多目标决策模型层次分析法(H)代数模型离散模型

1、层次分析法建模层次分析法（AHP AnalyticHierachy process） -多目标决策方法70年代由美国运筹学家 T L Satty提出的，是一种定性与定量分析相结合的多目标决策 分析方法论。吸收利用行为科学的特点，是将决策者的经验判断给予量化，对目标（因素）结 构复杂而且缺乏必要的数据情况下，採用此方法较为实用，是一种系统科学中，常用的一种系 统分析方法，因而成为系统分析的数学工具之一。*传统的常用的研究自然科学和社会科学的方法有： 机理分析方法：利用经典的数学工具分析观察的因果关系； 统计分析方法：利用大量观测数据寻求统计规律，用随机数学方法描述（自然现象、 社会现象）现象的规

2、律。基本内容：（1）多目标决策问题举例 AHP建模方法（2）AHP建模方法基本步骤（3）AHP建模方法基本算法（3）AHP建模方法理论算法应用的若干问题。参考书:1、 姜启源，数学模型（第二版，第 9章；第三版，第8章），高等教育岀版社2、 程理民等， 运筹学模型与方法教程，（第10章），清华大学岀版社3、 运筹学编写组，运筹学（修订版），第11章，第7节，清华大学岀版社、问题举例:A 大学毕业生就业选择问题获得大学毕业学位的毕业生，“双向选择”时，用人单位与毕业生都有各自的选择标准和要求。就毕业生来说选择单位的标准和要求是多方面的，例如： 能发挥自己的才干为国家作出较好贡献二即工作岗位适合发

3、挥专长）; 工作收入较好（待遇好）； 生活环境好（大城市、气候等工作条件等）； 单位名声好（声誉-Reputation）； 工作环境好（人际关系和谐等） 发展晋升（promote, promotion ）机会多（如新单位或单位发展有后劲）等。问题：现在有多个用人单位可供他选择，因此，他面临多种选择和决策，问题是他将如何 作出决策和选择？一一或者说他将用什么方法将可供选择的工作单位排序？B 假期旅游地点选择暑假有3个旅游胜地可供选择。例如：R :苏州杭州，P2北戴河，P3桂林，到底到哪个地方去旅游最好？要作出决策和选择。为此，要把三个旅游地的特点，例如：景色；费用;居住；环境；旅途条件等作一些比

4、较一一建立一个决策的准则，最后综合评判确定出一 个可选择的最优方案。目标层准则层C.资源开发的综合判断7种金属可供开发，开发后对国家贡献可以通过两两比较得到，决定对哪种资源先开发, 效用最用。对经济发展、贡献U磷酸盐交通条件铜Co钿Ur金Go铁In经济价值开採费风险费要求量战略重要性二、问题分析： 例如旅游地选择问题：一般说来，此决策问题可按如下步骤进行：（S1）将决策解分解为三个层次，即： 目标层：（选择旅游地） 准则层：（景色、费用、居住、饮食、旅途等5个准则）方案层：（有R , P2 , P3三个选择地点）并用直线连接各层次。（S2 ）互相比较各准则对目标的权重，各方案对每一个准则的权重

5、。这些权限重在人的思维过 程中常是定性的。例如：经济好，身体好的人：会将景色好作为第一选择； 中老年人：会将居住、饮食好作为第一选择； 经济不好的人：会把费用低作为第一选择。而层次分析方法则应给出确定权重的定量分析方法。（53）将方案后对准则层的权重，及准则后对目标层的权重进行综合。（54）最终得出方案层对目标层的权重，从而作出决策。以上步骤和方法即是 AHP的决策分析方法。三、确定各层次互相比较的方法一一成对比较矩阵和权向量在确定各层次各因素之间的权重时，如果只是定性的结果，则常常不容易被别人接受，因 而Santy等人提出：一致矩阵法.即：1.不把所有因素放在一起比较，而是两两相互比较2.对

6、此时採用相对尺度，以尽可能减少性质不同的诸因素相互比较的困难，提高准确度。因素比较方法成对比较矩阵法:目的是，要比较某一层n个因素C1,C2, ,Cn对上一层因素O的影响（例如：旅游决策解中，比较景色等5个准则在选择旅游地这个目标中的重要性）。採用的方法是：每次取两个因素Ci和Cj比较其对目标因素O的影响，并用aij表示，全部比较的结果用成对比较矩阵表示，即:A (a ij ) nxn , a ij0,aji(或 aij aij aij1)(1)由于上述成对比较矩阵有特点:A (aij ) , aij 0,aijaji故可称A为正互反矩阵：显然,aij1,即：ajajiaji1，故有：aji

