精华内容
下载资源
问答
  • 层次分析法求权重

    2017-08-16 10:49:54
    层次分析法
  • 利用层次分析法需要计算权重,而权重的计算和使用是比较麻烦的,在这里封装了一些方法。注意的吧,这个东西需要一点知识,代码应该没问题。
  • 通过问卷调查得到不同因素的不同重要程度,并将其结果通过此软件进行分析,最终得到通过专家打分产生的各因素权重的软件,在数据分析权重确定的方面应用十分方便。
  • matlab AHP层次分析法求权重

    千次阅读 2016-09-11 08:14:10
    A=[1 1/9 1/3 1/4 1/8 1/7;9 1 5 6 2 3;3 1/5 1 2 1/3 1/2;...%续行 4 1/6 1/2 1 1/3 1/2;8 1/2 3 3 1 2;7 1/3 2 2 1/2 1];%A=input('输入比较矩阵\n'); [v,d]=eig(A);%特征向量,特征值 ...n=fi
    A=[1 1/9 1/3 1/4 1/8 1/7;9 1 5 6 2 3;3 1/5 1 2 1/3 1/2;...%续行
        4 1/6 1/2  1 1/3 1/2;8 1/2 3 3 1 2;7 1/3 2 2 1/2 1];%A=input('输入比较矩阵\n');
    [v,d]=eig(A);%特征向量,特征值
    d=eig(A);%不能省略
    max1=max(d);
    n=find(d==max1);%查找
    w1=v(:,n);
    w=w1/sum(w1)%一致性指标
    CI=(max1-6)/5;
    RI=1.24;
    CR=CI/RI
    if CR<0.1
        fprintf('通过一致性检验\n');
    else 
        fprintf('重新赋值因为一致性不被接受\n');
    end

    展开全文
  • 介绍层次分析法的基本概念,同时也分析了层次分析法权重的计算方法及应用
  • 层次分析法权重的计算:基于Lingo的数学模型,陈宝星,,理论上,层次分析法评价准则的权重是通过计算两两比较矩阵的特征值和特征向量来确定的。而采用lingo软件建立该问题的数学模型,无�
  • 层次分析法前期熵,权重等参数,对于不同指标的数据都可以进行计算
  • 很多AHP软件要么收费,要么层级受限制。这是一款简单实用的层次分析法工具软件,无需安装,完全免费,简单且容易上手,非常实用。
  • 层次分析法计算权重

    千次阅读 2020-11-26 11:13:02
    初学者搞的层次分析法,先放代码再放图 import numpy as np import pandas as pd import pymysql import math import time import datetime from sqlalchemy import create_engine class AHP: """ 相关信息的传入...

    初学者搞的层次分析法,先放代码再放图

    import numpy as np
    import pandas as pd
    import pymysql
    import math
    import time
    import datetime
    from sqlalchemy import create_engine
    
    class AHP:
        """
        相关信息的传入和准备
        """
    
        def __init__(self, array):
            ## 记录矩阵相关信息
            self.array = array
            ## 记录矩阵大小
            self.n = array.shape[0]
            # 初始化RI值,用于一致性检验
            self.RI_list = [0, 0, 0.58, 0.90, 1.12, 1.24, 1.32, 1.41, 1.45, 1.49, 1.51]
            # 矩阵的特征值和特征向量
            self.eig_val, self.eig_vector = np.linalg.eig(self.array)
            # 矩阵的最大特征值
            self.max_eig_val = np.max(self.eig_val)
            # 矩阵最大特征值对应的特征向量
            self.max_eig_vector = self.eig_vector[:, np.argmax(self.eig_val)].real
            # 矩阵的一致性指标CI
            self.CI_val = (self.max_eig_val - self.n) / (self.n - 1)
            # 矩阵的一致性比例CR
            self.CR_val = self.CI_val / (self.RI_list[self.n - 1])
    
