关于某层次分析报告法的例题与解

旅游业发展水平评价问题
摘要
为了研究比较两个旅游城市Q、Y的旅游业发展水平，建立层次分析法]3[数学模型，对两个旅游城市Q、Y的旅游业发展水平进行了评价.
首先，通过对题目中的图1、表1进行了分析与讨论，根据层次分析法，建立了目标层A、准则层B和子准则层C、方案层D四个层次，通过同一层目标之
间的重要性的两两比较，得出判断矩阵,利用]1[
MATLAB编程对每个判断矩阵进行求解.
其次,用MATLAB软件算出决策组合向量，再比较决策组合向量的大小，由“决策组合向量最大”为目标,得出城市Y的决策组合向量为0.4325，城市Q组合向量为0.5675.
最后，通过城市Q旅游业发展水平与旅游城市Y旅游业发展水平的决策组合向量比较，得出城市Q的旅游业发展水平较高.
关键词层次分析法MATLAB旅游业发展水平决策组合向量
1.问题重述
本文要求分析Q
Y,两个旅游城市旅游业发展水平,并且给出了两个城市各方面因素的对比，如城市规模与密度，经济条件，交通条件，生态环境条件，宣传与监督，旅游规格，空气质量，城市规模，人口密度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP，外贸依存度，市外交通，人均拥有绿地面积，污水集中处理率，环境噪音，国外旅游人数，理赔金额，立案数量，A级景点数量，旅行社数量，星级饭店数量.建立数学模型进行求解.
2.问题分析
本文要求分析Q
Y,两个城市的分析Y,两个旅游城市旅游业发展水平，在对Q
中，发现需要考虑因素较多，第一、城市规模与密度，包括城市规模与人口密度.第二、经济条件，包括外贸依存度，人均GDP，人均住房面积，第三产业增加值占GDP比重，税收GDP.第三、交通条件，包括市外交通.第四，生态环境条件包括空气质量，人均绿地面积，污水处理能力，环境噪音.第五、宣传与监督，包括国外旅游人数，游客投诉立案件数.第六、旅游规格，包括A级景点个数，旅行社个数，星级饭店个数，这就涉及到层次分析法来估算各个指标的权重，评出最优方案.具体容如下：
（1）本文选择了对Q
Y,两个旅游城市旅游业发展水平有影响的19个指标作为评价要素,指标规定如下：
城市规模：城市的人口数量.
人口密度：单位面积土地上居住的人口数.是反映某一地区围人口疏密程度的指标.人口影响城市规模.人口密度越大城市规模也就越大.
人均GDP：即人均国生产总值.
人均城建资金：即用于城市建设的资金总投入.
第三产业增加值：增加值率指在一定时期单位产值的增加值.即第三产业增加值越高越能带动城市经济的发展.
税收GDP：税收是国家为实现其职能，凭借政治权力，按照法律规定，通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式.
外贸依存度：即城市对于外贸交易的依赖程度.
市交通：即城市市区交通情况.
市外交通：即城市郊区交通情况.市交通与市外交通对于城市交通条件具有同等的重要性.
空气质量：即城市总体空气质量情况.空气质量越好对于城市生态环境就越好.
人均绿地面积：即反应城市绿化面积以及人口密度的比值关系.
污水处理能力：城市污水处理水平.
环境噪音：城市环境噪音情况.
国外旅客人数：国外来旅客一年总人数.人数越多说明宣传与监督就越好.
理赔金额：即立案后需要赔付的资金数.
立案件数：即在旅游时发生事件后公安部立案的件数.
A 级景点数量：即A 级景点的个数.A 级景点越多,越能带动旅行社数量以及星级饭店数量,则旅游规格越大.
旅行社数量：即旅行社的个数.
星级饭店数量：即星级饭店在旅游景点的个数.
（2）用层次分析法建立模型，根据判断矩阵，利用MATLAB 软件，算出每个判断矩阵的特征向量W 、最大特征根c 、一次性指标CI ，再结合随机一次性指标，得出每个指标的特征向量.