7、1例如:在旅游决策问题中:a121 景色)/2 = C2( 用)表示:景色）C2（费用）对目标0的重要性为1 对目标0的重要性为2故：a1212 （即景色重要性为1,费用重要性为2）4G（景色）1 = c3（居住条件）表示:C1（景色）对目标0的重要性为4C3（居住条件）对目标0的重要性为1a23即：景色为4,居住为1。C费用）c3（居住条件）表示:C2（费用）对目标0的重要性为7C3（居住条件）对目标0的重要性为1即：费用重要性为 乙 居住重要性为1。?问题：稍加分析就发现上述成对比较矩阵的问题: 即存在有各元素的 不一致性，例如:既然：a12C11C141 1 a21 2；a13a31C2

8、2C31a134C2a23_C3C2所以应该有：a21a31/ CC321881C14而不应为矩阵A中的a237.1 12 43 32 175 5因此有成对比较矩阵：A14131312 313:12 1 1成对比较矩阵比较的次数要求太，因：n个元素比较次数为：C； n（n 1）次，2!因此，问题是：如何改造成对比较矩阵，使由其能确定诸因素 C1, Cn对上层因素0的权重？对此Saoty提出了：在成对比较出现不一致情况下，计算各因素C1, Cn对因素（上层因素）O的权重方法，并确定了这种不一致的容许误差范围。为此，先看成对比较矩阵的完全一致性成对比较完全一致性 四：一致性矩阵Def:设有正互反成

9、对比较矩阵:aiiWW11 ai2a21Aa22Wan1 w an2除满足：（i）正互反性：即誥坐州 wwn aaaaan ,W-WJ , :u ， ， a1 1WM 她忆 /wnaj-引:uao而且还满足：（ii） 一致性：即1, 2, L naj 虫aikakj 亚 i, jajajk则称满足上述条件的正互反对称矩阵A为一致性矩阵，简称一致阵。致性矩阵（一致阵）性质:性质1： A的秩 Rank（A）=1有A唯一的非0的最大特征根为n性质2： A的任一列（行）向量都是对应特征根n的特征向量:即有（特征向量、特征值）:W1W1W1W1W2WnW2W2W2AW1W2iW，则向量wWnWnWnW1

10、W2WnW1W2W3wwwwnW_ wWWnW2nW4满足：AWWnWnWnW1W.WnWnnWnnW即： （A nl）W 0启发与思考：既然一致矩阵有以上性质,即n个元素 Wi, W2, W3 ,Wn构成的向量 WW1W2Wn是一致矩阵 A的特征向量，则对一致矩阵A来说，可以把一致矩阵 A的特征向量 W求出之后,再把一致矩阵 A的特征向量 W归一化后得到的向量，看成是诸元素 W1, W2, W3 ,Wn目标0的权向量。因此，可以用求一致矩阵的特征根和特征向量的办法，求出元素W1, W2,W3 ,Wn相对于目标 0的权向量。解释：一致矩阵即：n件物体M1, M2, ,M n，它们重量分别为 W

11、1, W2 ,Wn ,将他们两比较重量，其比值构成一致矩阵，若用重量向量W1W2W右乘A，则WnA的特征根为n,W1以n为特征根的特征向量为：重量向量W2W =,则归一化后的特征向量WnWiW=Wi =1，就表示诸因素g,c2, , c n对上层因素O的权重，即为W权向量，此种用特征向 量求权向量的方法 称特征根法，分析：WiW2若重量向量 W未知时，则可由决策者对物体 M-M2, ,Mn之间两两相比关系,Wn主观作出比值的判断，或用Delphi （调查法）来确定这些比值，使A矩阵（不一定有一致性）为已知的，并记此主观判断作出的矩阵为（主观）判断矩阵A，并且此A （不一致）在不一致 的容许范围