        """
        一致性判断
        """
        def test_consist(self):
            # 打印矩阵的一致性指标CI和一致性比例CR
            print("判断矩阵的CI值为:" + str(self.CI_val))
            print("判断矩阵的CR值为:" + str(self.CR_val))
            # 进行一致性检验判断
            if self.n == 2:  # 当只有两个子因素的情况
                print("仅包含两个子因素,不存在一致性问题")
            else:
                if self.CR_val < 0.1:  # CR值小于0.1,可以通过一致性检验
                    print("判断矩阵的CR值为" + str(self.CR_val) + ",通过一致性检验")
                    return True
                else:  # CR值大于0.1, 一致性检验不通过
                    print("判断矩阵的CR值为" + str(self.CR_val) + "未通过一致性检验")
                    return False
        """
        特征值法求权重
        """
        def cal_weight__by_eigenvalue_method(self):
            # 将矩阵最大特征值对应的特征向量进行归一化处理就得到了权重
            array_weight = self.max_eig_vector / np.sum(self.max_eig_vector)
            # 打印权重向量
            for index in range(len(array_weight)):
                array_weight[index] = round(array_weight[index],2)
            print(array_weight)
            # 返回权重向量的23
            # 值
            return array_weight
    
    
    
    '''
      计算权重
    '''
    RI = [0, 0, 0.58, 0.90, 1.12, 1.24, 1.32, 1.41, 1.45, 1.49, 1.51]
    
    #信息准确
    mes = np.array([[1,3,5],
                    [1/3,1,3],
                    [1/5, 1/3, 1]])
    m1 = len(mes)  # 获取指标个数
    n1 = len(mes[0])
    R1 = np.linalg.matrix_rank(mes)  # 求判断矩阵的秩
    V1, D1 = np.linalg.eig(mes)  # 求判断矩阵的特征值和特征向量,V特征值,D特征向量;
    list1 = list(V1)
    B1 = np.max(list1)  # 最大特征值
    index1 = list1.index(B1)
    C1 = D1[:, index1]  # 对应特征向量
    CI1 = (B1 - n1) / (n1 - 1)  # 计算一致性检验指标CI
    CI1 = CI1.real
    CR1 = CI1 / RI[n1]
    CR1 = CR1.real
    if CR1 < 0.10:
        print("信息准确权重:")
        # 特征值法求权重
        mes_weight = AHP(mes).cal_weight__by_eigenvalue_method()
    
    
    #交费行为
    pay = np.array([[1, 1.1, 1.3, 5.3, 5.7, 7],
                    [1 / 1.1, 1, 1.2, 5.2, 5.5, 6.8],
                    [1 / 1.3, 1 / 1.2, 1, 5, 5.4, 6.6],
                    [1 / 5.3, 1 / 5.2, 1 / 5, 1, 1.5, 2.8],
                    [1 / 5.7, 1 / 5.5, 1 / 5.4, 1 / 1.5, 1, 2.5],
                    [1 / 7, 1 / 6.8, 1 / 6.6, 1 / 2.8, 1 / 2.5, 1]])
    m2 = len(pay)  # 获取指标个数
    n2 = len(pay[0])
    R2 = np.linalg.matrix_rank(pay)  # 求判断矩阵的秩
    V2, D2 = np.linalg.eig(pay)  # 求判断矩阵的特征值和特征向量,V特征值,D特征向量;
    list2 = list(V2)
    B2 = np.max(list2)  # 最大特征值
    index2 = list2.index(B2)
    C2 = D2[:, index2]  # 对应特征向量
    CI2 = (B2 - n2) / (n2 - 1)  # 计算一致性检验指标CI
    CI2 = CI2.real
    CR2 = CI2 / RI[n2]
    CR2 = CR2.real
    if CR2 < 0.10:
        print("交费行为权重:")
        # 特征值法求权重
        pay_weight = AHP(pay).cal_weight__by_eigenvalue_method()
    
