MATLAB层次分析法怎么得到权重向量

MATLAB中可以使用层次分析法(AHP)工具箱来计算出权重向量。具体步骤如下：

1. 创建一个判断矩阵，该矩阵包含所有要求的因素及其相对重要性的两两比较。

2. 计算出判断矩阵的特征向量，该向量包含了每个因素的权重。

3. 对特征向量进行一致性检验，以确保它们是合理的。

以下是MATLAB中使用AHP工具箱计算权重向量的示例代码：

% 创建判断矩阵
C = [1 3 5; 1/3 1 3; 1/5 1/3 1];

% 计算特征向量
[V, D] = eig(C);
w = V(:,1)/sum(V(:,1));

% 进行一致性检验
CI = (max(D(:))-3)/2;
CR = CI/0.58;

% 输出结果
disp('权重向量：');
disp(w');
disp(['一致性指标CI：' num2str(CI)]);
disp(['一致性比率CR：' num2str(CR)]);

在这个例子中，判断矩阵C表示三个因素的相对重要性，其中1表示相对一致，3表示一个因素比另一个因素更重要，5表示一个因素比另一个因素非常重要。通过计算特征向量，我们可以得到每个因素的权重向量。最后，进行一致性检验以确保结果是合理的。

相关问题

matlab层次分析法求权重

关于使用MATLAB进行层次分析法求取权重的问题，有以下两种方法可以使用：
方法一：算术平均法
根据算术平均法，可以通过以下步骤计算得到权重：
1. 将判断矩阵中每一列的元素除以该列元素之和，得到一个新的矩阵。
2. 对新矩阵的每一行进行求和，并将结果除以矩阵的行数，得到一个权重向量。

方法二：层次分析法
层次分析法需要通过编写MATLAB函数来计算权重。下面是一段示例代码，可以用于计算判断矩阵的权重：
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);
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

你可以根据自己的判断矩阵A调用以上函数进行权重计算。

matlab实现层次分析法计算权重

以下是使用MATLAB实现层次分析法计算权重的步骤：

1. 定义评价矩阵A，其中每个元素表示两个准则之间的相对重要性。
2. 初始化变量和矩阵，如x、y和m。
3. 计算一致性指标CI和平均一致性比CR。
4. 检查CR是否小于0.1，如果是，则通过，否则不通过。
5. 输出权重向量w。

请注意，在代码中，引用提供了MATLAB的实现细节，包括如何生成评价矩阵A和计算权重的步骤。你可以根据需要在MATLAB中执行这些代码。