packagecrawlerTest;public classAhq_test {/***

*@authorLJ

*2016-3-30*/

public static voidmain(String[] args) {//TODO Auto-generated method stub

Double[][] matrix=new Double[6][6];for(int i=0;i<6;i++){

matrix[i][i]=1.0;

}//数组0,1 位置存放的是影响因素0相对于影响因素1的重要程度 。//0.25代表 影响因素0的重要程度为影响因素1的重要程度的4分之1。

matrix[0][1]=0.25;

matrix[0][2]=0.5;

matrix[0][3]=1.0;

matrix[0][4]=1.0;

matrix[0][5]=0.5;

matrix[1][2]=0.5;

matrix[1][3]=1.0;

matrix[1][4]=2.0;

matrix[1][5]=1.0;

matrix[2][3]=1.0;

matrix[2][4]=0.5;

matrix[2][5]=0.5;

matrix[3][4]=2.0;

matrix[3][5]=1.0;

matrix[4][5]=0.5;//根据输入值填写矩阵剩余项

for(int i=5;i>=0;i--){for(int j=5;j>=0;j--){

matrix[i][j]=1/matrix[j][i];

}

}

Double[] column=new Double[6];for(int j=0;j<6;j++){for(int i=0;i<6;i++){if(column[j]!=null){

column[j]=column[j]+matrix[i][j];

}else{

column[j]=matrix[i][j];

}

}

}//矩阵归一化

Double[][] matrixColumn= new Double[6][6];for(int j=0;j<6;j++){for(int i=0;i<6;i++){

matrixColumn[i][j]=matrix[i][j]/column[j];

}

}//获得行数组

Double[] line=new Double[6];for(int i=0;i<6;i++){for(int j=0;j<6;j++){if(line[i]!=null){

line[i]=line[i]+matrixColumn[i][j];

}else{

line[i]=matrixColumn[i][j];

}

}

}//行归一化获得特征向量

Double[] w=new Double[6];

Double sum=0.0;for(int i=0;i<6;i++){

sum=sum+line[i];

}for(int i=0;i<6;i++){

w[i]=line[i]/sum; //特征向量

}

Double[] bw=new Double[6];for(int i=0;i<6;i++){for(int j=0;j<6;j++){if(bw[i]!=null){

bw[i]=bw[i]+matrix[i][j]*w[j];

}else{

bw[i]=matrix[i][j]*w[j];

}

}

}

Double sumR=0.0; //最大特征跟R

for(int i=0;i<6;i++){

sumR=sumR+bw[i]/(6*w[i]);

}

Double ci=(sumR-6)/(6-1); //矩阵一致性指标

System.out.println("计算出的矩阵一致性指标"+ci+"\n");

Double cr=ci/1.24; //随机一致性比率 1.24为6阶矩阵的平均一致性指标

if(cr>=0.1){

System.out.println("权重设置不合理");

}else{//输出特征向量

for(int i=0;i<6;i++){

System.out.println("特征"+i+"的权重："+w[i]);

}

}

}

}