法有： 机理分析方法：利用经典的数学工具分析观察的因果关系； 统计分析方法：利用大量观测数据寻求统计规律，用随机数学方法描述（自然现象、 社会现象）现象的规律。 基本内容：（1）多目标决策问题举例AHP建模方法 （2）AHP建模方法基本步骤 （3）AHP建模方法基本算法 （3）AHP建模方法理论算法应用的若干问题。 参考书： 1、姜启源，数学模型（第二版，第9章；第三版，第8章），高等教育出版社 2、程理民等，运筹学模型与方法教程，（第10章），清华大学出版社 3、《运筹学》编写组，运筹学（修订版），第11章，第7节，清华大学出版社 一、问题举例： A．大学毕业生就业选择问题 获得大学毕业学位的毕业生，“双向选择”时，用人单位与毕业生都有各自的选择标准和要求。就毕业生来说选择单位的标准和要求是多方面的，例如： ①能发挥自己的才干为国家作出较好贡献（即工作岗位适合发挥专长）； ②工作收入较好（待遇好）； ③生活环境好（大城市、气候等工作条件等）； ④单位名声好（声誉-Reputation）； ⑤工作环境好（人际关系和谐等） ⑥发展晋升（promote, promotion）机会多（如新单位或单位发展有后劲）等。 问题：现在有多个用人单位可供他选择，因此，他面临多种选择和决策，问题是他将如何作出决策和选择？——或者说他将用什么方法将可供选择的工作单位排序？

matlab代码大全

MATLAB主要命令汇总 MATLAB函数参考 附录1.1 管理用命令 函数名功能描述函数名功能描述 addpath 增加一条搜索路径 rmpath 删除一条搜索路径 demo 运行Matlab演示程序 type 列出.M文件 doc 装入超文本文档 version 显示Matlab的版本号 help 启动联机帮助 what 列出当前目录下的有关文件 lasterr 显示最后一条信息 whatsnew 显示Matlab的新特性 lookfor 搜索关键词的帮助 which 造出函数与文件所在的目录 path 设置或查询Matlab路径 附录1.2管理变量与工作空间用命令 函数名功能描述函数名功能描述 clear 删除存中的变量与函数 pack 整理工作空间存 disp 显示矩阵与文本 save 将工作空间中的变量存盘 length 查询向量的维数 size 查询矩阵的维数 load 从文件中装入数据 who,whos 列出工作空间中的变量名 附录1.3文件与操作系统处理命令 函数名功能描述函数名功能描述 cd 改变当前工作目录 edit 编辑.M文件 delete 删除文件 matlabroot 获得Matlab的安装根目录 diary 将Matlab运行命令存盘 tempdir 获得系统的缓存目录 dir 列出当前目录的容 tempname 获得一个缓存(temp)文件 ! 执行操作系统命令 附录1.4窗口控制命令 函数名功能描述函数名功能描述 echo 显示文件中的Matlab中的命令 more 控制命令窗口的输出页面format 设置输出格式 附录1.5启动与退出命令 函数名功能描述函数名功能描述 matlabrc 启动主程序 quit 退出Matlab环境 startup Matlab自启动程序 附录2 运算符号与特殊字符附录 2.1运算符号与特殊字符 函数名功能描述函数名功能描述 + 加 ... 续行标志 - 减 , 分行符(该行结果不显示) * 矩阵乘 ; 分行符(该行结果显示) .* 向量乘 % 注释标志 ^ 矩阵乘方 ! 操作系统命令提示符 .^ 向量乘方矩阵转置 kron 矩阵kron积 . 向量转置 \ 矩阵左除 = 赋值运算 / 矩阵右除 == 关系运算之相等 .\ 向量左除 ~= 关系运算之不等 ./ 向量右除 < 关系运算之小于

层次分析法matlab程序

disp('请输入判断矩阵A(n阶)'); A=input('A='); [n,n]=size(A); x=ones(n,100); y=ones(n,100); m=zeros(1,100); m(1)=max(x(:,1)); y(:,1)=x(:,1); x(:,2)=A*y(:,1); m(2)=max(x(:,2)); y(:,2)=x(:,2)/m(2); p=0.0001;i=2;k=abs(m(2)-m(1)); while k>p i=i+1; x(:,i)=A*y(:,i-1); m(i)=max(x(:,i)); y(:,i)=x(:,i)/m(i); k=abs(m(i)-m(i-1)); end a=sum(y(:,i)); w=y(:,i)/a; t=m(i); disp(w);disp(t); %以下是一致性检验 CI=(t-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<0.10 disp('此矩阵的一致性可以接受!'); disp('CI=');disp(CI); disp('CR=');disp(CR); end function AHPInit1(x,y) %层次分析的初始化 %默认只有两层x为准则数，y为方案数 %CToT为准则对目标生成的比较阵 %EigOfCri为准则层的特征向量 %EigOfOpt为选项层的特征向量 EigOfCri=zeros(x,1);%准则层的特征向量 EigOfOpt=zeros(y,x); dim=x;%维度 RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51];%RI标准%生成成对比较阵 for i=1:dim CToT(i,:)=input('请输入数据:'); end CToT %输出 pause, tempmatrix=zeros(x+1);

