Fuzzy comprehensive evaluation method based on Analytic hierarchy process
test 是投票数据矩阵 在代码文件夹里面有个test4.txt文件 可以直接改投票数据,需要和各个指标个数匹配
U 是指明有几个待比较的地点 没啥用
V 投标标准个数 默认4
num_D一级指标个数 默认3
list_D 二级指标个数 默认 2 3 3
num_D 和list_D必须和test一致
输出:
weight 根据投票结果得到的每个指标的权重 编号0是一级其余为二级
R_list 一级评价矩阵, 编号0是一级其余是二级
B_list 一级评价向量 编号0是一级其余是二级
R_Sec 二级评价矩阵
B_Sec 二级评价向量 最后的B_Sec就是模糊评价结果 0 1 2 3 分别是很合理 一般合理 不合理 很差
在函数中使用Get_weight则直接使用专家投票得到权重
在函数中使用GetWeight_AHP则使用层次分析法得到权重
层次分析法需要的参数:
需要输入的参数:
B :准则层个数 需要与外部对应的 准则层矩阵.txt配合
注意这个矩阵是对角矩阵 如果是N个准则 则是一个NXN的矩阵
C :方案层个数 需要与外部对应的 方案层矩阵.txt配合
每一个对应一个准则 都有一个方案层矩阵 如果是M个方案 则是一个MXM矩阵
在方案层矩阵.txt文件里面竖向存放了N个方案层矩阵
因为你之前的论文有8个二级因素 所以默认的是准则层有8个 方案层三个
在运行时如果报错
Failed the consistency test.Please modify the matrix.
那么代表没有通过一致性检验 需要重新构造矩阵
输出数据如下:
Score :最终输出的三个方案的成绩
Val_BMAX :准则层矩阵的最大特征值
Weight_B :准则层矩阵的权向量(即对应最大特征值的归一化特征向量)
CRB :准则层的一致化检验值,如果在右边变量管理器看不到,就在右下方控制台输入CRB回车就行
Val_CMAX :方案层矩阵的最大特征值
Weight_C :方案层矩阵的权向量(即对应最大特征值的归一化特征向量)
CRC :方案层的一致化检验值,如果在右边变量管理器看不到,就在右下方控制台输入CRC回车就行
上传的时候隔了太久,输入可能有问题,但是代码原理应该没错。