(完整版)层次分析法实例讲解学习
- 格式:docx
- 大小:54.27 KB
- 文档页数:4
层次剖析法运用实例问题描写:通信交换在当今社会显得尤其主要,手机等于一个例子,如今每小我手里都有至少一部手机.但如此临盆手机的厂家越来越多,品种八门五花,若何选购一款合适本身的手机这个问题困扰了很多人.目的:选购一款合适的手机准则:选择手机的尺度大体可以分成四个:适用性,功效性,外不雅,价钱.计划:因为手机厂家有几十家,我们无妨可以将其归类:○1欧美(iphone);○2亚洲(索爱);○3国产(华为).解决步调:1.树立递阶层次构造模子图1 选购手机层次构造图2.设置标度人们定性区分事物的才能习习用5个属性来暗示,即同样主要.稍微主要.较强主要.强烈主要.绝对主要,当须要较高精度时,可以取两个相邻属性之间的值,如许就得到9个数值,即9个标度.为了便于将比较判断定量化,引入1~9比率标度办法,划定用1.3.5.7.9分离暗示依据经验断定,要素i与要素j比拟:同样主要.稍微主要.较强主要.强烈主要.绝对主要,而2.4.6.8暗示上述两断定级之间的调和值.标度界说(比较身分i与j)1 身分i与j同样主要3 身分i与j稍微主要5 身分i与j较强主要7 身分i与j强烈主要9 身分i与j绝对主要2.4.6.8 两个相邻断定身分的中央值倒数身分i与j比较得断定矩阵a ij,则身分j与i比拟的断定为aji=1/aij 注:aij暗示要素i与要素j相对主要度之比,且有下述关系:aij=1/aji ;aii=1; i,j=1,2,…,n显然,比值越大,则要素i的主要度就越高.3.构造断定矩阵A B1 B2 B3 B4B1 1 3 5 1B2 1/3 1 3 1/3B3 1/5 1/3 1 1/5B4 1 3 5 1表1 断定矩阵A—BB1 C1 C2 C3C1 1 1/3 1/5C2 3 1 1/3C3 5 3 1表2 断定矩阵B1—CB2 C1 C2 C3C1 1 3 3C2 1/3 1 1C3 1/3 1 1表3 断定矩阵B2—CB3 C1 C2 C3C1 1 3 6C2 1/3 1 4C3 1/6 1/4 1表4 断定矩阵B3—CB4 C1 C2 C3C1 1 1/4 1/6C2 4 1 1/3C3 6 3 1表5 断定矩阵B4—C4.盘算各断定矩阵的特点值,特点向量和一致性磨练用乞降发盘算特点值:○1将断定矩阵A按列归一化(即列元素之和为1):bij= aij /Σaij;○2将归一化的矩阵按行乞降:ci=Σbij (i=1,2,3….n);○3将ci归一化:得到特点向量W=(w1,w2,…wn )T,wi=ci /Σci ,W即为A的特点向量的近似值;○4求特点向量W对应的最大特点值:2).3).同理有4).盘算最大特点根:5).进行一致性磨练:查同阶平均随机一致性指针(表6所示)知,(一般以为.时,断定矩阵的一致性可以接收,不然从新两两进行比较).阶数 3 4 5 6 7 8 9 10 1112 13 14 RI表6 平均随机一致性指针知足一致性请求.同理可得残剩断定矩阵的特点根,特点向量,一致性磨练.断定矩阵B1—C断定矩阵断定矩阵B3---C断定矩阵B4---C5.层次总排序获得统一层次各要素之间的相对主要度后,就可以自上而下地盘算各级要素对总体的分解主要度.设二级共有m个要素c1, c2,…,cm,它们对总值的主要度为w1, w2,…, wm;她的下一层次三级有p1, p2,…,pn共n个要素,令要素pi对cj的主要度(权重)为vij,则三级要素pi的分解主要度为:B1B2B3B4总排序权重层次C10.211C20.257C30.531表7 层次总排序表6.结论由表7可以看出,三个计划的好坏排序是C3>C2>C1,是以,对于大部分人来说,选购运用且价钱便宜的国产华为手机是比较实惠的.。
层次分析法步骤及案例分析层次分析法(AHP)是一种通过对比判断不同因素的重要性来进行决策的方法。
