1 问题的重述

《数学模型与数学软件综合训练》论文202311281796812112284210201212212422715344315训练题目：最优送货路线设计问题学生学号：07500124 姓名：呼德计通院信息与计算科学专业 指导教师：黄灿云 （理学院）2010年春季学期目录前言 (1)摘要 (2)关键字 (2)一、问题重述 (3)二、基本假设 (4)三、符号说明 (4)四、问题的分析 (5)五、模型的建立 (5)问题1： (5)问题2： (6)六、模型的优缺点 (8)1、优点： (8)2、缺点： (8)七．模型的推广 (8)八、参考文献 (9)数学模型与数学软件综合训练是信息与计算科学等数学类专业的一门重要的必修实践课程，是对学生的抽象思维能力、逻辑推理能力、运算能力、分析和解决实际问题能力进行综合培养的关键课程。

数学模型与数学软件综合训练是以问题为载体，应用数学知识建立数学模型，以计算机为手段，以数学软件为工具，以我们学生为主体，通过实验解决实际问题。

数学模型与数学软件综合训练是数学模型方法的实践，而数学模型方法是用数学模型解决实际问题的一般方法，它是根据实际问题的特点和要求，做出合理的假设，使问题简化，并进行抽象概括建立数学模型，然后研究求解所建的数学模型方法与算法，利用数学软件求解数学模型，最后将所得的结果运用到实践中。

数学模型与数学软件综合训练将数学知识、数学建模与计算机应用三者融为一体。

通过本次课程，可提高我们学习数学的积极性，提高我们对数学的应用意识，并培养我们用所学的数学知识、数学软件知识和计算机技术去认识问题和解决实际问题的能力。

我们自己动手建立模型，计算体验解决实际问题的全过程，了解数学软件的使用，也培养了我们的科学态度与创新精神。

当今社会，网购已成为一种常见的消费方式.随着物流行业的兴盛，如何用最短的时间，最节约成本的方案，完成送货任务显得尤为重要.针对本案例，我们采用了大量的科学分析方法，并进行了多次反复验证，得出如下结果：1：根据所给问题及有关数据，我们将题目中给出的城市，及其之间的线路可看成一个赋权连通简单无向图，采用了求这个图最小生成树的办法，求出最优线路.在此基础上，我们通过观察分析计算对上述结果进行修正，得出最终结果.2：根据所给问题，我们发现当货物不能一次送完时，中途需返回取货，而返回路径当然越短越好，可通过求途中两点最短路径的方法求出.关键字：送货线路优化，赋权连通简单无向图，Excel，最小生成树.一、问题重述现今社会网络越来越普及，网购已成为一种常见的消费方式，随之物流行业也渐渐兴盛，每个工厂为了自身的发展需要以最快的速度及时将产品送达所需单位，现有实业公司，该实业公司生产专业生产某专用设备产品，专用设备产品该每件重达5吨（其长5米，宽4米，高6米），该实业公司库房设在北京，所有货物均由一货机送货，该机种飞机翼展88.40米（机身可用宽20米），机长84米（可用长50米），机高18.2米（可用14米），最多可装载250吨货物，起飞全重达600吨，平均速度为900公里/小时）将货物送至全国各个省辖市（图1所示红色圆点，除北京之外共19个省辖市），假定货机只能沿这些连通线路飞行，而不能走其它任何路线；但由于受重量和体积限制，货机可中途返回取货.经过的各个省市都要一定的停靠费用和停靠时间（停靠时间为常量2小时），假设经过某个省市的停靠费用为：停靠费用=5000元×该省市的消费指数；问题1：若图示中19个省辖市每个省辖市只要一件产品请设计送货方案，使所用时间最少，标出送货线路.问题2：若图示中19个省辖市需求量见表1，请设计送货方案，使所用时间最少.问题3：若该实业公司为了花费最少，针对问题1和问题2分别求出花费、标出送货线路.表202311281796812112284210201212212422715344315二、基本假设1.假设货物在存放中，货物与货物之间无空隙.2.飞机在出行送货期间，无天气突变等突发状况.3.飞机自身无任何故障，并且在空中始终以平均速度为900公里/小时.4.假定货机只能沿着图中的连通路线飞行，而不走其他的路线.三、符号说明在地图上城市可以用点表示如北京可用A4表示，详细见下表.AiAj ：点Ai到点Aj的线段权（1）：表示题目中给出的两城市之间的权，如北京—上海（A1A5）的权（1）为9. 权（2）：表示通过两城市之间路程所花费的时间，如北京—上海（A1A5）的权（2）为9*100/900+2=3（小时）权（3）：表示通过两城市之间路程的花费，如北京—上海（A1A5）的权（3）为9*2500+1.85*5000=31750（小时），1.85为两城市指数的平均值.V ：A1，A2，A3，A4，A5，A6，A7，A8，A9，A10，A11，A12，A13，A14，A15，A16，A17，A18，A19，A20的集合.E ：A1A2，A1A3，A1A5，A1A6，A2A4，A3A10，A4A10，A4A12，A4A13，A4A16，A4A5，A4A7，A5A14，A5A15，A6A14，A6A8，A7A10，A7A12，A7A19，A8A9，A9A11，A10A11，A10A19，A10A20，A11A12A，12A18，A13A16，A13A17，A17A18，A19A20的集合.W ：V中点之间的权（2）的集合，则G=（V，E，W）表示赋权连通简单无向图M ：V中点之间的权（3）的集合，则F=（V，E，M）表示赋权连通简单无向图四、问题的分析当今社会，网购已成为一种常见的消费方式.随着物流行业的兴盛，如何用最短的时间，最节约成本的方案，完成送货任务显得尤为重要.针对本案例，城市可以看成点，而他们之间的连线既可以看成是时间，也可以看成成本，那么就构成了两个赋权连通简单无向图，这个问题就转化成求这两种情况下，两种图的最小生成树问题.五、模型的建立问题1：根据题目意思，两城市之间的时间=权（1）*100/速度+2（单位：小时）例如北京到上海A4A5权（1）是17，则定义V为A1，A2，A3，A4，A5，A6，A7，A8，A9，A10，A11，A12，A13，A14，A15，A16，A17，A18，A19，A20的集合，定义E为A1A2，A1A3，A1A5，A1A6，A2A4，A3A10，A4A10，A4A12，A4A13，A4A16，A4A5，A4A7，A5A14，A5A15，A6A14，A6A8，A7A10，A7A12，A7A19，A8A9，A9A11，A10A11，A10A19，A10A20，A11A12A，12A18，A13A16，A13A17，A17A18，A19A20的集合，定义W为V中点之间的权（2）的集合，则G=（V，E，W）表示图.根据最小生成树的求法可以求出改图G的最小生成树如图沿着最小生成树的路线相对较短，为：A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A10—A19—A10—A11—A12—A18—A17—A13—A16—A4—A7—A4—A2—A1—A3—A1—A2—A4经过观察上面下划线的部分A11—A10—A20—A10 —A19—A10—A11并不是最短的，经计算这个路线A11—A10—A20—A19—A10—A11比上一个段，所以用之替换，得到最短的线路为：A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A19—A10—A11—A12—A18—A17—A13—A16—A4—A7—A4—A2—A1—A3—A1—A2—A4可以将相邻两点的权（2）相加，和即为花费，经过计算上述线路所花时间是76.44444小时，为最短时间.问题2：根据题目意思，两城市之间运输的价格=权（1）*2500+平均指数*5000（单位：价格）例如北京到上海A4A5权（1）是17，北京的指数为1.9，上海为1.8，则先求出平均指数（1.9+1.8）/2=1.85，根据公式可得北京到上海A4A5关于时间的运输价格的权为9*2500+1.85*5000=31750（小时），其定义M 为V 中点之间的权（3）的集合，则P=（V ，E ，M ）表示图，根据最小生成树的求法可以求出改图P 的最小生成树如图同样的，沿着最小生成树的路线相对较短，为：A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A10—A19—A10—A11—A12—A7—A12—A18—A17—A13—A16—A4—A2—A1—A3—A1—A2—A4经过观察上面下划线的部分A11—A10—A20—A10—A19—A10—A11并不是最短的，经计算这个路线A11—A10—A20—A19—A10—A11比上一个段，所以用之替换，得到最短的线路为：A4—A5—A15—A5—A14—A6—A8—A9—A11—A10—A20—A10 —A19—A10—A11—A12—A7—A12—A18—A17—A13—A16—A4—A2—A1—A3—A1—A2—A4可以将相邻两点的权（3）相加，和即为花费，经过计算上述线路所花运输花费是687000元，为最少花费.六、模型的优缺点1、优点：⑴、本文总共有三个问题，给出了在各种约束条件下的最短时间以及最少花费的计算方法，具有较强的实用性和通用性，在日上生活中经常可以用到。