层次分析法实现代码(MATLAB)

%% AHP weight calculation %%data input clc clear all A =[1 3 5 7 9 5;1/3 1 3 9 3 3;1/5 1/3 1 3 3 1/3;1/7 1/9 1/3 1 5 1/3;1/9 1/3 1/3 1/5 1 1/3;1/5 1/3 1 3 3 1]; %%Consistency calculation and weight vector calculation [n,n] = size(A); [v,d] = eig(A); r = d(1,1); CI = (r-n)/(n-1); RI = [0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.52 1.54 1.56 1.58 1.59]; CR = CI/RI(n); if CR<0.10 CR_Result = 'pass'; else CR_Result = 'no pass'; end % % Weight vector calculation w = v(:,1)/sum(v(:,1));

w = w'; % % output disp('The judgment matrix weight vector calculation report：'); disp('coincidence indicator：');disp(num2str(CI)); disp('Consistency ratio：');disp(num2str(CR)); disp(' Consistency test results：');disp(CR_Result); disp('eigenvalue:');disp(num2str(r)); disp('weight vector:');disp(num2str(w));

基于Matlab的层次分析法及其运用浅析

基于Matlab的层次分析法及其运用浅析 本文通过使用Matlab软件进行编程,在满足同一层次中各指标对所有的下级指标均产生影响的假定条件下,实现了层次分析法的分析运算。本程序允许用户自由设定指标层次结构内的层次数以及各层次内的指标数,通过程序的循环,用户只需输入判断矩阵的部分数据,程序可依据层次分析法的计算流程进行计算并作出判断。本程序可以方便地处理层次分析法下较大的运算量,解决层次分析法的效率问题,提高计算机辅助决策的时效性。 标签：Matlab层次分析法判断矩阵决策 在当前信息化、全球化的大背景下,传统的手工计算已不能满足人们高效率、高准确度的决策需求。因此计算机辅助决策当仁不让地成为了管理决策的新工具、新方法。基于此,本文在充分发挥计算机强大运算功能的基础上,选用美国MathWorks公司的集成数学建模環境Matlab R2009a作为开发平台,使用M语言进行编程,对计算机辅助决策在层次分析法中的运用进行讨论。试图通过程序实现层次分析法在计算机系统上的运用,为管理决策探索出新的道路。 1 层次分析法的计算流程 根据层次分析法的相关理论,层次分析法的基本思想是将复杂的决策问题进行分解,得到若干个下层指标,再对下层指标进行分解,得到若干个再下层指标,如此建立层次结构模型,然后根据结构模型构造判断矩阵,进行单排序,最后,求出各指标对应的权重系数,进行层次总排序。 1.1 构造层次结构模型在进行层次分析法的分析时,最主要的步骤是建立指标的层次结构模型,根据结构模型构造判断矩阵,只有判断矩阵通过了一致性检验后,方可进行分析和计算。其中,结构模型可以设计成三个层次,最高层为目标层,是决策的目的和要解决的问题,中间层为决策需考虑的因素,是决策的准则,最低层则是决策时的备选方案。一般来讲,准则层中各个指标的下级指标数没有限制,但在本文中设计的程序尚且只能在各指标具有相同数量的下级指标的假定下,完成层次分析法的分析,故本文后文选取的案例也满足这一假定。 1.2 建立判断矩阵判断矩阵是表示本层所有因素针对上一层某一个因素的相对重要性的比较给判断矩阵的要素赋值时,常采用九级标度法(即用数字1到9及其倒数表示指标间的相对重要程度),具体标度方法如表1所示。 1.3 检验判断矩阵的一致性由于多阶判断的复杂性,往往使得判断矩阵中某些数值具有前后矛盾的可能性,即各判断矩阵并不能保证完全协调一致。当判断矩阵不能保证具有完全一致性时,相应判断矩阵的特征根也将发生变化,于是就可以用判断矩阵特征根的变化来检验判断的一致性程度。在层次分析法中,令判断矩阵最大的特征值为λmax,阶数为n,则判断矩阵的一致性检验的指标记为:

matlab代码大全教学文案

m a t l a b代码大全

MATLAB主要命令汇总 MATLAB函数参考 附录1.1 管理用命令 函数名功能描述函数名功能描述 addpath 增加一条搜索路径 rmpath 删除一条搜索路径 demo 运行Matlab演示程序 type 列出.M文件 doc 装入超文本文档 version 显示Matlab的版本号 help 启动联机帮助 what 列出当前目录下的有关文件 lasterr 显示最后一条信息 whatsnew 显示Matlab的新特性 lookfor 搜索关键词的帮助 which 造出函数与文件所在的目录 path 设置或查询Matlab路径 附录1.2管理变量与工作空间用命令 函数名功能描述函数名功能描述 clear 删除内存中的变量与函数 pack 整理工作空间内存 disp 显示矩阵与文本 save 将工作空间中的变量存盘 length 查询向量的维数 size 查询矩阵的维数 load 从文件中装入数据 who,whos 列出工作空间中的变量名 附录1.3文件与操作系统处理命令 函数名功能描述函数名功能描述 cd 改变当前工作目录 edit 编辑.M文件 delete 删除文件 matlabroot 获得Matlab的安装根目录 diary 将Matlab运行命令存盘 tempdir 获得系统的缓存目录 dir 列出当前目录的内容 tempname 获得一个缓存(temp)文件 ! 执行操作系统命令 附录1.4窗口控制命令 函数名功能描述函数名功能描述 echo 显示文件中的Matlab中的命令 more 控制命令窗口的输出页面format 设置输出格式 附录1.5启动与退出命令 函数名功能描述函数名功能描述 matlabrc 启动主程序 quit 退出Matlab环境 startup Matlab自启动程序 附录2 运算符号与特殊字符附录

Matlab求解层次分析法程序代码【求解步骤+代码】

层次分析法 1）建立层次结构模型： （2）构造判断矩阵 判断矩阵() ij A a =应为正互反矩阵，而且ij a 的判断如下（1~9尺度法）： （3）单层排序及一致性检验 1、单层排序 求解判断矩阵A 的最大特征值max λ，再由最大特征值求出对应的特征向量

ω()max A ωλω=，并将ω标准化，即为同一层相对于上一层某一因素的权重，根据此 权重的大小，便可确定该层因素的排序。

2、一致性检验 取一致性指标max 1 n CI n λ-= -，（n 为A 的阶数） 令CR RI = ，若0.1CR <，则认为A 具有一致性。 否则，需要对A 进行调整，直到具有满意的一致性为止。 （4）层次总排序及一致性检验 假定准则层12,,,n C C C 排序完成，其权重分别为12,, ,n a a a ，方案层P 包含m 个方 案：12,, ,m P P P 。其相对于上一层的()1,2, ,j C j n =对方案层P 中的m 个方案进行单层排序，其排序权重记为12,,,j j mj b b b ()1,2, ,j n =，则方案层P 中第i 个方案Pi 的总 排序权重为 1 n j ij j a b =∑，见下表： 从而确定层的排序。 例： 纯文本文件txt3.txt 中的数据格式如下： 1 1 1 4 1 1/ 2 1 1 2 4 1 1/2 1 1/2 1 5 3 1/2 1/ 4 1/4 1/ 5 1 1/3 1/3 1 1 1/3 3 1 1 2 2 2 3 3 1 1 1/4 1/2

4 1 3 2 1/ 3 1 1 1/4 1/5 4 1 1/2 5 2 1 1 3 1/3 1/3 1 1/7 3 7 1 1 1/3 5 3 1 7 1/5 1/7 1 1 1 7 1 1 7 1/7 1/7 1 1 7 9 1/7 1 1 1/9 1 1 matlab程序： >> fid=fopen('txt3.txt','r'); n1=6;n2=3; a=[]; for i=1:n1 tmp=str2num(fgetl(fid)); a=[a;tmp]; %读准则层判断矩阵 end for i=1:n1 str1=char(['b',int2str(i),'=[];']); str2=char(['b',int2str(i),'=[b',int2str(i),';tmp];']); eval(str1); for j=1:n2 tmp=str2num(fgetl(fid)); eval(str2); %读方案层的判断矩阵 end end ri=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45]; %一致性指标[x,y]=eig(a); lamda=max(diag(y)); num=find(diag(y)==lamda); w0=x(:,num)/sum(x(:,num)); cr0=(lamda-n1)/(n1-1)/ri(n1) for i=1:n1 [x,y]=eig(eval(char(['b',int2str(i)]))); lamda=max(diag(y)); num=find(diag(y)==lamda);