（3）用（2）得出的数据，运用MATLAB 软件算出两个城市的决策组合向量，做比较.
3.模型假设
1.假设两个城市Q 、Y 的人口流动不大.
2.假设两个城市Q 、Y 的各项指标短期不会发生太大的改变.
4.符号说明
A : 表示目标层；
j B : 表示准则层第j 个指标的名称)6,,2,1( =j ；
i C : 表示子准则层第i 个指标的名称()19,,2,1 =i ； q D : 表示方案层第q 个指标的名称()2,1=q ；
1w : 表示准则层对目标层的特征向量组成的矩阵； 2w : 表示子准则层对准则层的特征向量组成的矩阵； 3w : 表示方案层对子准则层的特征向量组成的矩阵；
CI : 表示一次性指标；
CR : 表示随机一次性指标； Z : 表示决策组合向量.
5.模型建立与求解
5.1 根据层次分析法分析以及题目中的图1可以建立如下表5-1的层次分析结构，并构造两两比较判断矩阵
在递阶层次结构中，设上一层元素B 为准则层，所支配的下一层元素为
1C ……19C ，要确定元素1C ……n C 对于准则层B 相对的重要性即权重，可分为
两种情况：
（1）如果1C 2C ……n C 对B 的重要性可定量，其权重可直接确定； （2）如果问题复杂，1C 2C ……n C 对B 的重要性无法直接定量，而是一些定性的，确定权重用两两比较方法.
（3）其方法是，对于准则层C ，元素i C 和j C 哪一个更重要，重要多少，按1-9比例标度对重要性程度赋值.表5-2中列出了1-9标度的含义.
对于准则B ，n 个元素之间相对重要性的比较得到一个两两比较判断矩阵P =()mxn ij P ，
表示其中ij P 表示i P 和j P 对B 的影响之比，显然ij P >0，ij P =ij
P 1
，ij P =1，由ij P 的特点，P 称为正互反矩阵.
通过两两判断矩阵用方根法求出他们的最大特征根和特征向量，求法如下： 1. 判断矩阵每一行元素的乘积，其中ij n
1j 1p m =∏=，i =1,2…,n .
2. 计算i m 的n 次方根_i w ，_
i w =n i m .
3. 对向量T
n w w w ⎪⎭⎫ ⎝⎛=_
_
1,...,归一化，即∑==n j j
i w 1
__
i w w ，则T
n w w w ⎪⎭
⎫
⎝⎛=__1,...,为所
求的特征向量.
4. 计算判断矩阵的最大特征跟m ax λ，()
∑
==n
1max i i
i
nw pw λ，式中()i pw 表示pw 的
第i 个元素.
5. 定义⎪⎭⎫ ⎝
⎛
--=1max n n CI CI λ为矩阵A 的一致性指标，为了确定A 的不一致性
程度的容许围，需要找出衡量A 的一致性指标CI 的标准.引入随机一致性指标
RI .
平均随机一致性指标RI 是这样得到的；对于固定的n ，随机构造正互反矩
阵A ，其中ij a 是从1，2，……9,91
......31,21中随机抽取的，这样的A 是最不一致
的，取充分大的样子（500个样本）得到A 的最大特征跟的平均值m ax λ，定义
⎪⎭⎫ ⎝
⎛--=1max n n RI λ，对于不同的n 得出随机一致性指标RI 的数值如下表5-3
表中n =1,2时RI =0，是因为1,2阶的正互反矩阵总是一致阵.
令RI
CI
CR =，称CR 为一致性比率，当CR <0.1时，本文认为判断矩阵具有
满意的一致性，否则就需要调整判断矩阵，使之具有满意的一致性.最后通过计算得出下表5-4（其中n B 表示准则层的特征向量中的第n 个数值，in C 表示指标层的特征向量第n 个准则对第j 个指标的数值）
层次总排序一致性检验的方法
j n
1CI c CI j j ∑==
j n 1
c RI RI j j ∑==
RI
CI CR =
若1.0
CR时，所以认为判断矩阵具有满意的一致性，否则就需要调整判断.