1.问题的重述一个人在一个水容器中洗澡，但是随着温度的降低，会使人感觉到不舒服，由于浴缸不是一个具有二次加热系统和循环射流的水疗浴缸（温泉式的桶），所以浴缸中的人增加了一个连续不断提供热流的水龙头，并且当浴缸快要达到它的额定容积时，多余的水通过溢漏流出。

要使人体在浴缸中达到满意的舒适度，需要控制热水龙头的温度、出水的流速以及出水的流速。

（1）建立一个最基本的数学模型，得到温度在人不运动时的分布模型。

（2）如果人运动，必将影响水在浴缸中的蒸发速度，得到更优的温度分布模型。

（3）在问题（1）的情况下，如果考虑热水龙头在浴缸中各向热传导系数不同，得到另一个温度分布模型。

（4）如果浴缸的形状、体积改变以及人的形状、体积、温度改变，最终影响的也是热传导系数，所以不建立模型，只作说明。

2．模型的假设与符号说明2.1 模型的假设与说明（1）浴缸中的初始水温已经达到恒温，在各位置的温度都是相同的。

（2）浴缸中的水的温度在空间和时间上分布是连续的。

（3）忽略浴缸中的水与器壁的热量交换（4）假设人在水中的运动是有规律的，并且头部始终保持在水面上方。

说明：（1）对于假设（2），由于热水进入时热量不能骤变，并且单位时间内传递的热量很多，故视其为连续函数是合理的，从而可以把优化问题归结为热传导、热扩散问题。

（2）对于假设（3），为了避免在浴缸中洗澡丧失更多的热量，浴缸的器壁可以看成一个恒温物体，与浴缸中的水温相同，不进行热量交换，或者交换的热量忽略不计。

2.2符号的使用和说明3符号的说明：c表示水的比热容ρ表示水的密度S表示热水龙的的截面面积1T表示从水龙头进入浴缸的水的初始温度1()u x y z t表示浴缸内水温关于空间和时间的函数,,,λ表示浴缸内（x,y,z）处水的热流密度的影响系数S表示溢漏水管的截面面积4T表示溢出水的温度43.模型前的准备3.1建模前的公式运用准则解决这一问题的关键之一是认识到水分子的扩散运动，以及热传导的两个方程、一个定理，以及运用能量守恒定律。

《社会研究方法》（风笑天）知识点汇总1、社会研究：社会研究是一种以经验的方式，对社会世界中人们的行为、态度、关系，以及由此所形成的各种社会现象、社会产物所进行的科学的探究活动。

2、社会研究的特征：（1）研究的主题是社会，非自然的。

（2）研究的方式是经验的，而非四辩的。

（3）研究的问题是科学的，而非判断的。

3、社会研究中的困难：人的特殊性、研究的干扰性、社会现象的复杂性、研究受到特定的制约、保持客观性的困难。

6、判断理论优劣的标准（1）解释范围越广泛的理论越是好的理论。

（2）解释越精准的理论越是好理论；（3）结构越简练的理论越是好的理论。

7、变量：所谓变量，就是具有一个以上不同取值（不同的子犯筹、不同的属性，或不同的亚概念）的概念。

自变量：我们把那种引起其他变量变化的变量叫做自变量。

因变量：把那种由于其他变量的变化而导致自身发生发生变化的变量叫做因变量中介变量：指出现在更为复杂一些的因果关系链中的第三个变量。

8、假设：假设是一种有关变量间关系的尝试性陈述，或者说是一种可用经验事实检验的命题。

9、两种推理方式（1）归纳推理：即从具体的观察中概括出一般性的结论；（2）演绎推理：即从一般性的理论推演到新的经验性现象。

10、研究问题：指的是一项社会研究所要回答的具体问题，它是一个可以通过研究来进行回答的问题。

11、研究主题：指的是社会研究所涉及的某一类现象或问题领域。

12、选题的标准：重要性、创造性、可行性、合适性。

13、探索性研究：探索性研究是一种对所研究的现象或问题进行初步了解，以获得初步的印象和感性认识，同时为今后更周密、更深入的研究提供基础和方向的研究类型。

14、描述性研究：描述性研究的主要目的是收集有关总体分布特征的资料，提供有关总体结构、现象特点等方面的信息。

15、解释性研究：指的是那种探寻现象背后的原因，揭示现象发生或变化的内在规律，回答各种“为什么”的社会研究类型。

16、理论性研究：指的是那些侧重于发展有关社会世界的基本知识，特别是侧重于建立或检验各种理论假设的经验研究。

足球比赛结果预测模型摘要本文建立了一个关于足球比赛结果预测和确定如何下注获利最大化模型。

第一问，对于确定X场比赛主队胜平负以及如何下注问题，我们将给定的大量数据（各球员进球、助攻、射门、射正和扑救等数量）进行整合，运用Excel 进行统计分析并算出X场比赛主队和其客队的进球能力、进攻能力和防守能力，从而确定主队和其客队的进球期望值，然后运用泊松分布的方法计算出X球队胜平负的概率，确定如何下注。

第二问中，预测X场总进球数的概率分布，确定如何下注，根据第一问结论并利用数学软件MATLAB预测出所有可能的X场总进球数的概率分布，选择概率最大的，结合实际历史数据和主客观影响因素确定如何下注。

对于第三问，要求预测四场比赛的进球情况，并确定在这四场中如何下注获利最大，首先球队在积分榜上的排名可以较为客观的代表这支球队的实力强弱，其中进球数直接影响球队积分，因此本问通过球队积分排行榜和进球率的相关性预测四场比赛进球情况，利用Excel画出球队进球率与排名散点图和相关性分析确定下注比例。