    #用电行为
    elec = np.array([[1,2,3.5,3.8,5.5,5.9],
                     [1/2,1,3.3,3.5,5.4,5.7],
                     [1/3.5,1/3.3,1,1.5,3.5,3.7],
                     [1/3.8,1/3.5,1/1.5,1,3.2,3.5],
                     [1/5.5,1/5.4,1/3.5,1/3.2,1,1.3],
                     [1/5.9,1/5.7,1/3.7,1/3.5,1/1.3,1]
                     ])
    m3 = len(elec)  # 获取指标个数
    n3 = len(elec[0])
    R3 = np.linalg.matrix_rank(elec)  # 求判断矩阵的秩
    V3, D3 = np.linalg.eig(elec)  # 求判断矩阵的特征值和特征向量,V特征值,D特征向量;
    list3 = list(V3)
    B3 = np.max(list3)  # 最大特征值
    index3 = list3.index(B3)
    C3 = D3[:, index3]  # 对应特征向量
    CI3 = (B3 - n3) / (n3 - 1)  # 计算一致性检验指标CI
    CI3 = CI3.real
    CR3 = CI3 / RI[n3]
    CR3 = CR3.real
    if CR3 < 0.10:
        print("用电行为权重:")
        # 特征值法求权重
        elec_weight = AHP(elec).cal_weight__by_eigenvalue_method()
    
    #准则层判断矩阵
    credit = np.array([[1,3,5],
                    [1/3,1,3],
                    [1/5, 1/3, 1]])
    m1 = len(credit)  # 获取指标个数
    n1 = len(credit[0])
    R1 = np.linalg.matrix_rank(credit)  # 求判断矩阵的秩
    V1, D1 = np.linalg.eig(credit)  # 求判断矩阵的特征值和特征向量,V特征值,D特征向量;
    list1 = list(V1)
    B1 = np.max(list1)  # 最大特征值
    index1 = list1.index(B1)
    C1 = D1[:, index1]  # 对应特征向量
    CI1 = (B1 - n1) / (n1 - 1)  # 计算一致性检验指标CI
    CI1 = CI1.real
    CR1 = CI1 / RI[n1]
    CR1 = CR1.real
    if CR1 < 0.10:
        print("客户信用权重:")
        # 特征值法求权重
        weight = AHP(credit).cal_weight__by_eigenvalue_method()
    
    '''
    连接ads宽表,取出数据,计算信息质量得分、交费行为得分、用电行为得分、总得分
    '''
    
    # python读数据库
    # 连接mysql数据库
    conn = pymysql.connect(
        host='25.212.157.216',
        port=13306,
        user='jingyanyuan',
        password='Jingyanyuan@%458',
        db='jingyanyuan',
        charset='utf8',
        cursorclass=pymysql.cursors.DictCursor)#json格式
    # 创建游标
    cursor = conn.cursor()  # 执行完毕返回的结果默认以元组的形式保存
    # 使用 execute()  方法执行 SQL 查询
    sql = 'select * from mrt_cons_credit_jyy_m'
    cursor.execute(sql)
    data = cursor.fetchall()
    update_sql = 'update mrt_cons_credit_jyy_m set info_ql_sco =(%s),deal_ql_sco =(%s) , elec_mn_sco =(%s), credit_sco =(%s)  where cons_no = (%s)'
    update_data = []
    #循环遍历所有数据
    for index in range(len(data)):
        total_score = 0
        row_data = data[index]
        #基础信息
        cons_no = data['cons_no']
        cons_nm = data['cons_nm']
        cert_typ = data['cert_typ']
        cert_no = data['cert_no']
        elec_typ = data['elec_typ']
        elec_addr = data['elec_addr']
        tel_no = data['tel_no']
        owner_dt = data['owner_dt']
        ls_wechat = data['ls_wechat']
        ls_app = data['is_app']
        mes_len = 18
        '''
            信息准确得分    
        '''
        mes_score = 0
    
        # 基础信息完整性
        count_null = 0
        if (cons_no.strip() == ''):
            count_null += 1
        if (cons_nm.strip() == ''):
            count_null += 1
        if (cert_typ.strip() == ''):
            count_null += 1
        if (cert_no.strip() == ''):
            count_null += 1
        if (elec_typ.strip() == ''):
            count_null += 1
        if (elec_addr.strip() == ''):
            count_null += 1
        if (tel_no.strip() == ''):
            count_null += 1
        if (owner_dt.strip() == ''):
            count_null += 1
        if (count_null == 0):
            mes_score += mes_weight[0] * 100
        elif (count_null == 1):
            mes_score += mes_weight[0] * 75
        elif (count_null == 2):
            mes_score += mes_weight[0] * 50
        elif (count_null >=3 and count_null<mes_len):
            mes_score += mes_weight[0] * 25
        else:
            mes_score += 0
    