矩阵，使之具有满意的一致性.
5.2根据层次分析法求出各个指标的权重
依据题目中的表1分析，对本题做出其中一种假设：
（1）经济条件和交通条件重要性相当，生态环境条件最重要，旅游规格、宣传与监督、城市规模与密度依次次之.
（2）在城市规模与密度中，城市人口比人口密度重要一点.
（3）在经济条件中，第三产业增加值GDP第一重要，其次是人均GDP，税收GDP、外贸依存度、人均城建资金依次次之.
（4）在交通条件中，市交通和市外交通的重要性相当.
（5）在生态环境条件中，空气质量第一重要，其次是人均绿地面积，污水处理能力、环境噪音依次次之.
（6）在宣传与监督中，国外旅游人数第一重要，理赔金额、游客投诉立案件数重要性相当.
（7）在旅游规格中，A级景点个数第一重要，星级饭店个数、旅行社个数依次次之.
（8）对于城市规模，城市Q比城市Y的重要性小一些；对于人口密度，城市Y比城市Q的重要性明显重要；对于人均GDP，城市Q比城市Y的重要性稍重要；对于人均城建资金，城市Q比城市Y的重要性稍微重要；对于第三产业增加值GDP，城市Q比城市Y的重要性小一些；对于税收GDP，城市Q比城市Y的重要性稍小一点；对于外贸依存度,城市Q比城市Y的重要性稍重要；对于市交通，城市Y比城市Q的重要性稍重要一点；对于市外交通，城市Y比城市Q的重要性比稍重要小一点；归于空气质量，城市Q比城市Y的重要性相当；对于人均绿地面积，城市Y比城市Q的重要性稍重要；对于污水处理能力，城市Y比城市Q的重要性稍重要一些；对于环境噪音，城市Q比城市Y的重要性相当；对于国外旅游人数，城市Q比城市Y的重要性稍重要；对于理赔金额，城市Q比城市Y 的重要性稍重要一些；对于游客投诉立案件数，城市Q比城市Y的重要性稍重要；对于A级景点个数，城市Y比城市Q的重要性稍重要小一些；对于旅行社个数，城市Y比城市Q的重要性稍重要小一些；对于星级饭店个数，城市Q比城市Y的重要性相当.
根据上述分析，按1-9比例标度对准则层对目标层、子准层对准则层、目标
层对子准则层的重要程度进行赋值，构造准则层对目标层的判断矩阵、子准则层对准则层的判断矩阵、方案层对子准则层的判断矩阵.
准则层()6,,2,1 =j B j 对目标层A 的判断矩阵
⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢
⎢
⎢⎢⎢
⎢⎢
⎢⎢
⎢⎣
⎡=12
3
12
121321141313123412252321114232111431215141411A 利用MATLAB 软件(附录1)求得 最大特征值
0719.6max =λ
特征向量
⎥⎥⎥⎥⎥⎥⎥⎥⎦
⎤
⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1219.00753.03422.02057.02057.00492.01w
一致性检验比率
1.00116.0<=CR
所以矩阵满足一致性检验.
子准则层21,C C 对准则层1B 的判断矩阵
⎥⎥⎦
⎤⎢⎢⎣⎡=131311B
利用MATLAB 软件(附录2)求得 最大特征值
2max =λ
特征向量为
⎥⎦
⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层76543,,,,C C C C C 对准则层2B 的判断矩阵
⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=12
14
12
3
1213132143152
2131511413221412B 利用MATLAB 软件(附录3)求得 最大特征值
0681.5max =λ
特征向量
⎥⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎢⎢⎣⎡=0973.01599.04185.00618.02625.0w
一致性检验比率
1.0015
2.0<=CR
所以矩阵满足一致性检验.