matlab的编码大全

附录Matlab源程序 附录A 信息熵 % 函数说明：% % H=entropy(P,r) 为信息熵函数% % P为信源的概率矢量, r为进制数% % H为信息熵% %****************************** % function H=entropy(P,r) if (length(find(P<=0))~=0) error('Not a prob.vector,negative component'); % 判断是否符合概率分布条件end if (abs(sum(P)-1)>10e-10) error('Not a prob.vector,component do not add up to 1'); end H=(sum(-P.*log2(P)))/(log2(r)+eps); 附录B 离散无记忆信道容量的迭代计算 % 信道容量C的迭代算法% % 函数说明：% % [CC,Paa]=ChannelCap(P,k) 为信道容量函数% % 变量说明：% % P：输入的正向转移概率矩阵，k：迭代计算精度% % CC：最佳信道容量，Paa：最佳输入概率矩阵% % Pa：初始输入概率矩阵，Pba：正向转移概率矩阵% % Pb：输出概率矩阵，Pab：反向转移概率矩阵% % C：初始信道容量，r：输入符号数，s：输出符号数% %************************************************** % function [CC,Paa]=ChannelCap(P,k) % 提示错误信息 if (length(find(P<0)) ~=0) error('Not a prob.vector,negative component'); % 判断是否符合概率分布条件end

matlab 指令大全

分享 我的分享 当前分享 返回分享首页? 分享 matlab命令，应该很全了！来源：李家叶的日志 matlab命令 一、常用对象操作：除了一般windows窗口的常用功能键外。 1、!dir 可以查看当前工作目录的文件。!dir& 可以在dos状态下查看。 2、who 可以查看当前工作空间变量名，whos 可以查看变量名细节。 3、功能键： 功能键快捷键说明 方向上键Ctrl+P 返回前一行输入 方向下键Ctrl+N 返回下一行输入 方向左键Ctrl+B 光标向后移一个字符 方向右键Ctrl+F 光标向前移一个字符 Ctrl+方向右键Ctrl+R 光标向右移一个字符 Ctrl+方向左键Ctrl+L 光标向左移一个字符 home Ctrl+A 光标移到行首 End Ctrl+E 光标移到行尾 Esc Ctrl+U 清除一行 Del Ctrl+D 清除光标所在的字符 Backspace Ctrl+H 删除光标前一个字符 Ctrl+K 删除到行尾 Ctrl+C 中断正在执行的命令 4、clc可以命令窗口显示的内容，但并不清除工作空间。 二、函数及运算 1、运算符： ＋：加，－：减，*：乘，/：除，\：左除^：幂，‘：复数的共轭转置，（）：制定运算顺序。 2、常用函数表： sin( ) 正弦（变量为弧度） Cot( ) 余切（变量为弧度） sind( ) 正弦（变量为度数） Cotd( ) 余切（变量为度数） asin( ) 反正弦（返回弧度） acot( ) 反余切（返回弧度） Asind( ) 反正弦（返回度数） acotd( ) 反余切（返回度数） cos( ) 余弦（变量为弧度） exp( ) 指数 cosd( ) 余弦（变量为度数）

实验一 典型环节的MATLAB仿真汇总

实验一 典型环节的MATLAB 仿真 一、实验目的 1．熟悉MATLAB 桌面和命令窗口，初步了解SIMULINK 功能模块的使用方法。 2．通过观察典型环节在单位阶跃信号作用下的动态特性，加深对各典型环节响应曲线的理解。 3．定性了解各参数变化对典型环节动态特性的影响。 二、SIMULINK 的使用 MATLAB 中SIMULINK 是一个用来对动态系统进行建模、仿真和分析的软件包。利用SIMULINK 功能模块可以快速的建立控制系统的模型，进行仿真和调试。 1．运行MATLAB 软件，在命令窗口栏“>>”提示符下键入simulink 命令，按Enter 键或在工具栏单击按钮，即可进入如图1-1所示的SIMULINK 仿真 环境下。 2．选择File 菜单下New 下的Model 命令，新建一个simulink 仿真环境常规模板。 3．在simulink 仿真环境下，创建所需要的系统 三、实验内容 按下列各典型环节的传递函数，建立相应的SIMULINK 仿真模型，观察并记录其单位阶跃响应波形。 ① 比例环节1)(1=s G 和2)(1=s G 实验处理：1)(1=s G SIMULINK 仿真模型