        #基础信息准确性
        if(cert_typ==1 and len(cert_no)!=18):
            mes_score += mes_weight[1] * 0
        else:
            mes_score += mes_weight[1] * 100
    
        #附加信息完整性
        if(ls_app==0 and ls_wechat==0):
            mes_score += mes_weight[2] * 0
        elif (ls_app == 1 and  ls_wechat == 1):
            mes_score += mes_weight[2] * 100
        else:
            mes_score += mes_weight[2] * 50
        print("信息准确得分:\n")
        print(mes_score)
    
        '''
            交费行为得分    
        '''
        pay_score = 0
        rcvbl_penalty_sum = data['rcvbl_penalty_sum']
        deal_amt_sum = data['deal_amt_sum']
        deal_channel_Pref = data['deal_channel_Pref']
        deal_channel_kind = data['deal_channel_kind']
    
        # 交费金额
        if (deal_amt_sum >=0 and deal_amt_sum < 87.6):
            pay_score += 0
        elif (deal_amt_sum>= 87.6 and deal_amt_sum < 215):
            pay_score += pay_weight[0] * 25
        elif (deal_amt_sum>=215 and deal_amt_sum < 488):
            pay_score += pay_weight[0] * 50
        elif (deal_amt_sum>=488 and deal_amt_sum < 1360):
            pay_score += pay_weight[0] * 75
        else:
            pay_score += pay_weight[0] * 100
    
        # 累计违约金额占比
        pay_percent = round(rcvbl_penalty_sum/deal_amt_sum,4)
        if(pay_percent == 0):
            pay_score += pay_weight[1] * 100
        elif(pay_score<0.0003):
            pay_score += pay_weight[1] * 75
        elif (pay_score <0.0009):
            pay_score += pay_weight[1] * 50
        elif (pay_score < 0.0023):
            pay_score += pay_weight[1] * 25
        else:
            pay_score += 0
    
        # 累计违约金额
        if (rcvbl_penalty_sum == 0):
            pay_score += pay_weight[2] * 100
        elif (rcvbl_penalty_sum < 1.09):
            pay_score += pay_weight[2] * 75
        elif (rcvbl_penalty_sum < 3.95):
            pay_score += pay_weight[2] * 50
        elif (rcvbl_penalty_sum < 13.6):
            pay_score += pay_weight[2] * 25
        else:
            pay_score += 0
    
        # 交费渠道偏好
        if(deal_channel_Pref == '0203'):
            pay_score += pay_weight[3] * 75
        elif (deal_channel_Pref == '0307' or deal_channel_Pref == '030702'
              or deal_channel_Pref == '0306' or deal_channel_Pref == '011101'):
            pay_score += pay_weight[3] * 100
        else:
            pay_score += pay_weight[3] * 50
    
        # 交费渠道种类
        if(deal_channel_kind >= 3):
            pay_score += pay_weight[4] * 25
        elif (deal_channel_kind  == 2):
            pay_score += pay_weight[4] * 50
        else:
            pay_score += pay_weight[4] * 100
    
        #户龄
        now_date = datetime.datetime.fromtimestamp(time.time())
        owner_dt = datetime.datetime.fromtimestamp(owner_dt)
        dd = (now_date - owner_dt).days / 30
        dd = math.ceil(dd)
        if (dd <70 ):
            pay_score += pay_weight[5] * 25
        elif (dd<133):
            pay_score += pay_weight[4] * 50
        elif (dd <175):
            pay_score += pay_weight[4] * 75
        else:
            pay_score += pay_weight[4] * 100
    
        print("交费行为得分:\n")
        print(pay_score)
    
        elec_score = 0
    
        '''
           用电行为得分    
        '''
        violate_kind = data['violate_kind']
        violate_num = data['violate_num']
        violate_elecqt = data['violate_elecqt']
        steal_kind = data['steal_kind']
        steal_num = data['steal_num']
        steal_elecqt = data['steal_elecqt']
    