最后一问，要求通过分析赔率对于博彩公司收益的影响并针对问题三，设计合理赔率方案。

本文论证严密，运用大量可靠数据对模型进行验证，并对模型优缺点进行了分析。

关键词足球预测泊松分布MATLAB 进球期望值赔率相关性分析一、问题的重述与分析1.问题的重述博彩业发展繁荣，创造了不少富翁，其中福利彩票的中奖号码可以认为是纯粹的随机数，难以预测。

而体彩中一些结果可以人为预测，并根据预测结果下注。

结果预测准确与否，关系到金钱的盈亏。

足球赔率是博彩公司在其十几年乃至数十年所积累的丰富的、海量的与足球比赛相关数据的基础上，利用科学的数学理论模型，计算得出的对于一场足球比赛所产生某种结果的概率，并使这组数据加以转换得到的一组常人可以看得懂的数据。

赔率与足球比赛的结果间存在着必然的联系。

博彩公司就是靠预测结果，调整赔率，吸引大家下注来赚取收益的。

如果我们比博彩公司预测得更加准确，或者押中冷门，就有可能在其中赚取巨大收益。

1问题重述
福田红树林因其面积小，湿地生态系统的生态健康比较脆弱，故其迫切需要构建湿地动态监测、生态健康评估及预警系统来支撑其保护、管理工作。

但目前的生态健康评价主要采用基于抽样监测数据和专家经验的静态方法，仅仅围绕主要生物因子开展调查而没有覆盖到噪声、大气等环境因子，而且监测点信息的时间、空间离散度较大（时间间隔较长、测点密度过于稀疏），致使难以完全满足福田红树林自然保护区科学管理的实际需要。

需要解决的问题
（1）为福田红树林湿地构建一体化生态系统模型框架，为生态系统动态监测提供大数据管理支撑平台，为生态系统健康评估及预警提供动态模拟分析支撑平台
（2）根据模型框架的数据构成要求设计保护区未来的生态环境监测方案及对模型框架的后续完善工作的建议
（3）选取一个当下福田红树林最迫切需要解决的生态系统问题，基于构建的模型框架从健康预警的角度出发对其生态发展趋势进行预测分析，并给出具体的保护、管理建
议。

2问题分析
为了构建湿地动态监测和健康评估预警系统，需要运用PSR模型，并结合层次分析法，以福田红树林湿地生态系统为研究对象，建立以“压力- 状态- 响应”为主线的健康评估体系，实现对福田红树林保护区的动态监测。

再利用相应的权重及评价标准，给出评价等级，构建EWE 模型，从红树林湿地生态系统的功能状态（包括生物生产力、物种多样性、社会服务性水平）角度出发，通过分析系统中不同物种之间的物质循环和能量流动，建立起红树林湿地生态系统健康评估预警的综合管理系统。

我们通过搜查资料、采集相关数据，结合所建的模型，从福田红树林面临的生态问题中选出水质作为最大的影响因素，通过对水质的动态监测进而对整个生态系统进行预测分析。

学年论文题目：高跟鞋的选择学生：李****学号： ******8****8院（系）：理学院专业：数学与应用数学指导教师： **** 2015年 4 月 20 日高跟鞋的选择数学****班：***** 指导老师：***8（陕西科技大学理学院陕西西安 710021）摘要：随着时代的发展，高跟鞋变得越来越受女性的喜欢，所以高跟鞋变成了一个热度很高的讨论话题，因此高跟鞋的选择就变成了一个热话题，高跟鞋的选择包括了它的舒适性，稳定性，以及鞋跟高。

本文通过“黄金分割”与公式法两种方法从而得出女性高跟鞋的最佳选择方式。

关键词：高跟鞋，鞋跟高，黄金比例，公式法The selection of high-heeled shoesAbstract:As time goes on, high-heeled shoes is becoming more and more women like, so high-heeled shoes into a heat topic of discussion, so the choice of high-heeled shoes will become a hot topic, the choice of high-heeled shoes including its comfort, stability, and high heels. In this paper, though the “golden mean”and formula method, two kinds of methods to draw women high-heeled shoes the best choice of the way.Keywords: high-heeled shoes, heel of a shoe, gold proportion, equation引言有一双鞋，穿上她以后可以不用力就往前走，走起路来倒退就会摔跤，可以挺胸收腹坚持自我，可以亭亭玉立盛气凌人，能使人的脚踝和大腿变得轮廓更加完美从而显示出一种腿部修长性感的风姿。

工厂生产计划表格一、工厂生产计划综合报表二、工厂生产计划安排表月份：总经理：厂长：审核：拟定：三、工厂各部门生产计划安排表月份： 300 第三十章四、工厂生产规划明细表五、工厂周生产计划表301 续表说明：1．依据月生产计划的执行状况修订。

2．依据产品的要求标准时间制订时程。

3．计划时程栏内注明计划产量。

六、工厂月生产计划表302 第三十章续表审核：计划：七、工厂长远生产计划表月日审核：填表：303篇二：生产计划书工厂生产计划书工厂生产工作近期计划分为：投产前、正式投产。

投产前工作计划以设备安装、整改为主要内容，解决影响工厂投产的各项问题。

投产前工作安排：设备改进、人员培训设备改进：一、4月20号——4月30号依靠全厂55名职工的经验和智力解决工厂内我们可以自行决解的问题。

二、5月1号——5月15号依靠陆教授技术指导，对影响工厂生产的问题进行改进三、5月16号——5月31号以我们现在的技术和能力无法解决，要借鉴他人技术和经验结合我厂实际情况对影响工厂生产的问题进行改进。

四、6月1号——6月15号对工厂设备进行全方位满负荷72小时不间断调试。

人员培训：一、5月1号——5月20号对工厂职工进行安全知识、生产操作、工艺技术、产品质量、特殊工种等培训。

二、5月21号——5月31号对职工进行培训考核。

正式投产工作安排：人员定岗对考核合格人员定岗，不合格人员重新培训，再不合格更换岗位。

原料采购、原料基地集体讨论决定。

篇三：工厂生产计划工厂生产计划的摘要本文以工厂所获得的总收益为研究对象，采用了线性规划的分析方法，通过求解不同产品的生产计划以及按计划生产所获得的利润，解决了工厂为达到最大总收益的产品生产计划问题。

在问题一的求解过程中，以每月每种产品的销售量和生产量为自变量，以工厂所获得的收益为目标函数，结合各种约束条件，建立了一个动态规划方程组，将各月份各种产品生产的最佳配置转化为动态规划方程组的求解问题，得到了最大收益为6.9256万元。