波形图为： 实验处理：2)(1=s G SIMULINK 仿真模型 波形图为： 实验结果分析：增加比例函数环节以后，系统的输出型号将输入信号成倍数放大. ② 惯性环节11)(1+= s s G 和15.01)(2+=s s G 实验处理：1 1 )(1+=s s G SIMULINK 仿真模型

波形图为： 实验处理：1 5.01 )(2+= s s G SIMULINK 仿真模型 波形图为： 实验结果分析：当1 1 )(1+= s s G 时，系统达到稳定需要时间接近5s,当

层次分析法matlab程序举例

层次分析法程序举例： A=[1 1/7 1/5 2 4 1/3;7 1 3 5 5 3;5 1/3 1 5 5 3;1/2 1/3 1/5 1 2 1/3;1/4 1/5 1/5 1/2 1 1/5;3 1/3 1/3 3 5 1]; [v,d]=eig(A); eigenvalue=diag(d); lamda=max(eigenvalue); cil=(lamda-6)/5; crl=cil/1.26; w1=v(:,1)/sum(v(:,1)) 挑选合适的工作。经双方恳谈，已有三个单位表示愿意录用某毕业生。该生根据已有信息建立了一个层次结构模型，如下图所示。 程序： A=[1 1/7 1/5 2 4 1/3;7 1 3 5 5 3;5 1/3 1 5 5 3;1/2 1/3 1/5 1 2 1/3;1/4 1/5 1/5 1/2 1 1/5;3 1/3 1/3 3 5 1]; [v,d]=eig(A); eigenvalue=diag(d); lamda=max(eigenvalue); ci=(lamda-6)/5

cr=ci/1.26 w1=v(:,1)/sum(v(:,1)) B1=[1 1/4 1/2;4 1 3;2 1/3 1]; [v,d]=eig(B1); eigenvalue=diag(d); lamda=max(eigenvalue); cil1=(lamda-3)/2 cr1=cil1/0.52 b1w=v(:,1)/sum(v(:,1)) B2=[1 1/4 1/5;4 1 1/2;5 2 1]; [v,d]=eig(B2); eigenvalue=diag(d); lamda=max(eigenvalue); cil2=(lamda-3)/2 cr2=cil2/0.52 b2w=v(:,1)/sum(v(:,1)) B3=[1 1/2 2; 2 1 3;1/2 1/3 1]; [v,d]=eig(B3); eigenvalue=diag(d);

模糊层次分析法的Matlab实现

一、引言 层析分析法是将定量与定性相结合的多目标决策法,是一种使用频率很高的方法,在经济管理、城市规划等许多领域得到了广泛应用。由于其结果受主观思维的影响较大,许多科研工作者对其进行了深入的研究,将模糊理论与层次分析法相结合,提出了模糊层次分析法。为克服层次分析法中判断矩阵的一致性与人类思维的一致性存在的显著差异,文献[1-2]引入了模糊一致矩阵。为解决解的精度及收敛问题,文献[3-4]引入幂法来求排序向量。运用模糊层次分析法研究实际问题时,常采用迭代法来得到精度更高的排序向量,这就要求选择合适的初始值并通过大量的计算,为此,文中利用三种方法计算了初始排序向量,并给出了算法的Matlab程序,最后通过实例说明。 二、模糊层次分析法 为解决AHP种所存在的问题,模糊层次分析法引入模糊一致矩阵,无需再进行一致性检验,同时使用幂法来计算排序向量,可以减少迭代齿数,提高收敛速度,满足计算精度的要求.具体步骤: 1.构造优先关系矩阵 采用0.1～0.9标度[2],建立优先判断矩阵 2.将优先关系矩阵转化为模糊一致矩阵 3.计算排序向量 (1)和行归一法: (2)方根法: (3)利用排序法: (4)利用幂法[5-6]求精度更高的排序向量: 否则,继续迭代。 三、模糊层次分析法的程序实现 给出模糊层次分析法的Matlab程序。 clear; clc; E=input('输入计算精度e:') Max=input('输入最大迭代次数Max:')

