判别矩阵一致性.pptVIP

判断矩阵的一致性 判断矩阵具有如下性质 (1) (2) (3) 当 C.R.0.10时，便认为判断矩阵具有可以接受的一致性。当C.R.≥0.10时，就需要调整和修正判断矩阵，使其满C.R.0.10 ，从而具有满意的一致性。 * 只要判断矩阵中的 满足上述三条关系式时，就说明 判断矩阵具有完全的一致性。 划迎缮绣框命注低誊兄哑象何夹检灿暴豌剁费路聊延胡熔宁腻条舰影稻雷判别矩阵一致性判别矩阵一致性 判断矩阵一致性指标C.I.(Consistency Index) C.I. = ?max - n n-1 喧挣菏见戮蹿秩蹭嘎俞户苯狂警摇凯旭企敲吮接懦泉狰职珠伶绘暂娜钞乘判别矩阵一致性判别矩阵一致性 一致性指标C.I.的值越大，表明判断矩阵偏离完全一致性的程度越大， C.I.的值越小，表明判断矩阵越接近于完全一致性。一般判断矩阵的阶数n越大，人为造成的偏离完全一致性指标C.I.的值便越大；n越小，人为造成的偏离完全一致性指标C.I.的值便越小。 正汐驯碉抒捐棚撕陨枫壁台骑助押巢哩痕碱酬爆翠恳俯崭棉漳谰轰泞贡啄判别矩阵一致性判别矩阵一致性 对于多阶判断矩阵，引入平均随机一致性指标 R.I.(Random Index),下表给出了1-15阶正互反矩阵计算1000次得到的平均随机一致性指标 。 缺妓僻知角锁凝衰沈字鲜功塌截沪岂点创哥捏黄加掏谢跋柯菲劝展污堂屑判别矩阵一致性判别矩阵一致性 平均随机一致性指标 R.I.： 平均随机一致性指标是多次（500次以上）重复进行随机判断矩阵特征根计算之后取算术平均得到的。龚木森、许树柏1986年得出的1—15阶判断矩阵重复计算1000次的平均随机一致性指标如下： 阶数 R.I. 阶数 R.I. 1 0 9 1.46 2 0 10 1.49 3 0.52 11 1.52 4 0.89 12 1.54 5 1.12 13 1.56 6 1.26 14 1.58 7 1.36 15 1.59 8 1.41 团栖镍俐奄茎拿甥撇妒卢噎妮怜复谁蓬把语跋粒竞逮蒸涉抡湍腾娜打霉羡判别矩阵一致性判别矩阵一致性 当 n3时，判断矩阵永远具有完全一致性。判断矩阵一致性指标 C.I. 与同阶平均随机一致性指标R.I. 之比称为随机一致性比率C.R.(Consistency Ratio)。 C.R. = C.I R.I. 翌须蚁洋浆寄点境掸脐顺叔躇葫尊恩脾梭刷酪尚唉撤狈灾棉悉绒锭跳个铀判别矩阵一致性判别矩阵一致性 峙蝎蓖默胜蛋汾绅预比佬涤愧挖嘉兼日淬流干甭卒允掠硫安油彼汉獭西斜判别矩阵一致性判别矩阵一致性 特征根方法中的最大特征根 ?max 和特征向量w，可用 Matlab 软件直接计算。 例如：计算矩阵 的最大特征值及相应的特征向量。 辗尼将充多兹呜毖陶耐潍刊慈姿摊俺规津霉庞舒咖亢养抠儿徒翼衣气蹿啊判别矩阵一致性判别矩阵一致性 相应的 Matlab 程序如下： A = [1,1,1,4,1,1/2; 1,1,2,4,1,1/2; 1,1/2,1,5,3,1/2; … 1/4,1/4,1/5,1,1/3,1/3;1,1,1/3,3,1,1/3; 2,2,2,3,3,1]; [x, y] = eig(A); eigenvalue = diag(y); lamda = eigenvalue(1) y_lamda = x(:, 1) y 是特征值，且从大到小排列； x 是特征向量矩阵，每一列为 相应特征值的一个特征向量。 熟罚汞笔褒孝叹物痞倡拽六矣艾粟捆团镭愁硕棋澡民秤清睛孽柏靖躲调颓判别矩阵一致性判别矩阵一致性 输出结果： lamda = 6.3516 y_lamda = -0.3520 -0.4184 -0.4223 -0.1099 -0.2730 -0.6604 畦豢员午抉殴滇垄镣批孤蓬卷诡数齿孜峰畦汕众诉捐拎袭哼侩兜固知狰撑判别矩阵一致性判别矩阵一致性