选做题型的格式要求说明1.论文第一页为承诺书，具体内容和格式见本规范第二页。

2.论文题目、摘要和关键词写在论文第二页上，从第三页开始是论文正文，不要目录。

3.论文从第二页开始编写页码，页码必须位于每页页脚中部，用阿拉伯数字从“1”开始连续编号。

4.论文题目用三号黑体字、一级标题用四号黑体字，并居中；二级、三级标题用小四号黑体字，左端对齐不居中，页边距2cm。

论文中其他汉字一律采用小四号宋体字，行距用单倍行距。

5.提请大家注意：摘要应该是一份简明扼要的详细摘要（包括关键词），在整篇论文评阅中占有重要权重，请认真书写（注意篇幅不能超过一页，且无需译成英文）。

全国评阅时将首先根据摘要和论文整体结构及概貌对论文优劣进行初步筛选。

6.论文应该思路清晰，表达简洁（正文尽量控制在20页以内，附录页数不限）。

7.引用别人的成果或其他公开的资料(包括网上查到的资料) 必须按照规定的参考文献的表述方式在正文引用处和参考文献中均明确列出。

正文引用处用方括号标示参考文献的编号，如[1][3]等；引用书籍还必须指出页码。

参考文献按正文中的引用次序列出，其中书籍的表述方式为：[编号] 作者，书名，出版地：出版社，出版年。

参考文献中期刊杂志论文的表述方式为：[编号] 作者，论文名，杂志名，卷期号：起止页码，出版年。

参考文献中网上资源的表述方式为：[编号] 作者，资源标题，网址，访问时间（年月日）。

特别提醒：.1提交的论文电子版必须是word 2003文档，请各参赛队伍保存好电子版文件，以备答辩时用；邮件主题及电子文档名称必须是题号报名号及全部参赛队员姓名组成（如：B888张帅刘洁利亚宾）；4. 竞赛题分必做题和选做题。

选做题论文格式按要求整理制作；必做题解无格式要求，以附录形式整合到选做题文档里，请按题号顺序将解答集中放在附录一中，题目可以省略。

范文举例：A题数码相机定位摘要随着数码技术的迅速发展，数码相机定位在交通监管（电子警察）等方面得到了泛的应用，针对本题的数码相机的定位问题，我们建立了一个多目标优化的数学模型I用来确定像的坐标与靶标的坐标之间对应关系，即通过像坐标可以直接求出靶标的坐标。

目录一 问题重述问题重述......................................................... ......................................................... 1 二 问题分析问题分析......................................................... ......................................................... 2 三 模型假设模型假设......................................................... ......................................................... 2 四 符号说明符号说明......................................................... ......................................................... 2 五 模型的建立与求解模型的建立与求解................................................. ................................................. 3 六结果分析六结果分析......................................................... (12)一 问题重述通常加油站都有若干个储存燃油的地下储油罐，并且一般都有与之配套的“油位计量管理系统”，采用流量计和油位计来测量进/出油量与罐内油位高度等数据，等数据，通过预先标定的罐容表通过预先标定的罐容表通过预先标定的罐容表（即罐内油位高度与储油量的对应关系）（即罐内油位高度与储油量的对应关系）（即罐内油位高度与储油量的对应关系）进行实进行实时计算，以得到罐内油位高度和储油量的变化情况。

数学建模作业1——火箭上升问题的模型建立题目：火箭上升问题的模型建立组员：摘要本文研究的是火箭上升问题，并针对有燃料和燃料已用尽两个问题分别建立了符合实际的数学模型。

在模型的求解过程中，通过运用MATLAB及微分方程，对建立的模型进行求解，得出了符合实际的结果。

关键字：火箭上升；数学模型；微分方程一、问题重述小型火箭初始质量为900千克，其中包括600千克燃料。

火箭竖直向上发射时燃料以15千克每秒的速度燃烧掉，由此产生30000牛顿的恒定推力。

当燃料用尽时引擎关闭。

设火箭上升的整个过程中，空气阻力与速度平方成正比，比例系数为0.4（千克/米），重力加速度取10米/秒 2（1）建立火箭升空过程的数学模型；（2）求引擎关闭瞬间火箭到达最高点的时间和高度。

二、基本假设1.火箭在喷气推动下作直线运动，火箭飞行时所受的地球自传与公转忽略不计。

2.火箭正常飞行，忽略其他因素对火箭飞行的影响。

3.假设产生影响的各个因素相互独立。

4.火箭上升初速度忽略不计，引擎足够强大。

5.火箭上升时所受到的重力加速度不变。

三、符号说明t ：火箭上升过程的时间。

0t ：第一个过程持续的时间。

M ：第一阶段向上加速过程中火箭的质量。

m ：第二阶段火箭剩余的质量。

f ：火箭上升整个过程中空气阻力。

v ：火箭的速度。

y ：火箭上升的高度。

g ：物体所受重力加速度。

F ：火箭受到的恒定推力。

四、问题分析这是一个研究火箭竖直向上发射的问题。

火箭在竖直向上发射中，根据有燃料和燃料已用尽，可以分为两个阶段。

第一阶段是燃料产生推力的过程，第二阶段是燃料全部消耗之后的上升过程。

在第一阶段中，燃料燃烧产生的推力是恒定的，但随着燃料的不断消耗，火箭的质量是变化的，因此，火箭的速度以及加速度是变化的，由牛顿第二定律，根据速度与时间关系，建立微分方程组。

在第二阶段中，燃料已经完全消耗，因此，火箭的质量恒定。

引擎关闭即第一阶段终止第二阶段开始的时刻。

由于火箭运动受到阻力的作用，火箭先加速，后减速。

承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。

我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。

我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。

如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。

我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。

我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B我们的报名参赛队号为（8位数字组成的编号）：所属学校（请填写完整的全名）：参赛队员(打印并签名) ：1.2.3.指导教师或指导教师组负责人(打印并签名)：（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。

以上内容请仔细核对，提交后将不再允许做任何修改。

如填写错误，论文可能被取消评奖资格。

）日期： 2014 年 9 月 15日赛区评阅编号（由赛区组委会评阅前进行编号）：编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：创意平板折叠桌摘要目前住宅空间的紧张导致越来越多的折叠家具的出现。

某公司设计制作了一款折叠桌以满足市场需要。

以此折叠桌为背景提出了三个问题，本文运用几何知识、非线性约束优化模型等方法成功解决了这三个问题，得到了折叠桌动态过程的描述方程以及在给定条件下怎样选择最优设计加工参数，并针对任意形状的桌面边缘线等给出了我们的设计。

11.1抗生素显著性检验问题摘要在已知抗生素效果情况服从正态分布，且方差相同条件下。

通过用SPSS13.0软件编写程序，进行单因素方差分析。

检验五种抗生素之间是否存在明显差异。

关键词：抗生素方差分析显著性检验一问题重述抗生素注入人体后会与人体血浆蛋白质结合，以致减少了药效。

现在将常用的抗生素注入到牛的体内，得到抗生素与血浆蛋白质结合的百分比。

在总体服从正态分布，且方差相同的条件下分析五种抗生素效果是否存在显著性差异。

二问题分析题目显示各类抗生素效果情况服从正态分布，为了进一步说明抗生素使用效果的差异，需要检查不同抗生素是否有显著性差异，即对数据进行显著性检验。

首先，应该提出抗生素之间没有显著性差异的假设。

然后通过SPSS13.0版本软件进行单因素方差检验[1]。

验证假设是否成立。

三模型假设四符号说明五模型建立与求解题目显示各类抗生素与血浆蛋白质结合的百分比情况属于正态总体，要对各类抗生素是否存在显著性差异。

应用软件SPSS13.0进行单因素方差检验。

其检验步骤如下：Step1. 提出假设:H:各类抗生素之间没有显著性差异；H:各类抗生素之间有显著性差异。

1α0.05。

Step2. 选定显著性水平=Step3. 用软件SPSS13.0进行单因素方差检验用SPSS13.0编写程序得到问题的解：即不同抗生素效果明显不同。

（各抗生素之间具体分析见附录一）六模型评价与改进参考文献[1]薛薇 ,《SPSS统计分析方法及应用》，出版地：电子工业出版社，2009。

[编号] 作者，论文名，杂志名，卷期号：起止页码，出版年。

[编号] 作者，资源标题，网址，访问时间（年月日）。

附录附录一PSS13.0编写程序得到问题的解：11.2化肥与小麦种子的不同对小麦产量的影响问题摘要化肥与小麦的品种的差异将影响小麦的产量，进而影响农民的生活水平。