F=input('输入优先关系矩阵F:'); %计算模糊一致矩阵 N=size(F); r=sum(F'); for i=1:N(1) for j=1:N(2) R(i,j)=(r(i)-r(j))/(2*N(1))+0.5; end end E=R./R'; % 计算初始向量---------- % W=sum(R')./sum(sum(R)); % 和行归一法 %--------------------------------------------------------- for i=1:N(1) S(i)=R(i,1); for j=2:N(2) S(i)=S(i)*R(i,j); end end S=S^(1/N(1)); W = S./sum(S);%方根法%-------------------------------------------------------- % a=input('参数a=?'); %W=sum(R')/(N(1)*a)-1/(2*a)+1/N(1); %排序法 % 利用幂法计算排序向量----V(:,1)=W'/max(abs(W)); %归一化 for i=1:Max V(:,i+1)=E*V(:,i); V(:,i+1)=V(:,i+1)/max(abs(V(:,i+1))); if max(abs(V(:,i+1)-V(:,i)))k=i; A=V(:,i+1)./sum(V(:,i+1)); break Else End End 四、计算实例

层次分析法计算权重在matlab中的实现

信息系统分析与设计作业 层次分析法确定绩效评价权重在matlab中的实现 小组成员：孙高茹、王靖、李春梅、郭荣1 程序简要概述 编写程序一步实现评价指标特征值lam、特征向量w以及一致性比率CR的求解。 具体的操作步骤是：首先构造评价指标，用专家评定法对指标两两打分，构建比较矩阵，继而运用编写程序实现层次分析法在MATLAB中的应用。 通过编写MATLAB程序一步实现问题求解，可以简化权重计算方法与步骤，减少工作量，从而提高人力资源管理中绩效考核的科学化电算化。 2 程序在matlab中实现的具体步骤 function [w,lam,CR] = ccfx(A) %A为成对比较矩阵，返回值w为近似特征向量 % lam为近似最大特征值λmax，CR为一致性比率 n=length(A(:,1)); a=sum(A); B=A %用B代替A做计算 for j=1:n %将A的列向量归一化 B(:,j)=B(:,j)./a(j); end s=B(:,1); for j=2:n s=s+B(:,j); end c=sum(s);%计算近似最大特征值λmax w=s./c; d=A*w lam=1/n*sum((d./w)); CI=(lam-n)/(n-1);%一致性指标 RI=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45,1.49,1.51];%RI为随机一致

性指标 CR=CI/RI(n);%求一致性比率 if CR>0.1 disp('没有通过一致性检验'); else disp('通过一致性检验'); end end 3 案例应用 我们拟构建公司员工绩效评价分析权重，完整操作步骤如下： 3.1构建的评价指标体系 我们将影响员工绩效评定的指标因素分为：打卡、业绩、创新、态度与品德。 3.2专家打分，构建两两比较矩阵 A = 1.0000 0.5000 3.0000 4.0000 2.0000 1.0000 5.0000 3.0000 0.3333 0.2000 1.0000 2.0000 0.2500 0.3333 0.5000 1.0000 3.3在MATLAB中运用编写好的程序实现 直接在MATLAB命令窗口中输入 [w,lam,CR]=ccfx(A) 继而直接得出 d = 1.3035 2.0000 0.5145 0.3926 w = 0.3102 0.4691 0.1242 0.0966 lam =4.1687

层次分析法的MATLAB实现(20210228092712)

MATLAB教程网 第八章层次分析法 层次分析法（Analytic Hierarchy Process，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 MATLAB教程网 § 1层次分析法的基本原理与步骤 人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行： （i）建立递阶层次结构模型； （ii）构造出各层次中的所有判断矩阵； （iii）层次单排序及一致性检验； （iv）层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1递阶层次结构的建立与特点 应用AHP分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类： （i）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。 （ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。 （iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配 的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1假期旅游有R、F2、F3 3个旅游胜地供你选择，试确定一个最佳地点。在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如下的层次结构模型。 目标层0 选择旅游地

matlab指令大全

1、运算符： ＋：加，－：减， *：乘， /：除， \：左除 ^：幂，‘：复数的共轭转置，（）：制定运算顺序。 2、常用函数表： sin( ) 正弦（变量为弧度） Cot( ) 余切（变量为弧度） sind( ) 正弦（变量为度数） Cotd( ) 余切（变量为度数） asin( ) 反正弦（返回弧度） acot( ) 反余切（返回弧度） Asind( ) 反正弦（返回度数） acotd( ) 反余切（返回度数） cos( ) 余弦（变量为弧度） exp( ) 指数 cosd( ) 余弦（变量为度数） log( ) 对数 acos( ) 余正弦（返回弧度） log10( ) 以10为底对数 acosd( ) 余正弦（返回度数） sqrt( ) 开方 tan( ) 正切（变量为弧度） realsqrt( ) 返回非负根 tand( ) 正切（变量为度数）