子准则层98,C C 对准则层3B 的判断矩阵
⎥⎦
⎤⎢⎣⎡=11113B 利用MATLAB 软件(附录4)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 子准则层13121110,,,C C C C 对准则层4B 的判断矩阵
⎥⎥
⎥⎥
⎥⎥
⎥⎦
⎤
⎢⎢⎢⎢⎢⎢⎢⎣⎡=11213
1112131
2212133214B 利用MATLAB 软件(附录5)求得
最大特征值
0104.4max =λ
特征向量
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎢⎣⎡=1409.01409.02628.04554.0w 一致性检验比率
1.00038.0<=CR
所以矩阵满足一致性检验.
子准则层161514,,C C C 对准则层5B 的判断矩阵
⎥⎥⎥⎥⎥⎥⎦
⎤
⎢⎢⎢⎢
⎢⎢⎣⎡=12
2
1211212215B 利用MATLAB 软件(附录6)求得
最大特征值
0536.3max =λ
特征向量
⎥⎥
⎥⎦
⎤
⎢⎢⎢⎣⎡=3108.01958.04934.0w 一致性检验比率
1.0046
2.0<=CR
所以矩阵满足一致性检验.
子准则层191817,,C C C 对准则层6B 的判断矩阵
⎥⎥⎥⎥⎥⎥⎦
⎤
⎢⎢⎢⎢
⎢⎢⎣⎡=12
2
1211312316B 利用MATLAB 软件(附录7)求得
最大特征值
0092.3max =λ
特征向量
⎥⎥
⎥⎦
⎤
⎢⎢⎢⎣⎡=2970.01634.05396.0w 一致性检验比率
1.00079.0<=CR
所以矩阵满足一致性检验.
方案层对子准则层的判断矩阵 方案层21,D D 对子准则层1C 的判断矩阵
⎥⎥⎦
⎤⎢⎢⎣⎡=122111C
利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层2C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=15511
2C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎢⎣=1667.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层3C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=13311
3C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层4C 的判断矩阵
⎥⎥⎦
⎤⎢⎢⎣⎡
=144114C
利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层5C 的判断矩阵：
⎥⎥⎦
⎤⎢⎢⎣⎡
=122115C
利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎢⎣=3333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层6C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=13311
6C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层7C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=141417C 利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层8C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=15511
8C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎢⎣=8333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层9C 的判断矩阵
⎥⎥⎦
⎤⎢⎢⎣⎡
=122119C
利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层10C 的判断矩阵
⎥⎦
⎤
⎢⎣⎡=111110C 利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层11C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=1313111C
利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=7500.02500.0w
因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层12C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=1414112C 利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥⎦
⎤⎢⎣⎡=2000.08000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层13C 的判断矩阵
⎥⎦
⎤⎢⎣⎡=111113C 利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥⎦
⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层14C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=13311
14C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.
2115⎥⎥⎦
⎤⎢⎢
⎣
⎡=1441115C 利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥⎦
⎤
⎢⎣⎡=8000.02000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层16C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=13311
16C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥⎦
⎤⎢⎣⎡=2500.07500.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层17C 的判断矩阵
⎥⎥⎦
⎤
⎢⎢⎣⎡=13311
17C
利用MATLAB 软件(附录8)求得
最大特征值
2max =λ
特征向量为
⎥
⎦
⎤
⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验.
2118⎥⎥⎦
⎤⎢⎢
⎣
⎡=1221118C 利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥⎦
⎤
⎢⎣⎡=6667.03333.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 方案层21,D D 对子准则层19C 的判断矩阵：
⎥⎦
⎤
⎢⎣⎡=111119C 利用MATLAB 软件(附录8)求得 最大特征值
2max =λ
特征向量为
⎥⎦
⎤⎢⎣⎡=5000.05000.0w 因为当2=n 时，0=RI ,2阶的正反矩阵总是一致性，所以满足一致性检验. 通过准则层()6,,2,1 =j B j 对目标层A 的判断矩阵、子准则层
()19,,2,1 =i C i 对准则层()6,,2,1 =j B j 的判断矩阵得出特征向量，建立层次总
表5-5
层次总排序一致性检验如下:
0073.06
1==∑=j j j CI B CI
65274.0j 61
j j ==∑=RI B RI
0111.065274
.00073.0===
RI CI CR 由于1.00111.0<=CR ,所以认为层次总排序的结果具有满意的一致性，因此不需要重新调整判断矩阵的元素取值.