本文建立数学模型，就化肥的不同，小麦品种的不同这两种因素定量分析化肥与小麦品种对小麦实际产量的影响。

基于综合成绩的学生学习状况评价体系摘要众所周知,评价学生的学习效果是教学评价的重要环节。

随着素质教育的逐步深入，如何评价学生的学习状况成为我们在学生素质培养方面取得突破的当务之急。

针对问题一，本文对612名学生四个学期的综合成绩进行整体分析。

首先我们建立统计分析模型，从测验的及格率，各个分数段人数，离散程度三个方面定性的评价了学生的总体情况，然后采用马尔可夫链评估模型定量的分析了三个学期的学习状况，从而发现这些学生四个学期的学习状况是稳步上升的。

针对问题二，我们对每个学生四个学期的综合成绩进行对比评价，建立了三种评价模型：●标准分模型：考虑到原始分的不可加性等局限性，我们引入标准分，建立标准分模型,得到一个综合成绩的排名。

●进步度评价模型：为了排除不同学生基础不同的影响，引入进步度进行评价，建立进步度评价模型，得到学生进步度得分的相应排名。

●综合评价模型: 结合综合成绩和进步度评价，建立综合评价模型，得到较全面、公平的学习状况排名。

最后综合比较这三个模型，得到一个定性与定量相结合的评价结果。

我们发现综合评价模型是最全面、最科学的评价模型，这个模型得到的结果可以作为我们最终评价的定量结果。

同时标准分模型可以反映评价对象的平均水平，进步度模型可以反映评价对象的进步水平，结合这两个方面利用诊断描述解释法，将评价结果以语言描述的形式作出定性的结论。

针对问题三，本文基于不同的评价方法，用了两种方法对学生的成绩进行预测。

由于学生的成绩是一个随时间变化的变量，任何两个学期的学习成绩是存在一定的相关性的，因此我们算出不同学期之间的相关系数作为时间序列的权值，采用时间序列预测模型得到了第五、六学期的预测结果。

另外我们还采用了BP 神经网络模型，首先我们将1，2，3，4学期的标准分、每个学生四学期标准分的方差作以及评价对学生的影响为神经网络预测的评价指标，然后选取样本对神经网络进行训练，最后将训练好的网络实现第5学期的预测。

数学建模校园垃圾桶布局问题姓名：于涛专业：2013级数学与应用数学3班邮箱：670233724@校园垃圾桶布局问题摘要本文通过对整个校园进行分段，将对整个校园的垃圾桶分布建模的问题简化为对每个路段的垃圾桶分布进行建模。

使一个复杂的问题简化为若干个相对简单的问题。

通过分析路段上各个参数的关系，建立一个路段垃圾桶分布的数学模型。

文中列出了我校垃圾桶布局出现的问题。

对于简单的问题我们直接给出解决方案。

只对复杂的问题进行讨论，并建立数学模型。

本文建立的数学模型不仅考虑到方案的可行性，还考虑的经济性。

在保证垃圾桶布局合理的前提下，找出最经济的方案。

根据已建立的数学模型，用计算机程序来实现模型。

便于计算。

1.问题的重述一个合理的垃圾桶布局应使人们方便使用且有足够的承载能力，还要兼顾到经济美观。

目前我校垃圾桶大部分布局合理，但个别路段还存在以下问题。

（1）一些路段出现垃圾桶溢满现象。

（2）一些路段两个相邻垃圾桶间距过大，不方便行人使用。

这些路段的垃圾产生量很少，不需要太多的垃圾桶。

但垃圾桶过少使相邻两垃圾桶间距过大（3）一些路段上的垃圾桶只放置在道路的一侧。

这些路段的行人一侧可以很方便的找到垃圾桶，另一侧的行人需要横穿马路才能找到垃圾桶。

2.问题的分析问题（2）和问题（3）的解决方法比较简单。

对于问题（2）我们只需要增加垃圾桶个数使相邻两垃圾桶的间距达到一个合适的距离。

对于问题（3）我们可以将垃圾桶按摆放顺序编号，奇数编号放在一侧，偶数编号放在另一侧。

对于简单的问题（2）问题（3）我们可以很快解决。

问题（1）比较复杂。

因此在这里我们重点讨论问题（1）。

问题（2）和问题（3）我们不在讨论。

垃圾桶出现溢满现象说明在两次垃圾清运之间的时间段内的垃圾产生量大于路段上垃圾桶的总容量。

可以看出一个路段合理的垃圾桶个数和每日垃圾产生量、垃圾清运次数以及垃圾桶本身的容量有关。

我们可以找出其中的关系，并加以约束条件来建立数学模型。

学生面试问题摘要本文研究的学生面试问题，是在给定学生数量的前提下，按照每名学生的面试组由四名老师组成，且各个学生的面试组两两不完全相同的要求，研究需要的老师数量，并求出面试分组方案。

为了保证面试的公平性，组织者还提出了四条要求，需要考虑除Y2外使其它三条要求尽量满足的分配方案。

第一问是已知学生数量为N，求任意两个面试组最多只有一名老师相同的最小老师数量，我们将此问题转化成一个0-1规划模型，并设计了优化搜索方法，通过MATLAB编程实现了最少M的近似解。

在第二问的解决中，首先对Y1-Y4四个要求进行了分析，并分别建立了相应的量化指标，在此基础上，建立了一个多目标规划模型。

针对学生数较多，模型求解运算量大的问题，特别设计了优化算法，减少了搜索中的运算量。

同时，通过讨论均衡与公平性的含义，以分目标为基础，建立了综合评价目标，以此为指引，使搜索算法更具有针对性。

计算结果表明，分配方案满足Y1-Y4的情况是非常好的。

第二问中还运用组合数学中区组设计的理论，论证了N=379、M=24时不存在完全满足均衡和公平要求的理想分配方案。

第三问中，将老师组分成文、理两类，首先修改了问题一中的相应模型和算法，给出了求解结果。

在第二问中提出了启发式－混合交叉算法，从模拟结果看，分配方案比原第二问中的方案要差些，但总体上在各个指标上满足的情况也是较好的。

第四问首先分析了均匀性与面试公平性的关系，并提出了公平率的评价指标。

为了解决学生与面试老师有特殊关系，及个别老师打分过于苛刻或宽松的问题，本文提出了规避的解决方法。

关键词：多目标规划算法评价指标1.问题重述某高校采用专家面试的方式进行自主招生录取工作。

经过初选合格进入面试的考生有N人，拟聘请老师M人进行面试。

每位学生要分别接受“面试组”的每一位老师的单独面试。

每个面试组由4名老师组成。

各位老师独立地对考生提问并根据其回答问题的情况给出评分。

为了保证面试工作的公平性，组织者提出如下要求：Y1：每位老师面试的学生数量应尽量均衡；Y2：面试不同考生的“面试组”成员不能完全相同；Y3：两个考生的“面试组”中有两位或三位老师相同的情形尽量的少；Y4：任意两位老师面试的两个学生集合中出现相同学生的人数尽量少。