abs( ) 取绝对值 atan( ) 反正切（返回弧度） angle( ) 返回复数的相位角 atand( ) 反正切（返回度数） mod(x,y) 返回x/y的余数 sum( ) 向量元素求和 3、其余函数可以用help elfun和help specfun命令获得。 4、常用常数的值： pi 3.1415926……. realmin 最小浮点数，2^-1022 i 虚数单位 realmax 最大浮点数，（2－eps）2^1022 j 虚数单位 Inf 无限值 eps 浮点相对经度＝2^-52 NaN 空值 1、!dir 可以查看当前工作目录的文件。 !dir& 可以在dos状态下查看。 2、who 可以查看当前工作空间变量名， whos 可以查看变量名细节。 3、功能键： 功能键快捷键说明 方向上键 Ctrl+P 返回前一行输入 方向下键 Ctrl+N 返回下一行输入 方向左键 Ctrl+B 光标向后移一个字符

MatLab层次分析法代码

>> A= [1 2 5 6 4 7 2 4;1/2 1 2 4 2 7 1 2; 1/5 1/2 1 5 1 5 1/2 2 ; 1/6 1/4 1/5 1 1/3 3 1/2 1/4 ;1/4 1/2 1 3 1 5 1 2;1/7 1/7 1/5 1/3 1/5 1 1/7 1/5;1/2 1 2 2 1 7 1 2;1/4 1/2 1/2 4 1/2 5 1/2 1]; >> d=eig(A) %求全部特征值所组成的向量 >> [V,D]=eig(A) %求特征值及特征向量所组成的矩阵 >> A= [1 2 5 6 4 7 2 4;1/2 1 2 4 2 7 1 2; 1/5 1/2 1 5 1 5 1/2 2 ;1/6 1/4 1/5 1 1/3 3 1/2 1/4 ;1/4 1/2 1 3 1 5 1 2;1/7 1/7 1/5 1/3 1/5 1 1/7 1/5;1/2 1 2 2 1 7 1 2;1/4 1/2 1/2 4 1/2 5 1/2 1]; d=eig(A) %求全部特征值所组成的向量 [V,D]=eig(A) %求特征值及特征向量所组成的矩阵 d = 8.4243 -0.0020 + 1.7077i -0.0020 - 1.7077i -0.1240 + 0.7030i -0.1240 - 0.7030i -0.1103 + 0.3207i -0.1103 - 0.3207i 0.0483 V = Columns 1 through 7 0.7427 0.8569 0.8569 0.7153 0.7153 0.7100 0.7100 0.3893 0.1636 + 0.0231i 0.1636 - 0.0231i 0.1747 - 0.0500i 0.1747 + 0.0500i -0.2144 + 0.4572i -0.2144 - 0.4572i 0.2579 -0.0614 + 0.3195i -0.0614 - 0.3195i -0.0739 - 0.0916i -0.0739 + 0.0916i -0.1506 - 0.0176i -0.1506 + 0.0176i 0.0985 -0.0976 - 0.0879i -0.0976 + 0.0879i 0.0679 + 0.0635i 0.0679 - 0.0635i 0.0183 + 0.0558i 0.0183 - 0.0558i 0.2588 0.0176 + 0.1232i 0.0176 - 0.1232i 0.0227 + 0.3409i 0.0227 - 0.3409i -0.0373 - 0.2293i -0.0373 + 0.2293i 0.0519 0.0080 - 0.0585i 0.0080 + 0.0585i -0.0134 - 0.0662i -0.0134 + 0.0662i -0.0507 - 0.0850i -0.0507 + 0.0850i 0.3352 0.1943 - 0.0809i 0.1943 + 0.0809i -0.4321 + 0.2823i -0.4321 - 0.2823i 0.1131 + 0.3427i 0.1131 - 0.3427i

matlab经典代码大全

哈哈哈 MATLAB 显示正炫余炫图：plot(x,y1,'* r',x,y2,'o b') 定义【0,2π】；t=0:pi/10:2*pi; 定义函数文件：function [返回变量列表]=函数名（输入变量列表） 顺序结构：选择结构 1）if-else-end语句 其格式为： if 逻辑表达式 程序模块1； else 程序模块2； End 图片读取：%选择图片路径 [filename, pathname] = ... uigetfile({'*.jpg';'*.bmp';'*.gif'},'选择图片'); %合成路径+文件名 str=[pathname,filename]; %为什么pathname和filename要前面出现的位置相反才能运行呢？？？%读取图片 im=imread(str); %使用图片 axes(handles.axes1); %显示图片 imshow(im); 边缘检测： global im str=get(hObject,'string'); axes (handles.axes1); switch str case ' 原图' imshow(im); case 'sobel' BW = edge(rgb2gray(im),'sobel'); imshow(BW); case 'prewitt' BW = edge(rgb2gray(im),'prewitt');

