ahp.rar_层次聚类_层次聚类 MATLAB_层次聚类算法_算法

function [W,ahpResult]=ahp(C) %输入格式C=cell(2,1);参考matlab 高级编程技巧与案例p245 % C{1}{1,1}=[1 1/5 1/3;5 1 3;3 1/3 1];第二层对第一层的比较矩阵 % C{1}{2,1}=true(3,1);第二层对第一层的逻辑数组 % C{2}{1,1}=[1 1/3 ;3 ,1]; % C{2}{2,1}=[true true false]; % C{2}{1,2}=[1 1/5 ;5 1]; % C{2}{2,2}=[ false true true]; % C{2}{1,3}=[ 1 2;1/2 1]; % C{2}{2,3}=[ true true false]; %层次分析法建模 %C：n*1的cell型数组，n+1等于建立的层次模型的层。C层次分析建模法所需要的输入信息 %C{k}里面存储的也是一个cell数组，假设第k层有m_k个元素，从左到右1，2，...,m_k %C{k}{1,j}存储的是第k+1层各元素对第k层j元素的成对比较矩阵（j=1,2,...,m）,C{k}{2,j} %存储的一m_k+1*1的逻辑数组，1表示第k+1层相应位置元素受第k层j元素支配，0表示不受支配 %W：方案层对目标层的最终权重 %ahpResult：n*1的cell型数组。ahpResult存储层次分析建模法各层结果信息。ahpResult{k} %里面返回的也是一个cell数组，ahpResult{k}(1,j)返回的是k+1层所有元素相对k层 %j元素的权重，k+1层元素不受k层j元素支配的权重为0;ahpResult{k}{2,j}返回的是C{k}{1,j} %成对比较矩阵的最大特征值；ahpResult{k}{3,j}返回相应的一致性比率 RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 ];%平均随机一致性指标 n=length(C);%得动n+1层 ahpResult=cell(n,1);%存储各层结果信息 for k=1:n m_k=size(C{k},2);%k层元素个数 ahpResult{k}=cell(m_k,1); for kk=1:m_k %求第k+1层个元素对第k层kk元素的成对比较矩阵的特征值和特征向量 [V,D]=eig(C{k}{1,kk}); [maxD,ind]=max(diag(D));%求最大特征值和位置 %为存储滴k+1层所有元素相对k层kk元素的权重预留空间，长度应等于C{k}{2,kk}的长度 ahpResult{k}{1,kk}=zeros(length(C{k}{2,kk}),1); %相应正互相反矩阵属于最大特征值的特征向量归一化赋给 ahpResult{k}{1,kk}中 %相应的位置，这些位置由逻辑数组C{k}{2,kk}决定 ahpResult{k}{1,kk}(C{k}{2,kk})=V(:,ind)/sum(V(:,ind)); ahpResult{k}{2,kk}=maxD;%相互反矩阵最大特征值 nn=size(C{k}{1,kk},1); ahpResult{k}{3,kk}=(maxD-nn)/(nn-1)/RI(nn);%相应的一致性比率 end end W=ahpResult{1}{1,1}; for k=2:n %cat(_2,ahpResult{1}{1,:})把k+1层所有元素相对k层各个元素的权重向量横向排列在一起 %生成权重矩阵 W=cat(2,ahpResult{k}{1,:})*W; end