旅游业发展水平评价问题摘要为了研究比较两个旅游城市Q、Y的旅游业发展水平，建立层次分析法]3[数学模型，对两个旅游城市Q、Y的旅游业发展水平进行了评价.首先，通过对题目中的图1、表1进行了分析与讨论，根据层次分析法，建立了目标层A、准则层B和子准则层C、方案层D四个层次，通过同一层目标之间的重要性的两两比较，得出判断矩阵,利用]1[MATLAB编程对每个判断矩阵进行求解.其次,用MATLAB软件算出决策组合向量，再比较决策组合向量的大小，由“决策组合向量最大”为目标,得出城市Y的决策组合向量为0.4325，城市Q组合向量为0.5675.最后，通过城市Q旅游业发展水平与旅游城市Y旅游业发展水平的决策组合向量比较，得出城市Q的旅游业发展水平较高.关键词层次分析法MATLAB旅游业发展水平决策组合向量1.问题重述本文要求分析QY,两个旅游城市旅游业发展水平,并且给出了两个城市各方面因素的对比，如城市规模与密度，经济条件，交通条件，生态环境条件，宣传与监督，旅游规格，空气质量，城市规模，人口密度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP，外贸依存度，市内外交通，人均拥有绿地面积，污水集中处理率，环境噪音，国内外旅游人数，理赔金额，立案数量，A级景点数量，旅行社数量，星级饭店数量.建立数学模型进行求解.2.问题分析本文要求分析QY,两个城市的分析Y,两个旅游城市旅游业发展水平，在对Q中，发现需要考虑因素较多，第一、城市规模与密度，包括城市规模与人口密度.第二、经济条件，包括外贸依存度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP.第三、交通条件，包括市内外交通.第四，生态环境条件包括空气质量，人均绿地面积，污水处理能力，环境噪音.第五、宣传与监督，包括国内外旅游人数，游客投诉立案件数.第六、旅游规格，包括A级景点个数，旅行社个数，星级饭店个数，这就涉及到层次分析法来估算各个指标的权重，评出最优方案.具体内容如下：（1）本文选择了对QY,两个旅游城市旅游业发展水平有影响的19个指标作为评价要素,指标规定如下：城市规模：城市的人口数量.人口密度：单位面积土地上居住的人口数.是反映某一地区范围内人口疏密程度的指标.人口影响城市规模.人口密度越大城市规模也就越大.人均GDP：即人均国内生产总值.人均城建资金：即用于城市建设的资金总投入.第三产业增加值：增加值率指在一定时期内单位产值的增加值.即第三产业增加值越高越能带动城市经济的发展.税收GDP：税收是国家为实现其职能，凭借政治权力，按照法律规定，通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式.外贸依存度：即城市对于外贸交易的依赖程度.市内交通：即城市市区交通情况.市外交通：即城市郊区交通情况.市内交通与市外交通对于城市交通条件具有同等的重要性.空气质量：即城市总体空气质量情况.空气质量越好对于城市生态环境就越好.人均绿地面积：即反应城市绿化面积以及人口密度的比值关系.污水处理能力：城市污水处理水平.环境噪音：城市环境噪音情况.国内外旅客人数：国内外来旅客一年总人数.人数越多说明宣传与监督就越好.理赔金额：即立案后需要赔付的资金数.立案件数：即在旅游时发生违法事件后公安部立案的件数.A 级景点数量：即A 级景点的个数.A 级景点越多,越能带动旅行社数量以及星级饭店数量,则旅游规格越大.旅行社数量：即旅行社的个数.星级饭店数量：即星级饭店在旅游景点的个数.（2）用层次分析法建立模型，根据判断矩阵，利用MATLAB 软件，算出每个判断矩阵的特征向量W 、最大特征根c 、一次性指标CI ，再结合随机一次性指标，得出每个指标的特征向量.（3）用（2）得出的数据，运用MATLAB 软件算出两个城市的决策组合向量，做比较.3.模型假设1.假设两个城市Q 、Y 的人口流动不大.2.假设两个城市Q 、Y 的各项指标短期内不会发生太大的改变.4.符号说明A : 表示目标层；j B : 表示准则层第j 个指标的名称)6,,2,1( =j ；i C : 表示子准则层第i 个指标的名称()19,,2,1 =i ； q D : 表示方案层第q 个指标的名称()2,1=q ；1w : 表示准则层对目标层的特征向量组成的矩阵； 2w : 表示子准则层对准则层的特征向量组成的矩阵； 3w : 表示方案层对子准则层的特征向量组成的矩阵；CI : 表示一次性指标；CR : 表示随机一次性指标； Z : 表示决策组合向量.5.模型建立与求解5.1 根据层次分析法分析以及题目中的图1可以建立如下表5-1的层次分析结构，并构造两两比较判断矩阵在递阶层次结构中，设上一层元素B 为准则层，所支配的下一层元素为1C ……19C ，要确定元素1C ……n C 对于准则层B 相对的重要性即权重，可分为两种情况：（1）如果1C 2C ……n C 对B 的重要性可定量，其权重可直接确定； （2）如果问题复杂，1C 2C ……n C 对B 的重要性无法直接定量，而是一些定性的，确定权重用两两比较方法.（3）其方法是，对于准则层C ，元素i C 和j C 哪一个更重要，重要多少，按1-9比例标度对重要性程度赋值.表5-2中列出了1-9标度的含义.对于准则B ，n 个元素之间相对重要性的比较得到一个两两比较判断矩阵P =()mxn ij P ，表示其中ij P 表示i P 和j P 对B 的影响之比，显然ij P >0，ij P =ijP 1，ij P =1，由ij P 的特点，P 称为正互反矩阵.通过两两判断矩阵用方根法求出他们的最大特征根和特征向量，求法如下： 1. 判断矩阵每一行元素的乘积，其中ij n1j 1p m =∏=，i =1,2…,n .2. 计算i m 的n 次方根_i w ，_i w =n i m .3. 对向量Tn w w w ⎪⎭⎫ ⎝⎛=__1,...,归一化，即∑==n j ji w 1__i w w ，则Tn w w w ⎪⎭⎫⎝⎛=__1,...,为所求的特征向量.4. 计算判断矩阵的最大特征跟m ax λ，()∑==n1max i iinw pw λ，式中()i pw 表示pw 的第i 个元素.5. 定义⎪⎭⎫ ⎝⎛--=1max n n CI CI λ为矩阵A 的一致性指标，为了确定A 的不一致性程度的容许范围，需要找出衡量A 的一致性指标CI 的标准.引入随机一致性指标RI .平均随机一致性指标RI 是这样得到的；对于固定的n ，随机构造正互反矩阵A ，其中ij a 是从1，2，……9,91......31,21中随机抽取的，这样的A 是最不一致的，取充分大的样子（500个样本）得到A 的最大特征跟的平均值m ax λ，定义⎪⎭⎫ ⎝⎛--=1max n n RI λ，对于不同的n 得出随机一致性指标RI 的数值如下表5-3表中n =1,2时RI =0，是因为1,2阶的正互反矩阵总是一致阵.令RICICR =，称CR 为一致性比率，当CR <0.1时，本文认为判断矩阵具有满意的一致性，否则就需要调整判断矩阵，使之具有满意的一致性.最后通过计算得出下表5-4（其中n B 表示准则层的特征向量中的第n 个数值，in C 表示指标层的特征向量第n 个准则对第j 个指标的数值）层次总排序一致性检验的方法j n1CI c CI j j ∑==j n 1c RI RI j j ∑==RICI CR =若1.0CR时，所以认为判断矩阵具有满意的一致性，否则就需要调整判断.矩阵，使之具有满意的一致性.5.2根据层次分析法求出各个指标的权重依据题目中的表1分析，对本题做出其中一种假设：（1）经济条件和交通条件重要性相当，生态环境条件最重要，旅游规格、宣传与监督、城市规模与密度依次次之.（2）在城市规模与密度中，城市人口比人口密度重要一点.（3）在经济条件中，第三产业增加值GDP第一重要，其次是人均GDP，税收GDP、外贸依存度、人均城建资金依次次之.（4）在交通条件中，市内交通和市外交通的重要性相当.（5）在生态环境条件中，空气质量第一重要，其次是人均绿地面积，污水处理能力、环境噪音依次次之.（6）在宣传与监督中，国内外旅游人数第一重要，理赔金额、游客投诉立案件数重要性相当.（7）在旅游规格中，A级景点个数第一重要，星级饭店个数、旅行社个数依次次之.（8）对于城市规模，城市Q比城市Y的重要性小一些；对于人口密度，城市Y比城市Q的重要性明显重要；对于人均GDP，城市Q比城市Y的重要性稍重要；对于人均城建资金，城市Q比城市Y的重要性稍微重要；对于第三产业增加值GDP，城市Q比城市Y的重要性小一些；对于税收GDP，城市Q比城市Y的重要性稍小一点；对于外贸依存度,城市Q比城市Y的重要性稍重要；对于市内交通，城市Y比城市Q的重要性稍重要一点；对于市外交通，城市Y比城市Q的重要性比稍重要小一点；归于空气质量，城市Q比城市Y的重要性相当；对于人均绿地面积，城市Y比城市Q的重要性稍重要；对于污水处理能力，城市Y比城市Q的重要性稍重要一些；对于环境噪音，城市Q比城市Y的重要性相当；对于国内外旅游人数，城市Q比城市Y的重要性稍重要；对于理赔金额，城市Q比城市Y的重要性稍重要一些；对于游客投诉立案件数，城市Q比城市Y的重要性稍重要；对于A级景点个数，城市Y比城市Q的重要性稍重要小一些；对于旅行社个数，城市Y比城市Q的重要性稍重要小一些；对于星级饭店个数，城市Q比城市Y的重要性相当.根据上述分析，按1-9比例标度对准则层对目标层、子准层对准则层、目标层对子准则层的重要程度进行赋值，构造准则层对目标层的判断矩阵、子准则层对准则层的判断矩阵、方案层对子准则层的判断矩阵.准则层()6,,2,1 =j B j 对目标层A 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=12312121321141313123412252321114232111431215141411A 利用MATLAB 软件(附录1)求得 最大特征值0719.6max =λ特征向量⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1219.00753.03422.02057.02057.00492.01w一致性检验比率1.00116.0<=CR所以矩阵满足一致性检验.子准则层21,C C 对准则层1B 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=131311B利用MATLAB 软件(附录2)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层76543,,,,C C C C C 对准则层2B 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=121412312131321431522131511413221412B 利用MATLAB 软件(附录3)求得 最大特征值0681.5max =λ特征向量⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=0973.01599.04185.00618.02625.0w一致性检验比率1.00152.0<=CR所以矩阵满足一致性检验.