数模学习day03-层次分析法代码

2023-12-28 18:43:52

这篇文章也是来到了第一讲层次分析法的最后一节,准备浅浅的撒花花吧~~~

进入正题


1.判断矩阵计算权重

计算判断矩阵的时候,要先填好这个矩阵是吧,但是要求是让专家填,但是由于咱学生一般是请不到专家来的,所以说就咱自己填就可以了,也别说是谁填的了。

填完之后,记住要进行一致性检验,通过之后使用第一篇文章介绍了三种方法计算权重。

一致性检验的步骤

但是由于一致性检验的时候需要使用特征值,所以你可以先把特征值求权重算出来,再一致性检验啥的,比较快。



2.代码实现

注意

????????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。
????????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。


代码

(1)首先先输入判断矩阵

记住,判断矩阵里面的元素只能是1·9,或者它们的倒数

clear;clc
disp('请输入判断矩阵A: ')
% A = input('判断矩阵A=')? 使用这一行代码是一样的效果
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]
% matlab矩阵有两种写法,也可以直接写到一行:
% [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]
% 也可以写成多行:
% [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]
% 两行之间以分号结尾(最后一行的分号可加可不加),同行元素之间以空格(或者逗号)分开。

(2)使用算术平均法求权重

% 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)
% 所以在这里先计算一下所在列的和
Sum_A = sum(A)

% 也可以写成n = size(A,1)
% 因为这里A判断矩阵是一个方阵,所以行列数量相同,就都使用n了
[n,n] = size(A) 

% 将这个Sum_A也重复为方阵,以达到后面的每一个元素 点除 达到第一步的目的
SUM_A = repmat(Sum_A,n,1)   
% 另外一种替代的方法(循环)如下:
    SUM_A = [];
    for i = 1:n   %循环哦,这一行后面不能加冒号(和Python不同),这里表示循环n次
        % 这个操作就是往SUM_A中每次加一行Sum_A五次之后就是五行了
        SUM_A = [SUM_A; Sum_A]
    end
clc;A
SUM_A

% 这里我们直接将两个矩阵对应的元素相除即可
Stand_A = A ./ SUM_A


% 第二步:将归一化的各列相加(按行求和)
sum(Stand_A,2)

% 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
disp('算术平均法求权重的结果为:');

% 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 / 因为只有一列,所以效果是一样的)
disp(sum(Stand_A,2) ./ n)

结果如下:


>> disp(sum(Stand_A,2) ./ n)
? ? 0.2145
? ? 0.2145
? ? 0.0703
? ? 0.4006
? ? 0.1001
?


(3)使用几何平均法求权重

代码示例:

% 第一步:将A的元素按照行相乘得到一个新的列向量
clc;A

% prod函数和sum函数类似,一个用于乘,一个用于加  dim = 2 维度是行
% prod也就是把每一行的元素乘去来起来
Prduct_A = prod(A,2)

% 第二步:将新的向量的每个分量开n次方
% 这里对每个元素进行乘方操作,因此要加.号。  ^符号表示乘方  这里是开n次方,所以我们等价求1/n次方
Prduct_n_A = Prduct_A .^ (1/n)

% 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))

答案如下:?

几何平均法求权重的结果为:
? ? 0.2184
? ? 0.2184
? ? 0.0664
? ? 0.3985
? ? 0.0983


(4)特征值法求权重

代码示例:?

% 第一步:求出矩阵A的最大特征值以及其对应的特征向量
clc
%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)
[V,D] = eig(A)  
%也可以写成max(D(:))
% 这里max函数就可以找到最大的特征值,即使有虚数也无所谓,他可以根据模长找
% max找的是每一列的最大,因此使用两次就可以知道矩阵中的最大值是多少了
Max_eig = max(max(D)) 
% 那么怎么找到最大特征值所在的位置? 这里就需要使用到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。
% 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
D == Max_eig
[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。

% 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
% V(:,c) 取出对应的特征向量
% 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。
disp('特征值法求权重的结果为:');
disp( V(:,c) ./ sum(V(:,c)) )

答案为:

特征值法求权重的结果为:
? ? 0.2121
? ? 0.2121
? ? 0.0679
? ? 0.4114
? ? 0.0965


(5)一致性检验

代码示例:

clc
CI = (Max_eig - n) / (n-1);
% 注意,这里的RI最多支持 n = 15
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);
% disp(['一致性指标CI=', num2str(CI)]);这样写和下面是一个样子的
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

结果如下:

一致性指标CI=
? ? 0.0731

一致性比例CR=
? ? 0.0653

因为CR < 0.10,所以该判断矩阵A的一致性可以接受!


3.隐藏BUG

1.如果这个输入的矩阵是一个二阶的判断阵,会有什么问题?如何改正?

如果这个矩阵是一个 A = [1,1 ; 1,1]的矩阵会发生什么

这时候你再计算一致性比例会发生什么呢?

为什么呢?

因为这里的最大特征值是

然后n也是

RI在n取2的时候是0

那么最后就是 0/0得到

因为这里的判断阵是一个正互反矩阵,然后又只是二阶的,所以它一定是一个一致性矩阵,这里就不需要进行一致性检验了。

但是为了防止报错也可以通过将RI的第二个零设置为0.001


2.如何判断你输入的是否有错误
disp('请输入判断矩阵A');

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);

% 注意!!1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java等语言里面的!=搞混了
% ||表示逻辑运算符‘或’ 逻辑运算符且是 && (&读and,连接符号,是and的缩写。 )这里和其他编程语言是一样的
% 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。
if r ~= c  || r <= 1
    ERROR = 1;
end

%(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

% 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,'是一个单引号
    % 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。
    
    % % % % % % % % % % % % %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

该代码起到了一个交互的作用,用于检验A是否满足规定


总结

没有总结,赶进度呢,ヾ( ̄▽ ̄)Bye~Bye~

文章来源:https://blog.csdn.net/DDDDWJDDDD/article/details/135266931
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。