12、内，再依据： A的特征根或和特征向量 W连续地依赖于矩阵的元素 ay ,即当ay离 一致性的要求不太远时， A的特征根i和特征值（向量） W与一致矩阵 A的特征根 和特征向 量W也相差不大的道理：由特征向量 W求权向量 W的方法即为特征向量法，并由此引出一致_ 性检查的方法。问题：Remark以上讨论的用求特征根来求权向量W的方法和思路，在理论上应解决以下问题：1. 一致阵的性质1是说：一致阵的最大特征根为n （即必要条件），但用特征根来求特征向量时，应回答充分条件：即正互反矩阵是否存在正的最大特征根和正的特征向量？且如果正互反矩阵A的最大特征根 max n时，A是否为一致阵？2. 用主观判断

13、矩阵 A的特征根 和特征向量 W连续逼近一致阵 A的特征根 和特征向量 WmkHk由K-Am是否在理论上有依据。3一般情况下，主观判断矩阵A在逼近于一致阵 A的过程中，用与 A接近的A*来代替A ,即有A*A，这种近似的替代一致性矩阵A的作法，就导致了产生的偏差估计问题，即一致性检验问题，即要确定一种一致性检验判断指标，由此指标来确定在什么样的允许范围内，主观判断矩阵是可以接受的，否则，要两两比较构造主观判断矩阵。此问题即一致性检验问题的内容。以上三个问题：前两个问题由数学严格比较可获得（见教材P325,定理1、定理2）。第3个问题：Satty给出一致性指标（Th1,Th2介绍如下：）附：Th

14、1 :（教材P326, perronTh 比隆 1970 ）对于正矩阵 A （ A的所有元素为正数）（1） A的最大特征根是正单根；（2）对应正特征向量 W （W的所有分量为正数）17mHke、.Ae kATe11其中：e为半径向量， W是对应 的归一化特征向量1证明：（3）可以通过将 A化为标准形证明Th2 : n阶正互反阵A的最大特征根n ；当 n时，A是一致阵五、一致性检验一一一致性指标:1 .一致性检验指标的定义和确定C I的定义:当人们对复杂事件的各因素，采用两两比较时，所得到的主观判断矩阵A，一般不可直接保证正互反矩阵 A就是一致正互反矩阵 A，因而存在误差（及误差估计问题）。这种

15、误差，必然导致特征值和特征向量之间的误差（）及 W W。此时就导致冋题AW= maxW与问题AW nW之间的差别。（上述问题中 max是主观判断矩阵A的特征值，W是带有偏差的相 对权向量）。这是由判断矩阵不一致性所引起的。因此，为了避免误差太大，就要衡量主观判断矩阵A的一致性。因为:当主观判断矩阵 A为一致阵A时就有:nnk=kk 1n 1nnakk 1 n A为一致阵时有：aii 1k 1k 1此时存在唯一的非max n(由一致阵性质1： Rark(4)=1，A有唯一非0最大特征根且max当主观判断矩阵 A不是一致矩阵时，此时一般有:max n(Th2)此时,应有:maxhmaxaH n即:

16、maxkk max所以,可以取其平均值作为检验主观判断矩阵的准则，一致性的指标,即:max nn 1kk max显然:(1)max n时，有:0,A为完全一致性(2)I值越大，主观判断矩阵A的完全一致性越差，即:A偏离A越远(用特征向量作为权向量引起的误差越大(3)般C I 0 1，认为主观判断矩阵 A的一致性可以接受， 否则应重新进行两两比较，构造主观判断矩阵。2 随机一致性检验指标问题：实际操作时发现：主观判断矩阵A的维数越大，判断的一致性越差，故应放宽对高维矩阵的一致性要求。于是引入修正值 R I来校正一致性检验指标：即定义R I的修正值表为：A的维数0.000.000.580.961.

17、121.241.321.411.45C I并定义新的一致性检验指标为：C RR I随机一致性检验指标R I的解释:为确定A的不一致程度的容许范围，需要确定衡量A的一致性指示C I的标准。于是 Satty对固定的n,随机构造正互反阵又引入所谓随机一致性指标R I，其定义和计算过程为：A，其元素aij （i j）从19和119中随机取值,且满足aij与aji的互反性，即:aij然后再计算A的一致性指标C 如此构造相当多的 A，再用它们的/aji，且 aii1.因此A是非常不一致的，此时， C I值相当大 C I平均值作为随机一致性指标。Satty对于不同的n（n 111），用100500个样本A计