子准则层98,C C 对准则层3B 的判断矩阵⎥⎦⎤⎢⎣⎡=11113B 利用MATLAB 软件(附录4)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层13121110,,,C C C C 对准则层4B 的判断矩阵⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡=1121311121312212133214B 利用MATLAB 软件(附录5)求得最大特征值0104.4max =λ特征向量⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=1409.01409.02628.04554.0w 一致性检验比率1.00038.0<=CR所以矩阵满足一致性检验.子准则层161514,,C C C 对准则层5B 的判断矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1221211212215B 利用MATLAB 软件(附录6)求得最大特征值0536.3max =λ特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=3108.01958.04934.0w 一致性检验比率1.00462.0<=CR所以矩阵满足一致性检验.子准则层191817,,C C C 对准则层6B 的判断矩阵⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1221211312316B 利用MATLAB 软件(附录7)求得最大特征值0092.3max =λ特征向量⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=2970.01634.05396.0w 一致性检验比率1.00079.0<=CR所以矩阵满足一致性检验.方案层对子准则层的判断矩阵 方案层21,D D 对子准则层1C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=122111C利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层2C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=155112C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=1667.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层3C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=133113C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层4C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=144114C利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层5C 的判断矩阵：⎥⎥⎦⎤⎢⎢⎣⎡=122115C利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎢⎣=3333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层6C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=133116C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层7C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=141417C 利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层8C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=155118C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎢⎣=8333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层9C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=122119C利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层10C 的判断矩阵⎥⎦⎤⎢⎣⎡=111110C 利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层11C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1313111C利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=7500.02500.0w因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层12C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1414112C 利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2000.08000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层13C 的判断矩阵⎥⎦⎤⎢⎣⎡=111113C 利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层14C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331114C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.2115⎥⎥⎦⎤⎢⎢⎣⎡=1441115C 利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层16C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331116C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层17C 的判断矩阵⎥⎥⎦⎤⎢⎢⎣⎡=1331117C利用MATLAB 软件(附录8)求得最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.2118⎥⎥⎦⎤⎢⎢⎣⎡=1221118C 利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层19C 的判断矩阵：⎥⎦⎤⎢⎣⎡=111119C 利用MATLAB 软件(附录8)求得 最大特征值2max =λ特征向量为⎥⎦⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 通过准则层()6,,2,1 =j B j 对目标层A 的判断矩阵、子准则层()19,,2,1 =i C i 对准则层()6,,2,1 =j B j 的判断矩阵得出特征向量，建立层次总表5-5层次总排序一致性检验如下:0073.061==∑=j j j CI B CI65274.0j 61j j ==∑=RI B RI0111.065274.00073.0===RI CI CR 由于1.00111.0<=CR ,所以认为层次总排序的结果具有满意的一致性，因此不需要重新调整判断矩阵的元素取值.5.3 利用MATLAB 进行决策组合向量的运算（附录9）⋅⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⋅⋅=Tw w w Z 2970.0001634.0000005396.00000003108.0000001958.0000004934.00000001409.0000001409.0000002628.0000004554.00000005000.0000005000.00000000973.000001599.0000004185.0000000618.0000002625.00000002500.0000007500.0132⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡5000.05000.06667.03333.06667.03333.02500.07500.08000.02000.02500.07500.05000.05000.02000.08000.07500.02500.05000.05000.06667.03333.01667.08333.08000.02000.02500.07500.06667.03333.02000.08000.02500.07500.08333.01667.03333.06667.0⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⋅1219.00753.03422.02057.02057.00492.0 Z ⎥⎦⎤⎢⎣⎡=5675.04325.0 比较Z 值大小可知，12Z Z >,表明城市Q 的旅游发展也水平最高，城市Y 的旅游业发展水平次之，所以城市Q 的旅游发展也水平高.6模型的评价优点：(1) 本文选择了计算比较简单的层次分析法，经过计算得到了相应的综合发展旅游业的估计值，为城市旅游业的发展提供了依据.(2) 使用了MATLAB 软件，减少了计算工作量，大大降低了运算的困难.