软件工程经济学-日常作业+大作业

目录

一、作业1

作业内容

解答

二、作业2

作业内容

解答

三、作业3

作业内容

解答

四、大作业

作业内容

解答

1.建立层次结构模型

(1)目标层

(2)准则层

(3)方案层

2.构造判断矩阵

(1)准则层判断矩阵

(2)方案层判断矩阵

3.层次单排序及其一致性检验

代码

运行结果

4.层次总排序及其一致性检验

代码

运行结果

决策

一、作业1

作业内容

练习题1：请根据下表绘制相应的网络计划图 

解答

二、作业2

作业内容

练习题2：请根据下表绘制相应的网络计划图

解答

三、作业3

作业内容

作业3：某软件工程项目经工作分解后，给出了活动明细表，如下表所示：

1、求解每个活动的te值，并填入表中；

2、绘制对应计划网络图；

3、求解该计划网络图的关键活动、关键节点和关键路线。

解答

1、求解每个活动的te值，并填入表中

编号

活动代号

t0

tm

tp

te

紧前活动

1

A

6

7.5

12

8

-

2

B

4.5

4.8

6.3

5

A

3

C

1.2

2

2.8

2

A

4

D

5

6.7

10.2

7

A

5

E

4.6

5.7

8.6

6

B

6

F

5.5

6

6.5

6

C

7

G

0

0

0

0

B

8

H

5.5

7

8.5

7

F、G

9

I

3.5

5.2

5.7

5

H

10

J

4.7

5.9

7.7

6

D、E、I

2、绘制对应计划网络图

3、求解该计划网络图的关键活动、关键节点和关键路线

关键活动：A、C、F、H、I、J

关键节点：1、2、3、5、6、7、8

关键路线：A->C->F->H->I->J

四、大作业

作业内容

 要求：某企业计划采购一批生产设备，现有四家供应商提供的设备备选。请运用层次分析法，从设备的功能性、价格、外观、售后服务等多个方面(可添加考虑因素，自由发挥)进行综合评价，选出最优的供应商。

解答

1.建立层次结构模型
(1)目标层

选择最优的生产设备供应商

(2)准则层

功能性（B1）

价格（B2）

外观（B3）

售后服务（B4）

(3)方案层

供应商C1

供应商C2

供应商C3

供应商C4

2.构造判断矩阵
(1)准则层判断矩阵

为了建立准则层的判断矩阵，我们对各个准则进行成对比较，判断它们在选择供应商时的重要性。我们使用1-9标度法进行比较（1表示两者同等重要，9表示一个因素比另一个重要9倍，反之使用倒数）。

功能性 (B1)

价格 (B2)

外观 (B3)

售后服务 (B4)

功能性 (B1)

1

5

3

7

价格 (B2)

1/5

1

1/3

2

外观 (B3)

1/3

3

1

4

售后服务 (B4)

1/7

1/2

1/4

1

(2)方案层判断矩阵

接下来，我们对每个准则下的供应商进行成对比较。以下为供应商在功能性（B1）、价格（B2）、外观（B3）和售后服务（B4）方面的判断矩阵。我们同样采用1-9标度法进行比较。