它由匹兹堡大学的数学家托马斯·萨蒙在20世纪70年代初提出,并逐渐应用于各个领域。
本文将介绍层次分析法的步骤,并通过一个实际案例来进行分析。
一、层次分析法的步骤层次分析法主要包括以下几个步骤:1. 确定层次结构:首先,需要明确决策问题的层次结构。
将问题划分为若干个层次,从总目标到具体的子目标,形成一棵树状结构。
例如,在一个购车的决策问题中,总目标可以是“选择一辆适合自己的车”,下面的子目标可以包括“价格”、“外观”、“安全性”等因素。
2. 构造判断矩阵:在每个层次中,需要对不同因素之间的两两比较进行判断。
判断可以基于专家经验、问卷调查或实际数据。
对于两两比较,通常采用一个1到9的比较尺度,其中1表示相等,3表示略微重要,5表示中等重要,7表示强烈重要,9表示绝对重要。
如果因素A相对于因素B的重要性大于1,则B相对于A的重要性是1/A。
3. 计算权重向量:根据判断矩阵中的比较结果,可以计算出每个层次中各个因素的权重向量。
通过对判断矩阵的特征值和特征向量进行计算,可以得到各个因素的权重。
4. 一致性检验:在进行层次分析时,需要检验判断矩阵的一致性。
一致性是指在两两比较中的逻辑关系的一致性。
通常使用一致性指数和一致性比率来判断判断矩阵的一致性程度。
5. 综合评价:通过将各层次中因素的权重向量进行乘积运算,并将结果汇总得到最后的评价结果。
在这一步骤中,可以对不同的决策方案进行排序或进行多目标决策。
二、案例分析为了更好地了解层次分析法的应用,我们来看一个实际案例。
假设某公司需要选择新的供应商,供应商选择的主要考虑因素包括产品质量、交货周期和价格。
我们可以按照以下步骤进行决策:1. 确定层次结构:总目标是选择合适的供应商,下面的子目标是产品质量、交货周期和价格。
2. 构造判断矩阵:对于每个子目标,可以进行两两比较。
层次分析法经典案例层次分析法(Analytic Hierarchy Process, AHP)是一种常用的多准则决策方法,被广泛应用于企业管理、工程项目评估、市场调研等领域。
本文将通过一个经典案例,介绍层次分析法的基本原理和应用过程。
一、案例背景某企业计划购买新设备,以提升生产效率和质量。
然而,在众多可选设备中,如何选择最适合企业发展的设备成为了业主面临的难题。
为了解决这一问题,业主决定应用层次分析法进行设备选择。
二、层次分析法基本原理层次分析法基于一个重要思想,即将复杂的决策问题拆解为具有层次结构的多个因素,并通过层次化的比较和综合分析,最终得出决策结果。
1. 构建层次结构首先,我们需要将决策问题划分为不同的层次,并构建层次结构。
在这个案例中,可以将设备选择问题划分为三个层次:目标层、准则层和备选方案层。
目标层代表企业的最终目标,即实现高效生产;准则层包括影响设备选择的各种准则,如设备价格、性能指标、售后服务等;备选方案层包括具体的设备选项。
2. 建立判断矩阵接下来,我们需要对不同层次的因素进行两两比较,建立判断矩阵。
通过专家主观判断,给出两个因素之间的相对重要性,采用1-9的尺度,其中1代表两者具有相同重要性,9代表一个因素相对于另一个因素极端重要。
比如,在准则层中,设备性能指标对设备价格的重要性为6。
3. 计算权重向量利用判断矩阵,我们可以计算出每个层次的权重向量。
通过对判断矩阵进行归一化处理,可获得各因素的权重。
权重向量表示了各因素对当前决策的贡献程度,可作为后续分析的依据。
例如,计算准则层中各因素的权重向量。
4. 一致性检验为了保证判断矩阵的合理性,我们需要进行一致性检验。
通过计算一致性指标和一致性比率,评估判断矩阵是否存在较大的一致性问题。
若一致性比率超过一定阈值,需要检查和修正判断矩阵。
5. 优先级排序最后,结合各层次的权重,我们可以进行优先级排序,得出对不同备选方案的排序结果。
根据排序结果,我们可以选择最合适的备选方案。
层次分析法案例
假设有一家公司需要决定是否要在某个城市建立新工厂。
使用层次分析法进行决策,以下是具体步骤:
1. 制定层次结构模型
层次结构模型需要包括目标层、标准层和方案层。
在本案例中,目标是建立新工厂,标准层包括:成本、政策、市场和人力资源,方案层包括两个备选城市A和城市B。
2. 确定判断矩阵
判断矩阵是评估各个因素之间相对重要性的矩阵。
在本案例中,假设公司决策者认为成本对于建立新工厂最为重要,因此将其赋予1的权重,然后比较其他标准层的相对重要性,进而得到所有标准层的判断矩阵。
3. 计算权重向量
通过对判断矩阵求特征值和特征向量,然后计算出每个标准层的权重向量。
4. 计算一致性比率
计算每个判断矩阵的一致性比率,以确保决策者的判断合理可靠。
如果一致性比率超过一定阈值,则需要重新调整判断矩阵,直到达到一定的一致性。
5. 计算得分
将权重向量和备选方案的属性值相乘,得到每个备选方案的得分。
根据得分进行排序,如果得分最高的是城市A,则说明公司应该在城市A建立新工厂。
通过上述步骤,公司可以使用层次分析法来做出更为客观科学的决策。
鱼骨分析法¾鱼骨图的基本概念¾三种类型、基本结构¾鱼骨图分析法的步骤¾案例分析鱼骨分析法¾鱼骨图的基本概念¾三种类型、基本结构¾鱼骨图分析法的步骤¾案例分析•是一种发现问题“根本原因”的方鱼骨图是种发现问题“根本原因”的方法,它也可以称之为“因果图”。
鱼骨图原本用于质量管理。
•问题的特性总是受到些因素的影响,我问题的特性总是受到一些因素的影响我们通过头脑风暴找出这些因素,并将它们与特性值起按相互关联性整理而成的与特性值一起,按相互关联性整理而成的层次分明、条理清楚,并标出重要因素的图形就叫特性要因图。
因其形状如鱼骨,它是一种透过现象看本所以又叫鱼骨图,它是种透过现象看本质的分析方法。
头脑风暴法:一种通过集思广益、发挥团体智慧,从各种不同角度找出问题所有原因智慧从各种不同角度找出问题所有原因构要素会议或构成要素的会议方法。
头脑风暴的四大原则:严禁批评、自由奔放、多多益善、搭便车。
头脑风暴研讨会时,让所有成员表达心声,应尽可能多而全地找出所有可能原因,而不仅限于自己能完全掌控或正在执行的内容。
对人的原因,宜从行动而非思想态度面着手分析。
目标集中,追求设想数量,越多越好。
主张独立思考,各抒己见。
鼓励巧妙地利用和改善他人的设想。
禁止批评和评论,提倡自由发言,任意思考,知无不言,言无不尽。
与会人员一律平等,各种设想全部记录。
不强调个人成绩,以小组的整体利益为重,创造民主环境。
不阻碍个人新观点的产生,激发个人追求更多更好的主意。
不阻碍个人新观点的产生激发个人追求更多更好的主意鱼骨图的特点•鱼骨图是一个非定量的工具,可以帮助我们找出引起问题潜在的根本原因们找出引起问题潜在的根本原因。
•集思广益,通过团队努力,聚集并攻克复杂难题杂难题。
•辨识导致问题的所有原因,并从中找到根本原因。
鱼骨图三种类型•A、原因型鱼骨图(鱼头在右,特性值通常原因型鱼骨图鱼头在右特性值通常以“为什么……”来写)•B、整理问题型鱼骨图(各要素与特性值间不存在原因关系而是结构构成关系)不存在原因关系,而是结构构成关系)•C、对策型鱼骨图(鱼头在左,特性值通常以“如何提高/改善……”来写)鱼骨图制作1、分析问题原因/结构•A、针对问题点,选择层别方法。
层次分析法案例层次分析法(Analytic Hierarchy Process, AHP)是一种常用的决策分析方法,由美国运筹学家托马斯·L·萨蒂(Thomas L. Saaty)在20世纪70年代提出。
该方法通过将决策问题分解为更小的部分,并通过比较这些部分的重要性来帮助决策者做出最终选择。
下面是一个层次分析法的案例分析。
首先,决策者需要明确决策目标,然后将其分解为多个层次,包括目标层、准则层和方案层。
目标层是决策的最终目的,准则层是影响决策的因素,方案层是可供选择的具体方案。
在本案例中,假设一个公司需要决定投资哪个研发项目。
目标层即为“选择最佳研发项目”。
准则层可能包括“技术可行性”、“市场潜力”、“成本效益”和“风险评估”。