缺点：判断的结果具有一定的主观性，不能比较切实的结合当地的具体情况，做出科学的决策方案.7参考文献[1] 姜启源等，数学建模（第四版）北京:高等教育出版社.2011年[2] 马莉，数学实验与建模，北京:清华大学出版2010年[3] 王莲芬，层次分析法引论，北京:中国人民大学出版社，1990年附录：附录1x=[1 1/4 1/4 1/5 1/2 1/3;4 1 1 1/2 3 2;4 1 1 1/2 3 2;5 2 2 1 4 3;2 1/3 1/3 1/4 1 1/2;3 1/2 1/2 1/3 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-6)/5 %一致性指标CR=CI/1.24 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =6.0719W =0.04920.20570.20570.34220.07530.1219B =0.04670.21410.21410.29180.08810.1452CI =0.0144CR =0.0116C =0.2146附录2：>> x=[1 3;1/3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250附录3：x=[1 4 1/2 2 3;1/4 1 1/5 1/3 1/2;2 5 1 3 4;1/2 3 1/3 1 2;1/3 2 1/4 1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-5)/4 %一致性指标CR=CI/1.12 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =5.0681W =0.26250.06180.41850.15990.0973B =0.27340.05940.36640.18730.1135CI =0.0170CR =0.0152C =0.2698附录4：x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000附录5：x=[1 2 3 3;1/2 1 2 2;1/3 1/2 1 1;1/3 1/2 1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-4)/3 %一致性指标CR=CI/0.90 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =4.0104W =0.45540.26280.14090.1409B =0.43950.27870.14090.1409CI =0.0035CR =0.0038C =0.3131附录6：x=[1 2 2;1/2 1 1/2;1/2 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-3)/2 %一致性指标CR=CI/0.58 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =3.0536W =0.49340.19580.3108B =0.46060.18790.3515CI =0.0268CR =0.0462C =0.3733附录7：x=[1 3 2;1/3 1 1/2;1/2 2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-3)/2 %一致性指标CR=CI/0.58 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =3.0092W =0.53960.16340.2970B =0.51990.16200.3181CI =0.0046CR =0.0079C =0.4015附录8：% 目标层Q,Y对子准则层C1的赋值>> x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C2的赋值x=[1 5;1/5 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.83330.1667B =0.83330.1667CI =CR =NaNC =0.7222End% 目标层Q,Y对子准则层C3的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C4的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.80000.2000B =0.80000.2000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C5的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.66670.3333B =0.66670.3333CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C6的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C7的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.20000.8000B =0.20000.8000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C8的赋值x=[1 5;1/5 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.16670.8333B =0.16670.8333CI =CR =NaNC =0.7222End% 目标层Q,Y对子准则层C9的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C10的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =NaNC =0.5000% 目标层Q,Y对子准则层C11的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.25000.7500B =0.25000.7500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C12的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =W =0.80000.2000B =0.80000.2000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C13的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000% 目标层Q,Y对子准则层C14的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C15的赋值x=[1 4;1/4 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.20000.8000B =0.20000.8000CI =CR =NaNC =0.6800End% 目标层Q,Y对子准则层C16的赋值x=[1 1/3;3 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.75000.2500B =0.75000.2500CI =CR =NaNC =0.6250End% 目标层Q,Y对子准则层C17的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C18的赋值x=[1 2;1/2 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.33330.6667B =0.33330.6667CI =CR =NaNC =0.5556End% 目标层Q,Y对子准则层C19的赋值x=[1 1;1 1];[V,D]=eig(x);%c=max(diag(D)) %最大特征根位置f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素W=V(:,f)/sum(V(:,f)) %归一特征向量B=x/sum(x) %计算权向量CI=(c-2)/1 %一致性指标CR=CI/0 %一致性比率，要小于0.1C=sum(B.*W) %组合权重运算结果：c =2W =0.50000.5000B =0.50000.5000CI =CR =NaNC =0.5000附录9：% 最终组合权向量：x=[0.75 0 0 0 0 0;0.25 0 0 0 0 0;0 0.2625 0 0 0 0;0 0.0618 0 0 0 0;0 0.4185 0 0 0 0;0 0.1599 0 0 0 0;0 0.0973 0 0 0 0;0 0 0.5 0 0 0;0 0 0.5 0 0 0;0 0 0 0.4554 0 0;0 0 0 0.2628 0 0;0 0 0 0.1409 0 0;0 0 0 0.1409 0 0;0 0 0 0 0.4934 0;0 0 0 0 0.1958 0;0 0 0 0 0.3108 0;0 0 0 0 0 0.5396;0 0 0 0 0 0.1634;0 0 0 0 0 0.2970]x =0.7500 0 0 0 0 00.2500 0 0 0 0 00 0.2625 0 0 0 00 0.0618 0 0 0 00 0.4185 0 0 0 00 0.1599 0 0 0 00 0.0973 0 0 0 00 0 0.5000 0 0 00 0 0.5000 0 0 00 0 0 0.4554 0 00 0 0 0.2628 0 00 0 0 0.1409 0 00 0 0 0.1409 0 00 0 0 0 0.4934 00 0 0 0 0.1958 00 0 0 0 0.3108 00 0 0 0 0 0.53960 0 0 0 0 0.16340 0 0 0 0 0.2970y=[0.0492;0.2057;0.2057;0.3422;0.0753;0.1219]y =0.04920.20570.20570.34220.07530.1219z=x*y运算结果：z =0.03690.01230.05400.01270.08610.03290.02000.10290.10290.15580.08990.04820.04820.03720.01470.02340.06580.01990.0362a=[0.3333 0.8333 0.75 0.2 0.3333 0.75 0.2 0.1667 0.3333 0.5 0.25 0.8 0.5 0.75 0.2 0.75 0.3333 0.3333 0.5;0.6667 0.1667 0.25 0.8 0.6667 0.250.8 0.8333 0.6667 0.5 0.75 0.2 0.5 0.25 0.8 0.25 0.6667 0.6667 0.5]a =Columns 1 through 70.3333 0.8333 0.7500 0.2000 0.3333 0.7500 0.20000.6667 0.1667 0.2500 0.8000 0.6667 0.2500 0.8000Columns 8 through 140.1667 0.3333 0.5000 0.2500 0.8000 0.5000 0.75000.8333 0.6667 0.5000 0.7500 0.2000 0.5000 0.2500Columns 15 through 190.2000 0.7500 0.3333 0.3333 0.50000.8000 0.2500 0.6667 0.6667 0.5000c=a*z运算结果：c =0.43250.5675。