供应商在功能性（B1）方面的判断矩阵：

C1

C2

C3

C4

C1

1

3

1/5

2

C2

1/3

1

1/7

1/3

C3

5

7

1

9

C4

1/2

3

1/9

1

供应商在价格（B2）方面的判断矩阵：

C1

C2

C3

C4

C1

1

1/3

5

1/7

C2

3

1

7

1/3

C3

1/5

1/7

1

1/9

C4

7

3

9

1

供应商在外观（B3）方面的判断矩阵：

C1

C2

C3

C4

C1

1

1/2

3

1/5

C2

2

1

5

1/3

C3

1/3

1/5

1

1/7

C4

5

3

7

1

供应商在售后服务（B4）方面的判断矩阵：

C1

C2

C3

C4

C1

1

5

1/3

2

C2

1/5

1

1/7

1/3

C3

3

7

1

5

C4

1/2

3

1/5

1

3.层次单排序及其一致性检验
代码
import numpy as np# 计算特征向量和最大特征值def calculate_eigenvector(matrix):# 计算矩阵的特征值和特征向量eigvals, eigvecs = np.linalg.eig(matrix)# 选择最大特征值的索引max_eigval_index = np.argmax(eigvals)max_eigval = eigvals[max_eigval_index]# 归一化特征向量eigvec = eigvecs[:, max_eigval_index]eigvec = eigvec / np.sum(eigvec)  # 归一化，使其和为1return eigvec.real, max_eigval.real# 一致性检验def consistency_check(matrix, max_eigval):n = matrix.shape[0]  # 矩阵的维度CI = (max_eigval - n) / (n - 1)  # 一致性指标 CIRI = [0, 0, 0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45]  # 随机一致性指标 RI（根据矩阵维度n）CR = CI / RI[n - 1]  # 一致性比率 CRreturn CI, CR# 示例：准则层判断矩阵B1_matrix = np.array([[1, 5, 3, 7],[1 / 5, 1, 1 / 3, 2],[1 / 3, 3, 1, 4],[1 / 7, 1 / 2, 1 / 4, 1]])# 计算特征向量和最大特征值eigvec_B1, max_eigval_B1 = calculate_eigenvector(B1_matrix)# 输出特征向量和最大特征值print("准则层特征向量:", eigvec_B1)print("准则层最大特征值:", max_eigval_B1)# 一致性检验CI_B1, CR_B1 = consistency_check(B1_matrix, max_eigval_B1)# 输出一致性检验结果print("准则层一致性指标 CI:", CI_B1)print("准则层一致性比率 CR:", CR_B1)# 判断一致性if CR_B1 < 0.1:print("准则层判断矩阵一致性通过")else:print("准则层判断矩阵一致性不通过，需要重新构造判断矩阵")
运行结果

4.层次总排序及其一致性检验
代码
import numpy as np# 计算特征向量和最大特征值def calculate_eigenvector(matrix):eigvals, eigvecs = np.linalg.eig(matrix)max_eigval_index = np.argmax(eigvals)max_eigval = eigvals[max_eigval_index]eigvec = eigvecs[:, max_eigval_index]eigvec = eigvec / np.sum(eigvec)  # 归一化，使其和为1return eigvec.real, max_eigval.real# 一致性检验def consistency_check(matrix, max_eigval):n = matrix.shape[0]  # 矩阵的维度CI = (max_eigval - n) / (n - 1)  # 一致性指标 CIRI = [0, 0, 0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45]  # 随机一致性指标 RI（根据矩阵维度n）CR = CI / RI[n - 1]  # 一致性比率 CRreturn CI, CR# 计算层次总排序def calculate_total_ranking(criteria_weights, matrix_list):# matrix_list 是方案层的判断矩阵列表rankings = []for i, matrix in enumerate(matrix_list):eigvec, max_eigval = calculate_eigenvector(matrix)CI, CR = consistency_check(matrix, max_eigval)# 计算每个方案在该准则下的权重weight = np.dot(eigvec, criteria_weights[i])rankings.append(weight)# 综合排序，得到每个方案的总权重total_weights = np.sum(rankings, axis=0)return total_weights# 示例：准则层判断矩阵B1_matrix = np.array([[1, 5, 3, 7],[1 / 5, 1, 1 / 3, 2],[1 / 3, 3, 1, 4],[1 / 7, 1 / 2, 1 / 4, 1]])# 示例：方案层判断矩阵C1_matrix = np.array([[1, 3, 1 / 5, 2],[1 / 3, 1, 1 / 7, 1 / 3],[5, 7, 1, 9],[1 / 2, 3, 1 / 9, 1]])C2_matrix = np.array([[1, 1 / 3, 5, 1 / 7],[3, 1, 7, 1 / 3],[1 / 5, 1 / 7, 1, 1 / 9],[7, 3, 9, 1]])C3_matrix = np.array([[1, 2, 1 / 3, 1 / 5],[1 / 2, 1, 1 / 9, 1 / 7],[3, 9, 1, 7],[5, 7, 1 / 7, 1]])C4_matrix = np.array([[1, 1 / 2, 3, 1 / 4],[2, 1, 5, 1 / 3],[1 / 3, 1 / 5, 1, 1 / 7],[4, 3, 7, 1]])# 计算准则层的权重（特征向量）criteria_matrix = B1_matrix  # 假设准则层只有一个判断矩阵criteria_weights, max_eigval_B1 = calculate_eigenvector(criteria_matrix)# 计算方案层的综合权重matrix_list = [C1_matrix, C2_matrix, C3_matrix, C4_matrix]  # 方案层判断矩阵列表total_weights = calculate_total_ranking(criteria_weights, matrix_list)# 输出层次总排序print("各方案的综合权重:", total_weights)# 判断是否一致CI_B1, CR_B1 = consistency_check(criteria_matrix, max_eigval_B1)print("准则层一致性指标 CI:", CI_B1)print("准则层一致性比率 CR:", CR_B1)# 根据综合权重选择最优方案best_supplier_index = np.argmax(total_weights)print(f"最优供应商是供应商 C{best_supplier_index + 1}")
运行结果