5.3 利用MATLAB 进行决策组合向量的运算（附录9）
⋅⎥⎥⎥
⎥
⎥
⎥
⎥⎥
⎥
⎥⎥
⎥
⎥⎥
⎥
⎥
⎥
⎥⎥
⎥
⎥
⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢
⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⋅⋅=T
w w w Z 2970.000
1634.0000005396.00000003108.0000001958.0000004934.00000001409.0000001409.0000002628.0000004554.0000
0005000.0000005000.00000000973.000
00
1599
.0000004185.0000000618.0000002625.00000002500.000000
7500.0132⎥⎥⎥⎥
⎥⎥
⎥⎥⎥
⎥⎥⎥
⎥⎥⎥
⎥⎥
⎥⎥⎥
⎥⎥⎥
⎥⎥⎥
⎥⎥⎦
⎤
⎢⎢⎢
⎢⎢
⎢⎢⎢
⎢⎢⎢
⎢⎢⎢
⎢⎢
⎢⎢⎢
⎢⎢⎢
⎢⎢⎢
⎢⎢
⎢⎣⎡5000.05000.06667.03333.06667.03333.02500.07500.08000.02000.02500.07500.05000.05000.02000.08000.07500.02500.05000.05000.06667.03333.01667.08333.08000.02000.02500.07500.06667.03333.02000.08000.02500.07500.08333.01667.03333.06667.0⎥⎥⎥⎥⎥⎥⎥⎥⎦
⎤
⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⋅1219.00753.03422.02057.02057.00492.0 Z ⎥⎦
⎤⎢⎣⎡=5675.04325.0 比较Z 值大小可知，12Z Z >,表明城市Q 的旅游发展也水平最高，城市Y 的旅游业发展水平次之，所以城市Q 的旅游发展也水平高.
6模型的评价
优点：
(1) 本文选择了计算比较简单的层次分析法，经过计算得到了相应的综合发展旅游业的估计值，为城市旅游业的发展提供了依据.
(2) 使用了MATLAB 软件，减少了计算工作量，大大降低了运算的困难.
缺点：
判断的结果具有一定的主观性，不能比较切实的结合当地的具体情况，做出科学的决策方案.
7参考文献
[1] 启源等，数学建模（第四版）:高等教育.2011年
[2] 马莉，数学实验与建模，:清华大学出版2010年
[3] 王莲芬，层次分析法引论，:中国人民大学，1990年
附录：
附录1
x=[1 1/4 1/4 1/5 1/2 1/3;4 1 1 1/2 3 2;4 1 1 1/2 3 2;5 2 2 1 4 3;2 1/3 1/3 1/4 1 1/2;3 1/2 1/2 1/3 2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-6)/5 %一致性指标
CR=CI/1.24 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =6.0719
W =
0.0492
0.2057
0.2057
0.3422
0.0753
0.1219
B =
0.0467
0.2141
0.2141
0.2918
0.0881
0.1452
CI =
0.0144
CR =
0.0116
C =
0.2146
附录2：
>> x=[1 3;1/3 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.7500
0.2500
B =
0.7500
0.2500
CI =
CR =
NaN
C =
0.6250
附录3：
x=[1 4 1/2 2 3;1/4 1 1/5 1/3 1/2;2 5 1 3 4;1/2 3 1/3 1 2;1/3 2 1/4 1/2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-5)/4 %一致性指标
CR=CI/1.12 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
5.0681
W =
0.2625
0.0618
0.4185
0.1599
0.0973
B =
0.2734
0.0594
0.3664
0.1873
0.1135
CI =
0.0170
CR =
0.0152
C =
0.2698
附录4：
x=[1 1;1 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.5000
0.5000
B =
0.5000
0.5000
CI =
CR =
NaN
C =
0.5000
附录5：
x=[1 2 3 3;1/2 1 2 2;1/3 1/2 1 1;1/3 1/2 1 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-4)/3 %一致性指标
CR=CI/0.90 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
4.0104
W =
0.4554
0.2628
0.1409
0.1409
B =
0.4395
0.2787
0.1409
0.1409
CI =
0.0035
CR =
0.0038
C =
0.3131
附录6：