        # 违法次数
        if (steal_num == 0):
            elec_score += elec_weight[0] * 100
        elif (steal_num == 1):
            elec_score += elec_weight[0] * 10
        elif (steal_num == 2):
            elec_score += elec_weight[0] * 10
        else:
            elec_score += 0
    
        # 违规次数
        if (violate_num == 0):
            elec_score += elec_weight[1] * 100
        elif (violate_num == 1):
            elec_score += elec_weight[1] * 10
        elif (violate_num == 2):
            elec_score += elec_weight[1] * 10
        else:
            elec_score += 0
    
        # 违法追补电量
        if (steal_elecqt == 0):
            elec_score += elec_weight[2] * 100
        elif (steal_elecqt>0):
            elec_score += 0
    
        # 违规追补电量
        if (violate_elecqt == 0):
            elec_score += elec_weight[3] * 100
        elif (violate_elecqt > 0):
            elec_score += 0
    
        # 违法窃电种类
        if (steal_kind == 0):
            elec_score += elec_weight[4] * 100
        elif (steal_kind == 1):
            elec_score += elec_weight[4] * 10
        elif (steal_kind == 2):
            elec_score += elec_weight[4] * 10
        else:
            elec_score += 0
    
        #违规种类
        if (violate_kind == 0):
            elec_score += elec_weight[4] * 100
        elif (violate_kind == 1):
            elec_score += elec_weight[4] * 10
        elif (violate_kind == 2):
            elec_score += elec_weight[4] * 10
        else:
            elec_score += 0
        print("用户行为得分:\n")
        print(elec_score)
    
        #计算总分
        total_score = weight[0] * mes_score + weight[1] * pay_score + weight[2] * elec_score
    
        #赋值分数
        tmp_update_data = [mes_score,pay_score,elec_score,total_score,cons_no]
        update_data.append(tmp_update_data)
    
    
    # 批量更新
    try:
        res = cursor.executemany(update_sql, update_data)
        print(res)
        conn.commit()
    except Exception as e:
        print(e)
        conn.rollback()
    finally:
        # 关闭数据库
        cursor.close()
        conn.close()
    
    
    

    在这里插入图片描述

    展开全文
  • 同时也分析了层次分析法权重的计算方法及应用,层次分析法的计算方法有四种方法:几何平均法、算术平均法、特征向量法、最小二乘法,以往的文献利用层次分析法解决实际问题时,都是采用其中的某一种方法权重向量,...
  • matlab层次分析法迅速求权重

    万次阅读 多人点赞 2019-06-15 10:43:18
    层次分析法是一种用处非常广的决策算法 虽然内容等于拍脑袋,不过有时候我们就是需要为拍脑袋找到合适的说法。 虽然它往往用于解决多目标选择的问题,但我们也可对其因素进行分析,来得到一个因素权重。 当然对于...

    层次分析法是一种用处非常广的决策算法

    虽然内容等于拍脑袋,不过有时候我们就是需要为拍脑袋找到合适的说法。

    虽然它往往用于解决多目标选择的问题,但我们也可对其因素进行分析,来得到一个因素权重。

    当然对于各因素求权重,需要建立一个评价矩阵(也就是拍脑袋)

    本段matlab代码即时利用评价矩阵求权重的内容,相当于目标决策的前半段部分,非常简单实用。

    %层次分析法
    A=[1 1/4 1/2 1/3 1/9;4 1 3 2 1/4;2 1/3 1 1/2 1/7;3 1/2 2 1 1/5;9 4 7 5 1];
    [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));
    31
    w=y(:,i)/a;
    t=m(i)
    disp(w)
    [v,d]=eig(A);
    r=d(1,1);
    CI=(r-n)/(n-1);
    RI=[0 0 0.58 0.9 1012 1.24 1.32 1.41 1.45]
    CR=CI/RI(n)
    if CR<0.1
    CR_result='通过'
    else
    CR_result='不通过'
    end
    disp('CR_result')

     

     

    展开全文
  • AHP层次分析法计算权重、特征值、特征向量,第一作者刘兴,其他地方下载需要47个币 【 尚有疑问,欢迎沟通!! 1.CSDN上有人说可用; 2.亲自试验,代码流畅,但个人感觉特征值、特征向量存疑; 3.用java出的特征...
  • [MATLAB]层次分析法计算权重

    千次阅读 2020-12-01 16:30:40
    %层次分析法权重函数 function [w,CR] = cengci(A) [~, 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...