方案层则是公司正在考虑的四个研发项目:A、B、C和D。
接下来,决策者需要对准则层的各个因素进行两两比较,并根据其相对重要性给出评分。
评分通常采用1-9的标度,其中1表示两个因素同等重要,9表示一个因素比另一个因素重要得多。
例如,如果认为“市场潜力”比“技术可行性”更重要,可以给出一个大于1的分数,如3或5。
完成准则层的两两比较后,决策者需要对方案层的每个方案根据每个准则进行评估。
这一步骤同样采用1-9的标度进行评分。
然后,利用层次分析法的计算方法,对准则层和方案层的评分矩阵进行一致性检验。
如果一致性比率在可接受范围内(通常小于0.1),则认为评分矩阵具有一致性,可以继续进行下一步计算;否则,需要重新评估评分。
一致性检验通过后,计算准则层和方案层的权重。
这通常是通过计算每个因素或方案在所有比较中的相对重要性来实现的。
最后,将方案层的权重与准则层的权重相乘,得到每个方案的综合得分。
根据综合得分,决策者可以选择得分最高的方案作为最终决策。
在这个案例中,如果项目C的综合得分最高,那么公司应该选择投资项目C。
层次分析法的优势在于它能够系统地处理复杂的决策问题,并通过量化的方式帮助决策者理解各个因素和方案的相对重要性。
层次分析法简单案例层次分析法(Analytic Hierarchy Process, AHP)是一种多准则决策分析方法,它可以帮助人们在复杂的决策环境中进行合理的决策。
本文将通过一个简单的案例来介绍层次分析法的基本原理和应用过程。
假设小明在选择手机时遇到了瓶颈,不知道如何在价格、性能和外观之间进行权衡。
为了帮助小明做出决策,我们将运用层次分析法来解决这个问题。
首先,我们需要确定决策的目标。
在这个案例中,小明的目标是选择一款性价比高的手机。
然后,我们需要确定影响决策的准则。
在这个案例中,价格、性能和外观是影响小明选择的重要准则。
接下来,我们需要建立一个层次结构。
层次结构是层次分析法的核心,它将决策问题分解成不同层次的准则和方案。
在这个案例中,我们可以将目标设置为最高层,价格、性能和外观设置为第二层,具体的手机型号设置为第三层。
然后,我们需要构建判断矩阵。
判断矩阵用来比较不同准则和方案之间的重要性。
在这个案例中,我们可以让小明对价格、性能和外观之间两两进行比较,然后给出它们的相对重要性。
接着,我们需要进行一致性检验。
一致性检验是为了确保判断矩阵的合理性和稳定性。
在这个案例中,我们可以通过计算一致性指标和随机一致性指标来检验小明的判断矩阵是否合理。
最后,我们可以进行权重计算和方案选择。
通过层次分析法,我们可以计算出每个准则和方案的权重,然后根据这些权重来选择最终的手机型号。
通过上述步骤,小明可以通过层次分析法来做出合理的决策,选择一款性价比高的手机。
层次分析法不仅可以帮助小明解决手机选择的问题,还可以在其他多准则决策问题中发挥重要作用。
希望本文的介绍能够帮助读者更好地理解层次分析法的原理和应用过程。
层次分析法案例层次分析法(Analytic Hierarchy Process,AHP)是一种多目标决策方法,它通过构建层次结构、建立判断矩阵、计算权重和一致性检验等步骤,帮助决策者进行系统化的决策分析。
下面我们通过一个案例来详细介绍层次分析法的具体应用。
案例背景:某公司准备引进一款新的生产设备,但在选择适合的设备时面临多个因素的考量,比如设备的性能、价格、维护成本等。
为了做出最合理的决策,公司决定采用层次分析法来进行决策分析。
步骤一,构建层次结构。
首先,公司将引进新设备的决策问题分解为三个层次,目标层、准则层和方案层。
目标层是引进新设备,准则层包括设备性能、价格和维护成本,方案层则是具体的设备选项。
在这个案例中,我们假设有A、B、C三种设备可供选择。
步骤二,建立判断矩阵。
接下来,公司需要对准则层和方案层进行两两比较,以确定它们之间的相对重要程度。