18、算出上表所列出的随机一致性指标R I作为修正值表。3 . 一致性检验指标的定义一一一致性比率C R。由随机性检验指标C R可知：当n 1, 2时，R I 0，这是因为1,2阶正互反阵总是一致阵。对于n 3的成对比较阵 A，将它的一致性指标 C I与同阶（指n相同）的随机一致性指 标R I之比称为一致性比率一一简称一致性指标，即有：一致性检验指标的定义一一一致性比率宀、C IC I定义：C R -:C R -R IR IC I当：C R-0 1时，认为主观判断矩阵 A的不一致程度在容许范围之内,R I可用其特征向量作为权向量。否则，对主观判断矩阵A重新进行成对比较，构重新的主观判断矩阵A。C I

19、注：上式C R0 1的选取是带有一定主观信度的。R I六、标度比较尺度解：在构造正互反矩阵时，当比较两个可能是有不同性质的因素Ci和Cj对于上层因素 O的影响时，採用什么样的相对刻度较好，即aij的元素的值在（19）或（19）或更多的数字，Satty提出用19尺度最好，即ay取值为19或其互反数119，心理学家也 提出：人们区分信息等级的极限解能力为7戈。可见对n n阶矩阵，只需作出 曲 个2判断值即可标度aij定义1因素i与因素j相冋重要35792, 4, 6, 8,23456789因素i比因素j稍重要 因素i比因素j较重要 因素i比因素j非常重要 因素i比因素j绝对重要 因素i与因素j的重

20、要性的比较值介于上述两 个相邻等级之间因素j与因素i比较得到判断值为 aj的互反1数， a ji aii 1aij注：以上比较的标度 Satty曾用过多种标度比较层，得到的结论认为： 19尺度不仅在较简单 的尺度中最好，而且比较的结果并不劣于较为复杂的尺度。Satty曾用的比较尺度为： 13,15,16,111,以及 （d 0.1）（d 0.9），其中 d 1, 2, 3, 4 1p9P，其中 P 2, 3, 4, 5等共27种比较尺度，对放在不同距离处的光源亮度进行比较判断，并构造出成对比较矩阵，计 算出权向量。同时把计算出来的这些权向量与按照物理学中光强度定律和其他物理知识得到的 实际权向

21、量进行对比。结果也发现19的比较标度不仅简单，而效果也较好（至少不比其他更复杂的尺度差）因而用19的标度来构造成对比较矩阵的元素较合适。七、组合权向量的计算层次总排序的权向量的计算层次分析法的基本思想：（1）计算出下一层每个元素对上一层每个元素的权向量Wdef :层次总排序，计算同一层次所有元素对最高层相对重要性的排序权值。当然要先：构造下一层每个元素对上一次每个元素的成对比较矩阵 计算出成对比较矩阵的特征向量（和法，根法，幕法） 由特征向量求出最大特征根max （由和法，根法，幕法求得）nc r用最大特征根max用方式 C I-JmaX及C R对成对比较矩n 1R I阵进行一致性检，并通过。

22、（2） 并把下层每个元素对上层每个元素的权向量按列排成以下表格形式：例，假定：上层A有m个元素，A1, A2, Am，且其层次总排序权向量为a2, am ,下层B有n个元素B1, B2, Bn，则按Bj对 A个元素的单排序权向量的列向量为bj ,即有:层次AiAiAi mB层总是排序权重(权向 量、列向量)aia2ammBibiibi2bimWiajbijj imB2bi2b22b2mW2ajb2jj iBnbnibn2bnmWnmajbnjj imax计算出最大特根(方法：和法、根法、幕法)C I一致性检验CimaxnIni一致性检验比率m/C IC R CRI jIajCIs/:aj RI

23、 j检验CR 0 i否？注：若下层元素 Bk与上层元素Aj无关系时，取bq 0m总排序权向量各分量的计算公式：Wiajbij (i1, , n)j i(3) 对层次总排序进行一致性检验：从高层到低层逐层进行，如果如果B层次某些元素对 Aj单的排序的一致性指标为CI j，相应的平均随机一致性指标为majCI jj 1RI j，则B层总排序随机一致性比率为：C R jajR|j当CR 0 1时，认为层次总排序里有满意的一致性，否则应重新调整判断矩阵的元素取值。八、层次分析法的基本步骤：（51）建立层次结构模型将有关因素按照属性自上而下地分解成若干层次：同一层各因素从属于上一层因素，或对上层因素有影