    [MATLAB]关于层次分析法计算权重值

    %层次分析法权重函数
    function [w,CR] = cengci(A)
    
    [~, 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);
    
    %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 >= 0.1 
        disp('CR=');
        disp(CR);
        disp('一致性检验不通过,继续修改判断矩阵');
    else 
        disp('CR=');
        disp(CR);
        disp('判断矩阵的一致性可以接受');
        disp(w);
    end
    
    %使用层次分析法权重函数
    clear
    clc
    %输入自己的判断矩阵
    A = ;
    [w,CR] = cengci(A);
    
    展开全文
  • 适用于学习层次分析法EXCEL版的,可以作为手动计算层次分析数据的参考
  • 层次分析法权重

    2018-02-11 20:24:48
    层次分析求权重,。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。...
  • ahp层次分析法权重自动计算VBA模板,ahp层次分析法权重自动计算VBA模板,
  • 这里用python语言来计算判断矩阵的权重,网上大部分是matlab语言,里面也包含一致性检验的函数,具体各函数使用方法详见代码注释的部分 import numpy as np a=np.array([[1, 1 / 4, 2, 1 / 3], [4, 1, 8, 2], [1 / 2...
  • 熵值法和层次分析法权重确定中的应用,较为详细的讲解了应用的范围和方法。
  • 利用层次分析法需要计算权重,而权重的计算和使用是比较麻烦的,在这里封装了一些方法。注意的吧,这个东西需要一点知识,代码应该没问题。
  • 运用VBA代码实现层次分析法权重计算,可以自动计算权重向量,并进行一致性检验,从而减少计算权重向量的重复性工作,使层次分析法可以便于计算
  • 层次分析法Matlab代码

    2018-09-18 09:38:40
    层次分析法的matlab代码,主要用于计算各影响因子的权重,下载后换成你的数据就可以用了。
  • ahp层次分析法在确定评价指标权重系数中的应用
  • 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...
  • 在分析层次分析法(AHP)确定权重不足的基础上,结合物元分析理论,建立确定顶煤可放性各因素权重的物元分析模型.该方法充分考虑各专家对事物的不同认识程度,克服了以往AHP法在确定指标权重中所存在的片面性,使指标体系...
  • '对比矩阵A通过一致性检验,各向量权重向量Q为:' ) sum = np . sum ( C ) Q = C / sum #特征向量标准化 print ( Q ) # 输出权重向量 else : print ( "对比矩阵A未通过一致性检验,需对对比矩阵A重新...
  • 层次分析法权重1.2.zip

    2020-08-10 19:46:44
    C#编写的WinForm窗体程序,主要计算评估指标权重,可自由修改指标,包括添加指标或删除指标,亲测可用
  • 数模中层次分析法确定权重
  • 此文件解决了层次分析法中如果递阶图里准则层与方案层并不是每一个准则都对应所有方案时该如何解决,这几篇论文给出了解决办法
  • MATLAB实现层次分析法计算权重的代码函数实现

    万次阅读 多人点赞 2014-10-18 13:35:20
    function Q=AHP(A) [m,n]=size(A); RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51]; R=rank(A); %判断矩阵的秩 [V,D]=eig(A); %判断矩阵的特征值和特征向量,V特征值,D特征向量;
  • 层次分析法

    千次阅读 2021-01-22 18:06:33
    层次分析法(AHP) 层次分析法(The analytic hierarchy process),主要用于解决数学建模中评价类问题。 评价类问题是数学建模中较为常见的一类问题,解决这一类问题的途径有很多,但我认为最简单而又高效的方式是...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 12,678
精华内容 5,071
关键字:

层次分析法求权重