1701007430
1701007431
面对这个问题，笔者根据个人己见，建立了一个层次结构模型（当然，大家可以根据自己的判断标准，进行打分），如图6-2所示。
1701007432
1701007433
1701007434
1701007435
1701007436
图6-2 心仪女生打分
1701007437
1701007438
针对目标层A心仪女生打分而言，身高B1、体重B2、长相B3、性格B4、气质B5和价值观B6相互之间的权重，笔者根据自己的接受度，给定相互之间的权重因子，假设如表6-2所示。
1701007439
1701007440
表6-2 准则层B相互因子权重
1701007441
1701007442
1701007443
1701007444
1701007445
对于准则层B而言，身高B1、体重B2、长相B3、性格B4、气质B5和价值观B6对方案层C的影响权重对比因子如表6-3～表6-8所示。
1701007446
1701007447
表6-3 方案层C对准则层B1相互因子权重
1701007448
1701007449
1701007450
1701007451
1701007452
表6-4 方案层C对准则层B2相互因子权重
1701007453
1701007454
1701007455
1701007456
1701007457
表6-5 方案层C对准则层B3相互因子权重
1701007458
1701007459
1701007460
1701007461
1701007462
表6-6 方案层C对准则层B4相互因子权重
1701007463
1701007464
1701007465
1701007466
1701007467
表6-7 方案层C对准则层B5相互因子权重
1701007468
1701007469
1701007470
1701007471
1701007472
表6-8 方案层C对准则层B6相互因子权重
1701007473
1701007474
1701007475
1701007476
1701007477
由层次分析法的基本原理与步骤，编写MATLAB程序如下：
1701007478
1701007479
clc,clear,close all %清屏和清除变量 warning off %消除警告 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 2,2,2,3,3,1]; [x,y]=eig(a); %特征值和特征向量 eigenvalue=diag(y); %提取y矩阵的对角值 lamda=eigenvalue(1); %特征值 ci1=(lamda-6)/5; %层次分析法，系数选取 cr1=ci1/1.24; w1=x(:,1)/sum(x(:,1)) %准则层权值 w1 = 0.1507 0.1792 0.1886 0.0472 0.1464 0.2879 %%准则层1 b1=[1,1/4,1/2;4,1,3;2,1/3,1]; [x,y]=eig(b1); %特征值和特征向量 eigenvalue=diag(y); %对角化 lamda=eigenvalue(1); %特征值 ci21=(lamda-3)/2; %层次分析法，系数选取 cr21=ci21/0.58; w21=x(:,1)/sum(x(:,1)) %身高 w21 = 0.1365 0.6250 0.2385 %%准则层2 b2=[1 1/4 1/5;4 1 1/2;5 2 1]; [x,y]=eig(b2); %特征值和特征向量 eigenvalue=diag(y); %对角化 lamda=eigenvalue(1); %特征值 ci22=(lamda-3)/2; %层次分析法，系数选取 cr22=ci22/0.58; w22=x(:,1)/sum(x(:,1)) %体重 w22 = 0.0974 0.3331 0.5695 %%准则层3 b3=[1 3 1/3;1/3 1 1/7;3 7 1]; [x,y]=eig(b3); %特征值和特征向量 eigenvalue=diag(y); %对角化 lamda=eigenvalue(1); %特征值 ci23=(lamda-3)/2; %层次分析法，系数选取 cr23=ci23/0.58; w23=x(:,1)/sum(x(:,1)) %长相 w23 = 0.2426 0.0879 0.6694 %%准则层4 b4=[1 1/3 5;3 1 7;1/5 1/7 1]; [x,y]=eig(b4); %特征值和特征向量 eigenvalue=diag(y); %对角化 lamda=eigenvalue(1); %特征值 ci24=(lamda-3)/2; %层次分析法，系数选取 cr24=ci24/0.58; w24=x(:,1)/sum(x(:,1)) %性格 w24 = 0.2790 0.6491 0.0719 %%准则层5 b5=[1 1 7;1 1 7;1/7 1/7 1]; [x,y]=eig(b5); %特征值和特征向量 eigenvalue=diag(y); %对角化 lamda=eigenvalue(1); %特征值 ci25=(lamda-3)/2; %层次分析法，系数选取 cr25=ci25/0.58; w25=x(:,2)/sum(x(:,2)) %气质 w25 = 0.3248 0.8419 -0.1667 %%准则层6 b6=[1 7 9;1/7 1 1 ;1/9 1 1]; [x,y]=eig(b6); %特征值和特征向量 eigenvalue=diag(y); %对角化 lamda=eigenvalue(1); %特征值 ci26=(lamda-3)/2; %层次分析法，系数选取 cr26=ci26/0.58; w26=x(:,1)/sum(x(:,1)) %价值观 w26 = 0.7986 0.1049 0.0965 %%总排序 w_sum=[w21,w22,w23,w24,w25,w26]*w1 ci=[ci21,ci22,ci23,ci24,ci25,ci26]; cr=ci*w1/sum(0.58*w1) %总排序权值 w_sum = 0.3744 0.3545 0.2710