通过专家意见调查或者问卷调查,公司得到了比较矩阵,比如设备性能对价格的重要程度、设备性能对维护成本的重要程度等。
步骤三,计算权重。
利用AHP的计算方法,公司可以根据比较矩阵计算出每个准则和方案的权重。
这些权重可以帮助公司确定对于引进新设备而言,性能、价格和维护成本的重要程度,以及A、B、C三种设备的优劣。
步骤四,一致性检验。
在计算权重之后,公司需要进行一致性检验,以确保比较矩阵的合理性和可靠性。
如果比较矩阵通过一致性检验,则可以继续进行下一步决策分析。
步骤五,综合分析。
最后,公司可以利用计算出的权重,对三种设备进行综合分析,以确定最佳的选择。
在这个案例中,公司可以根据性能、价格和维护成本的权重,对A、B、C 三种设备进行打分和排名,从而做出最合理的决策。
通过以上案例,我们可以看到层次分析法在多目标决策问题中的应用。
它通过构建层次结构、建立判断矩阵、计算权重和一致性检验等步骤,帮助决策者进行系统化的决策分析,提高决策的科学性和准确性。
总之,层次分析法是一种强大的决策分析工具,它不仅可以用于企业的决策问题,也可以应用于个人生活中的选择问题。
层次分析法步骤与实例1 层次分析法的思想:将所有要分析的问题层次化;根据问题的性质和所要到达的总目标,将问题分为不同的组成因素,并按照这些因素间的关联影响即其隶属关系,将因素按不同层次聚集组合,形成一个多层次分析结构模型;最后,对问题进行优劣比较排序.2 次分析法的步骤:3 以一个具体案例进行说明:【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。
【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B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(成对比较阵)并赋值根据递阶层次结构就能很容易地构造判断矩阵。
层次分析法实例讲解学习
生活实际例题:
旅游实例,有三个旅游地点供游客们选择,连云港,常州,徐州。
影响游客们决策的因素主要有以下五项:景色、费用、居住、饮食、旅途。
请根据个人偏好选择最佳旅游地点。
分析:旅游点是方案层,将它们分别用B,B2,B3表示,影响旅游决策的因素为准
则层AAAAA;目标层为选择旅游地,即可以建立以下模型:
建立判断矩阵:
准则层判断矩阵(即各种因素在旅客偏好选择中所占有的不同比重)
1 1/
2 4
3 3
2 1 7 5 5
A 1/4 1/7 1 1/2 1/3
1/3 1/5 2 1 1
1/3 1/5 3 1 1
方案层判断矩阵建立(针对每一个影响因素来对方案层建立)
1 2 5 1 1/3 1/8 1 1 3
B 1/2 1 2 B1 3 1 1/3 B1 1 1 3
1/5 1/2 1 8 3 1 1/3 1/3 1
1 3 4 1 1 1/4
B1 1/3 1 1 B1 1 1 1/4
1/4 1 1 4 4 1
求准则层判断矩阵A的特征值:
Matlab 运行程序:[a,b]=eig(A)
'矩阵的对角线为准则层判断矩阵 A 的特征值:
5.073 0 0 0 0
0.031 0 0 0 b
0 0 0.031 0 0
0 0 0 0.005 0
0.005
即 1 5.073, 2 0.031, 3
0.031, 4
0.005, 5
0.005
选出最大特征值:
max ( 1,
2, 3, 4,
5
)
1
最大特征值的特征向量即为准则层的影响因素所占的权重, 为:
所对应的特征向量
w 1 -0.4658 -0.8409 -0.0951 -0.1733 -0.1920
归一化(最简 matlab 程序为 w=w1./sum(w1))
w 0.2636
0.4759 0.0538 0.0981 0.1087
一致性指标的检验:
由max 是否等于5来检验判断矩阵A 是否为一致矩阵。
由于特征根连续地依 赖于矩阵A 中的值,故max 比5大得越多,A 的非一致性程度也就越严重,