x=[1 2 2;1/2 1 1/2;1/2 2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-3)/2 %一致性指标
CR=CI/0.58 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
3.0536
W =
0.4934
0.1958
0.3108
B =
0.4606
0.1879
0.3515
CI =
0.0268
CR =
0.0462
C =
0.3733
附录7：
x=[1 3 2;1/3 1 1/2;1/2 2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-3)/2 %一致性指标
CR=CI/0.58 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
3.0092
W =
0.5396
0.1634
0.2970
B =
0.5199
0.1620
0.3181
CI =
0.0046
CR =
0.0079
C =
0.4015
附录8：
% 目标层Q,Y对子准则层C1的赋值
>> x=[1 2;1/2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.3333
0.6667
B =
0.3333
0.6667
CI =
CR =
NaN
C =
0.5556
End
% 目标层Q,Y对子准则层C2的赋值
x=[1 5;1/5 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.8333
0.1667
B =
0.8333
0.1667
CI =
CR =
NaN
C =
0.7222
End
% 目标层Q,Y对子准则层C3的赋值
x=[1 1/3;3 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.7500
0.2500
B =
0.7500
0.2500
CI =
CR =
NaN
C =
0.6250
End
% 目标层Q,Y对子准则层C4的赋值
x=[1 4;1/4 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.8000
0.2000
B =
0.8000
0.2000
CI =
CR =
NaN
C =
0.6800
End
% 目标层Q,Y对子准则层C5的赋值
x=[1 2;1/2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.6667
0.3333
B =
0.6667
0.3333
CI =
CR =
NaN
C =
0.5556
End
% 目标层Q,Y对子准则层C6的赋值
x=[1 1/3;3 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.7500
0.2500
B =
0.7500
0.2500
CI =
CR =
NaN
C =
0.6250
End
% 目标层Q,Y对子准则层C7的赋值
x=[1 4;1/4 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.2000
0.8000
B =
0.2000
0.8000
CI =
CR =
NaN
C =
0.6800
End
% 目标层Q,Y对子准则层C8的赋值
x=[1 5;1/5 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.1667
0.8333
B =
0.1667
0.8333
CI =
CR =
NaN
C =
0.7222
End
% 目标层Q,Y对子准则层C9的赋值
x=[1 2;1/2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag
为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.3333
0.6667
B =
0.3333
0.6667
CI =
CR =
NaN
C =
0.5556
End
% 目标层Q,Y对子准则层C10的赋值
x=[1 1;1 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.5000
0.5000
B =
0.5000
0.5000
CI =
NaN
C =
0.5000
% 目标层Q,Y对子准则层C11的赋值
x=[1 1/3;3 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.2500
0.7500
B =
0.2500
0.7500
CI =
CR =
NaN
C =
0.6250
End
% 目标层Q,Y对子准则层C12的赋值
x=[1 4;1/4 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
W =
0.8000
0.2000
B =
0.8000
0.2000
CI =
CR =
NaN
C =
0.6800
End
% 目标层Q,Y对子准则层C13的赋值
x=[1 1;1 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.5000
0.5000
B =
0.5000
0.5000
CI =
CR =
NaN
C =
0.5000
% 目标层Q,Y对子准则层C14的赋值
x=[1 1/3;3 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.7500