24、响，同时又支配下一层的因素或受到下层因素的影响。最上层为目标层（一般只有一个因素），最下层为方案层或对象层 /决策层，中间可以有1个或几个层次，通常为准则层或指标层。当准则层元素过多（例如多于9个）时，应进一步分解出子准则层。（52） 构造成对比较矩阵，以层次结构模型的第2层开始，对于从属于（或影响及）上一 层每个因素的同一层诸因素，用成对比较法和 19比较尺度构造成对比较矩阵，直到最下 层。（53）计算（每个成对比较矩阵的）权向量并作一致性检验 对每一个成对比较矩阵计算最大特征根max及对应的特征向量（和法、根法、幕法等）W,WWn利用一致性指标 C I ,随机一致性指标C R和一致性比率作

25、一致性检验CRW, 若通过检验（即C R 0.1，或C I 0.1）则将上层出权向量 W归一化之后Wn作为（Bj到Aj ）的权向量（即单排序权向量） 若C R 0.1不成立，则需重新构造成对比较矩阵（S4 ）计算组合权向量并作组合一致性检验一一即层次总排序W1 利用单层权向量的权值 Wjj 1, m构组合权向量表：并计算出特征根，组Wn合特征向量，一致性上单层层 、权向下层层次重AiAiAim计算组合权向量Wm其中WiajWijj iWiWnaia?ammBiWiiWi2WimWiajbij j imB2W12W22W?mW2ajb2jj imBnWniWn2WnmWnajbnjj i最大特征

26、根(i) max和法、根法、幂法(j)n一致性检验CICljmaxnCI0.i ?n i一致性随机检验 RIRI j对照表m/Cl jajCI；/CR0 i ?一致性比率CRCRRI/a j RI 2 jW1W1 若通过一致性检验，则可按照组合权向量 W的表示结果进行决策 （WWnWn中Wi中最大者的最优），即：W* maxW:Wi Wi, ,Wn 若未能通过检验，则需重新考虑模型或重新构造那些一致性比率，CR较大的成对比较矩阵九、特征根的近似求法（实用算法）层次分析法的基本思路是计算上层每个元素对下一层次各元素的权向量（即最大特征根W1max对应的特征向量W),以及组合权向量及一致性检验问题

27、。Wn故从应用性来考虑也希望“和法”、“根法”、“幕法”，具计算判断矩阵最大特征根和对应阵向量，并不需要追求较高的精确度，这是因为判断矩阵 本身有相当的误差范围。而且优先排序的数值也是定性概念的表达， 使用较为简单的近似算法。常用的有以下求特征根的近似求法： 体如下：1.“和法”求最大特征根和对应特征向量(近似解)(S1)将矩阵A (aQnxm的每一列向量的归一化得:Wjaijnaiji 1(S2)对Wj按行求和得:nWj(S3)j将w归一化，即有:，则有特征向量：WVi1W1Wn(S4)计算与特征向量WW1对应的最大特征根max的近似值:maxWnn (AW)ii 1 Wi此方法：实际上是将

28、 A的列向量归一化后取平均值作为A的特征向量。解释：当A为一致矩阵时，它的每一列向量都是特征向量可以在A的不一致性不严重时，取 A的列向量 量是合理的(有依据的)。(归一化后)的平均值作为近似特征向2“根法”求最大特征根特征向量近似值：步骤与“和法”相同，只是在(S2)时:对归一化后的列向量按行“求和”改为按行“求积”再取n次方根，即：WinWjj 1aijaij(S2)对归一化以后的列向量各元素:Wj即有具体步骤:(S1)将矩阵A ( 3ij ) min的每一列向量归一化得:aj1 n 7 按行“求和”并开n次方根得：vi诵耳j i1nnWjj 1(53) 再将W；归一化得：W - jV！n

29、 n了；iWji 1 j 1WiW2得到特征向量近似值：WWn1 (AW)；(54) 计算最大特征根：max- 作为最大特征根的近似值。n W注：“根法”是将“和法”中求列向量的算术平均值改为求几何平均值。3“幕法”求最大特征根：(S1)任取n维归一化初始向量 W(0)(S2)计算 V(k1) AW(k), k 0, 1, 2,(S3) V(k 1)归一化，即令:W(k 1)(S4)对预先给定的，当Wi(k Wi(k)1, 2,n)时，W(k 1)即为所求的特征向量；否则返回(S2)(S5)计算最大特征根，max丄0以上用幕法求最大特征根n ； 1 W；(k)max对应特征向量的迭代方法，其收