max 对应的标准化特征向量也就越不能真实地反映出对因素
A i (i 1, ,5)的影
响中所占的比重。
计算一致性指标CI :
此题的一致性指标为
5.073-5
0.018 5-1
平均随机一致性指标RI 相对固定,如下表:
RI 随机一致性指标
3456789 10
11
0.58 0.90 1.12 1.24 1.32
1.41 1.45 1.49 1.51
计算一致性比例CR :
CR q
RI
当CR 时,认为判断矩阵的一致性是可以接受的,否则应对判断矩阵作适当修正。
本题:
CR ? 皿 0.016
0.1
RI 1.12
可行。
按照如上方式处理矩阵B, B 2, B 3, B 4, B 5得:
CI
max n
n 1
max n
n 1
CI
n
1 2
RI 0
B 1 :
max
3.005 w [0.595,0.277,0.129]
CI 0.003 RI 0.58
CR 0.005<0.1
B 2 :
max
3.002 w 2 [0.082,0.236,0.682]
CI 0.001 RI 0.58
CR 0.002<0.1
B 3:
max
3 W 3 [0.429,0.429,0.142]
CI 0 RI 0.58
CR 0<0.1
B 4 :
max
3.009 w 4 [0.633,0.193,0.175]
CI 0.005 RI 0.58
CR 0.009<0.1
B 5 :
max
3 w 5 [0.166,0.166,0.668]
CI 0 RI 0.58
CR 0<0.1
计算方案层 j(j 1,
,n)对总目标的权值:
n
Q(j)
w(i)W i (j)
i 1
即连云港对总排序的权值为:
5
Q(1) w(i)W i (1)
i 1
0.263 0.595 0.475 0.082 0.055 0.429 0.099 同理可
计算出常州,徐州对总排序的权值:
可建立如下表格清晰数据的排列:
将准则层矩阵的最大特征值的特征向量代表的权值放于准则层权值的右方, 准则层每个因素所对应的方案层矩阵的最大特征值的特征向量放于所对应的影 响因素的下面。
层次总排序合成表
0.633 0.110 0.116 0.3
5
Q(2)
w(i)W i (2) 0.246
i 1
5
Q(3) w(i)W i (3)
0.456
i 1
对于整个算法编写matlab程序如下:
fid=fope n( 'txt2.txt' ,'广);
n1=5 ;n 2=3;
a=[];
for i=1: n1
tmp=str2 num(fgetl(fid));
a=[a;tmp]; %卖准则层判断矩阵
end
for i=1: n1
str 仁char([ 'b' ,i nt2str(i), '=[];' ]);
str2=char([ 'b' ,i nt2str(i), '=[b' ,i nt2str(i), :tmp];' ]); eval(str1);
for j=1: n2
tmp=str2 num(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]; %-致性指标[x,y]=eig(a);
lamda=max(diag(y));
n um=fi nd(diag(y)==lamda);
wO=x(: ,n um)/sum(x(:, num));
cr0=(lamda-n1)/(n 1-1)/ri( n1)
for i=1: n1
[x,y]=eig(eval(char([ 'b' ,in t2str(i)])));
lamda=max(diag(y));
n um=fi nd(diag(y)==lamda);
w1(:,i)=x(:, num)/sum(x(: ,n um));
cr1(i)=(lamda-n2)/(n 2-1)/ri( n2);
end
cr1, ts=w1*w0, cr=cr1*w0。