0.2500
B =
0.7500
0.2500
CI =
CR =
NaN
C =
0.6250
End
% 目标层Q,Y对子准则层C15的赋值
x=[1 4;1/4 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.2000
0.8000
B =
0.2000
0.8000
CI =
CR =
NaN
C =
0.6800
End
% 目标层Q,Y对子准则层C16的赋值
x=[1 1/3;3 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.7500
0.2500
B =
0.7500
0.2500
CI =
CR =
NaN
C =
0.6250
End
% 目标层Q,Y对子准则层C17的赋值
x=[1 2;1/2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.3333
0.6667
B =
0.3333
0.6667
CI =
CR =
NaN
C =
0.5556
End
% 目标层Q,Y对子准则层C18的赋值
x=[1 2;1/2 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.3333
0.6667
B =
0.3333
0.6667
CI =
CR =
NaN
C =
0.5556
End
% 目标层Q,Y对子准则层C19的赋值
x=[1 1;1 1];
[V,D]=eig(x);%
c=max(diag(D)) %最大特征根位置
f=find(diag(D)==max(diag(D))); %求lamda（最大特征根）位置----其中:diag 为矩阵对角线上的元素
W=V(:,f)/sum(V(:,f)) %归一特征向量
B=x/sum(x) %计算权向量
CI=(c-2)/1 %一致性指标
CR=CI/0 %一致性比率，要小于0.1
C=sum(B.*W) %组合权重
运算结果：
c =
2
W =
0.5000
0.5000
B =
0.5000
0.5000
CI =
CR =
NaN
C =
0.5000
附录9：
% 最终组合权向量：
x=[0.75 0 0 0 0 0;0.25 0 0 0 0 0;0 0.2625 0 0 0 0;0 0.0618 0 0 0 0;0 0.4185 0 0 0 0;0 0.1599 0 0 0 0;0 0.0973 0 0 0 0;0 0 0.5 0 0 0;0 0 0.5 0 0 0;0 0 0 0.4554 0 0;0 0 0 0.2628 0 0;0 0 0 0.1409 0 0;0 0 0 0.1409 0 0;0 0 0 0 0.4934 0;0 0 0 0 0.1958 0;0 0 0 0 0.3108 0;0 0 0 0 0 0.5396;0 0 0 0 0 0.1634;0 0 0 0 0 0.2970]
x =
0.7500 0 0 0 0 0
0.2500 0 0 0 0 0
0 0.2625 0 0 0 0
0 0.0618 0 0 0 0
0 0.4185 0 0 0 0
0 0.1599 0 0 0 0
0 0.0973 0 0 0 0
0 0 0.5000 0 0 0
0 0 0.5000 0 0 0
0 0 0 0.4554 0 0
0 0 0 0.2628 0 0
0 0 0 0.1409 0 0
0 0 0 0.1409 0 0
0 0 0 0 0.4934 0
0 0 0 0 0.1958 0
0 0 0 0 0.3108 0
0 0 0 0 0 0.5396
0 0 0 0 0 0.1634
0 0 0 0 0 0.2970
y=[0.0492;0.2057;0.2057;0.3422;0.0753;0.1219]
y =
0.0492
0.2057
0.2057
0.3422
0.0753
0.1219
z=x*y
运算结果：
z =
0.0369
0.0123
0.0540
0.0127
0.0861
0.0329
0.0200
0.1029
0.1029
0.1558
0.0899
0.0482
0.0482
0.0372
0.0147
0.0234
0.0658
0.0199
0.0362
a=[0.3333 0.8333 0.75 0.2 0.3333 0.75 0.2 0.1667 0.3333 0.5 0.25 0.8 0.5 0.75 0.2 0.75 0.3333 0.3333 0.5;0.6667 0.1667 0.25 0.8 0.6667 0.25
0.8 0.8333 0.6667 0.5 0.75 0.2 0.5 0.25 0.8 0.25 0.6667 0.6667 0.5]
a =
Columns 1 through 7
0.3333 0.8333 0.7500 0.2000 0.3333 0.7500 0.2000
0.6667 0.1667 0.2500 0.8000 0.6667 0.2500 0.8000
Columns 8 through 14
0.1667 0.3333 0.5000 0.2500 0.8000 0.5000 0.7500
0.8333 0.6667 0.5000 0.7500 0.2000 0.5000 0.2500
Columns 15 through 19
0.2000 0.7500 0.3333 0.3333 0.5000
0.8000 0.2500 0.6667 0.6667 0.5000
c=a*z
运算结果：
c =
0.4325
0.5675。