30、敛性由TH1 (教材P325)中的3)limkkA eT典ke A eW，其中e1,W是对应 max的归一化向量1特征。(证明：可以将 A化为标准形证明)保证。 W(0)任意选取，也可以取由“根法”、“和法”得到的WWiW2Wn注：在以上求特征根和特向量的方法中“和法”最简单。例：在旅游问题中，求目标层到准则层的成对比较矩阵为A的特征向量和最大特征根:准则层:方案层:PiP2P3选择旅游地4 71 13 51 13 510.5433217550.250.14310.50.3330.3330.22110.3330.2311利用“和法”求A的特征向量WW1和特征根 maxWn& ）将AWj nxn

31、的元素按列归一化得:0.2650.2450.2350.2860.290.5100.4890.4110.4760.484AVinxn0.0640.0700.0590.0480.0320.0850.0980.1180.0950.0970.0850.0980.1760.0950.0972120.25 0.333 0.333 3.91720.510.143 0.2 0.22.0433471 2 3 174350.5 1 110.55350.333 1 110.333n(S2)将AWj nxn中元素 Wj按行求和得各行元素之和：VViVV,j i1.3122.37AW、0.273 W0.4930.511

32、(S3)再将上述矩阵向量归一化得到特征向量近似值,1n AW imaxni 1Winna1 jWia2jWi1i j 1i j 15W1W2nnna3jWja4 j Wia5jWj1.3120.2622.370.474Ww10.2730.055特征向量nWii 14.9990.4930.0990.5110.102其中5Wi1(1.312:2.370.273 0.493 0.511)4.999(S4)计算与特征向量相对应最大特征根(的近似值)0.2620.2620.2620.4740.4740.4741 0.5 4 330.05521 7 5 5 0.0550.25 0.1431 0.5 0.3

33、330.0550.0990.0990.09910.1020.1020.10250.2620.4740.0550.2620.4740.337 0.2 2 110.0550.0990.1020.2620.4740.333 0.2 3 110.0550.0990.1020.0990.1021 0.263 0.237 0.22 0.297 0.306 0.524 0.474 0.385 0.495 0.550.2620.4740.066 0.068 0.055 0.0495 0.034 0.087 0.095 0.11 0.099 0.1020.0550.0990.087 0.095 0.165 0.

34、099 0.1020.1021 1.3232.388 0.273 0.493 0.5485 0.262 0.474 0.055 0.099 0.10215.05 5.038 4.960 4.98 5.37351-25.40155.08020.2620.474故有最大特征根max 5.0802, W 0.0550.0990.102对A一致性检验指标： CImaxn 5.0802 50.08020.02n 144RI 1.12CR 0020.0180.11.12故通过检验。十、应用实例对前面旅游问题进行决策目标层:准则层:决策层:0.50.2P1P2P30.269.1020.055选择旅游地点已知

35、：目标A对准则Bi i 1, 2, 3, 4, 5的权重向量为：TW 0.262 0.474 0.055 0.099 0.102 （由前面已算出），并已通过一致性检 验。准则B1, B2, B3, B4, B5相对于P1, P2, P3的成对比较矩阵为B1对P, P2, P3作用的成对比较矩阵为:b11B1b21b31b12b22b32bnb23同样B2对R, P2, P3作用的成对比较矩阵为:113181B13113B31831丫31341 1B41311B51114114 4解：对以上每个比较矩阵都可计算出最大特征根1313丫3114141max及对象的特征向量W (即权重向量)，并进行一

36、致性检验：CI RI CR以B1为例用“和法”求出 B1的特征根max及对立的特征向量W1125B10.512nv0.2 0.510.5880.5710.625(S1)对B1按列归一化得：B1 Vj0.2940.2860.250.1180.1430.125n1.784(S2)对按列归一化反向量再按仃求和：WWj0.83j 10.386(S3)对W按行归一化得到特征向量 WWj1.784/ 1.7840.830.3860.831.7840.830.3860.386/ 1.7840.830.386W(Bi)m ax0.5950.2770.129(S4)计算特征根max1 BW in i 1 Wi125B10.5120.20.510.5950.5950.5951 2 5 0.2770.5 1 2 0.2770.2 0.5 1 0.277(Bi)10.1290.1290.129max30.5950.2770.12910.5950.5540.6450.298 0.277 0.2580.119 0.139 0.12930.5950.2770.12911.7940.8330.38730.5950.2770.12913.0153.0073-9.022 3.00733致性检验:CImaxm