imshow(BW); case 'canny' BW = edge(rgb2gray(im),'canny'); imshow(BW);Canny算子边缘定位精确性和抗噪声能力效果较好，是一个折中方案 end; 开闭运算： se=[1,1,1;1,1,1;1,1,1;1,1,1]; %Structuring Element I=rgb2gray(im); imshow(I,[]);title('Original Image'); I=double(I); [im_height,im_width]=size(I); [se_height,se_width]=size(se); halfheight=floor(se_height/2); halfwidth=floor(se_width/2); [se_origin]=floor((size(se)+1)/2); image_dilation=padarray(I,se_origin,0,'both'); %Image to be used for dilation image_erosion=padarray(I,se_origin,256,'both'); %Image to be used for erosion %%%%%%%%%%%%%%%%%% %%% Dilation %%% %%%%%%%%%%%%%%%%%% for k=se_origin(1)+1:im_height+se_origin(1) for kk=se_origin(2)+1:im_width+se_origin(2) dilated_image(k-se_origin(1),kk-se_origin(2))=max(max(se+image_dilation(k-se_origin(1):k+halfh eight-1,kk-se_origin(2):kk+halfwidth-1))); end end figure;imshow(dilated_image,[]);title('Image after Dilation'); %%%%%%%%%%%%%%%%% %%% Erosion %%% %%%%%%%%%%%%%%%%% se=se'; for k=se_origin(2)+1:im_height+se_origin(2) for kk=se_origin(1)+1:im_width+se_origin(1) eroded_image(k-se_origin(2),kk-se_origin(1))=min(min(image_erosion(k-se_origin(2):k+halfwidth -1,kk-se_origin(1):kk+halfheight-1)-se)); end end figure;imshow(eroded_image,[]);title('Image after Erosion'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%% Opening(Erosion first, then Dilation) %%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

Matlab笔记_层次分析法020

20. 层次分析法 一、概述 层次分析法（Analytic Hierarchy Process, AHD）是将要决策的问题及其有关因素分解成目标、准则、方案等层次，进而进行定性和定量分析的决策方法。它的特征是合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程细致化（层次化、数量化）。 层次分析法广泛地应用到处理复杂的决策问题，而决策是基于该方法计算出的权重，所以也常用来确定指标的权重。 层次分析法的基本思路与人们对一个决策问题的思维、判断过程大体上是一样的。例如，选购一台笔记本电脑，假设有三种不同品牌款式的笔记本电脑A、B、C供选择。我们一般会根据价格、外观、重量、用途、功耗、品牌等一些准则去反复比较这个三个候选。首先，会确定这些准则在自己心目中各占多大比重，不同的人这种比重会有很大差异（喜欢玩游戏的人看重硬件性能和散热、预算有限的人看重价格等）。其次，还会就每一个准则将A、B、C进行对比，比如A 最便宜，B次之；C性能最好，B次之；C的品牌最知名等。最后，将这两个层次的比较判断进行综合，在A、B、C中确定一台作为最符合自己需求的电脑。 二、算法步骤 1. 将问题条理化、层次化，建立层次结构模型 1）最高层（目标层）——只有一个元素：决策目标；

2）中间层（准则层）——考虑的因素，决策的准则、子准则； 3）最底层（方案层）——决策时的备选方案、措施。 层次分析法要解决的问题是，求出最底层对最高层的相对权重，以此对最底层的方案、措施进行排序，选择最优方案。 注1：为了避免两两比较判断过于复杂，每层次中各元素所支配的元素一般不要超过9个，否则应划分为若干子层； 注2：层次分析法只考虑相邻两个层次间自上向下的支配作用，认为同一层次的元素间相互独立，若考虑进来需要网络分析法（ANP）。 例如前文提到的选购笔记本电脑的决策模型，可以建立如下的层次结构： 2. 构造判断矩阵（成对比较矩阵） 构造好层次模型后，针对某一层来讲，在比较第i个元素与第j 个元素相对于上一层某个因素的重要性时，使用数量化的相对权重a ij来表示，假设共有n个元素参与比较，则矩阵