- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
java求矩阵的特征值和特征向量(AHP层次分析法计算权重)(附源代码)
这几天做一个项目,需要用到 求矩阵的特征值特征向量。我c++学的不好,所以就去网站找了很多java的源代码,来实现这个功能。很多都不完善,甚至是不准确。所以自己参考写了一个。这个用于我一个朋友的毕业设计。结果肯定正确。话不多说,贴源代码!
import java.math.BigDecimal;
import java.util.Arrays;
/**
* AHP层次分析法计算权重
*
* @since jdk1.6
* @author 刘兴
* @version 1.0
* @date 2012.05.25
*
*/
public class AHPComputeWeight {
/**
* @param args
*/
public static void main(String[] args) {
/** a为N*N矩阵 */
//double[][] a= {{1,1,1},{1,1,1},{1,1,1}};
double[][] a ={{1,3,5},{2,3,1,},{4,7,3}};
//double[][] a = {{1 ,1/5, 1/3},{5, 1, 1},{3,1,1}};
//double[][] a ={{1, 1/2, 2, 1},{2, 1, 3, 4},{1/2 ,1/3, 1, 1},{1 ,1/4, 1, 1}};
//double[][] a = {{1 ,0.5, 0.5},{2 ,1, 1},{2 ,1, 1}};
//double[][] a = {{1, 1/4, 1/3, 1},{4, 1 ,3 ,5},{3, 1/3, 1, 4},{1, 1/5, 1/4, 1}};
// double[][] a= {{1,2,3,5},{0.5,1,2,3},{0.33,0.5,1,2},{0.2,0.33,0.5,1}};
int N = a[0].length;
double[] weight = new double[N];
AHPComputeWeight instance = AHPComputeWeight.getInstance();
instance.weight(a, weight, N);
System.out.println(Arrays.toString(weight));
}
// 单例
private static final AHPComputeWeight acw = new AHPComputeWeight();
// 平均随机一致性指针
private double[] RI = { 0.00, 0.00, 0.58, 0.90, 1.12, 1.21, 1.32, 1.41,
1.45, 1.49 };
// 随机一致性比率
private double CR = 0.0;
// 最大特征值
private double lamta = 0.0;
/**
* 私有构造
*/
private AHPComputeWeight() {
}
/**
* 返回单例
*
* @return
*/
public static AHPComputeWeight getInstance() {
return acw;
}
/**
* 计算权重
*
* @param a
* @param weight
* @param N
*/
public void weight(double[][] a, double[] weight, int N) {
// 初始向量Wk
double[] w0 = new double[N];
for (int i = 0; i < N; i++) {
w0[i] = 1.0 / N;
}
// 一般向量W(k+1)
double[] w1 = new double[N];
// W(k+1)的归一化向量
double[] w2 = new double[N];
double sum = 1.0;
double d = 1.0;
// 误差
double delt = 0.00001;
while (d > delt) {
d = 0.0;
sum = 0;
// 获取向量
int index = 0;
for (int j = 0; j < N; j++) {
double t = 0.0;
文档评论(0)