决策

最优供应商为C3

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/10866.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【回溯】目标和 字母大小全排列

【回溯】目标和 字母大小全排列

文章目录 494. 目标和解题思路&#xff1a;回溯784. 字母大小写全排列解题思路&#xff1a;回溯 494. 目标和 494. 目标和 给你一个非负整数数组 nums 和一个整数 target 。 向数组中的每个整数前添加 或 - &#xff0c;然后串联起所有整数&#xff0c;可以构造一个 表达式…
阅读更多...
告别复杂，拥抱简洁：用plusDays(7)代替plus(7, ChronoUnit.DAYS)

告别复杂，拥抱简洁：用plusDays(7)代替plus(7, ChronoUnit.DAYS)

前言 你知道吗？有时候代码里的一些小细节看起来很简单，却可能成为你调试时的大麻烦。在 Java 中，我们用 LocalDateTime 进行日期和时间的操作时，发现一个小小的替代方法可以让代码更简洁，功能更强大。这不，今天我们就来探讨如何用 LocalDateTime.now().plusDays(7) 替代…
阅读更多...
《苍穹外卖》项目学习记录-Day10订单状态定时处理

《苍穹外卖》项目学习记录-Day10订单状态定时处理

利用Cron表达式生成器生成Cron表达式 1.处理超时订单 查询订单表把超时的订单查询出来&#xff0c;也就是订单的状态为待付款&#xff0c;下单的时间已经超过了15分钟。 //select * from orders where status ? and order_time < (当前时间 - 15分钟) 遍历集合把数据库…
阅读更多...
【深度分析】微软全球裁员计划不影响印度地区，将继续增加当地就业机会

【深度分析】微软全球裁员计划不影响印度地区，将继续增加当地就业机会

当微软的裁员刀锋掠过全球办公室时&#xff0c;班加罗尔的键盘声却愈发密集——这场资本迁徙背后&#xff0c;藏着数字殖民时代最锋利的生存法则。 表面是跨国公司的区域战略调整&#xff0c;实则是全球人才市场的地壳运动。微软一边在硅谷裁撤年薪20万美金的高级工程师&#x…
阅读更多...
Linux中 端口被占用如何解决

Linux中 端口被占用如何解决

lsof命令查找 查找被占用端口 lsof -i :端口号 #示例 lsof -i :8080 lsof -i :3306 netstat命令查找 查找被占用端口 netstat -tuln | grep 端口号 #示例 netstat -tuln | grep 3306 netstat -tuln | grep 6379 ss命令查找 查找被占用端口 ss -tunlp | grep 端口号 #示例…
阅读更多...
qt-Quick3D笔记之官方例程Runtimeloader Example运行笔记

qt-Quick3D笔记之官方例程Runtimeloader Example运行笔记

qt-Quick3D笔记之官方例程Runtimeloader Example运行笔记 文章目录 qt-Quick3D笔记之官方例程Runtimeloader Example运行笔记1.例程运行效果2.例程缩略图3.项目文件列表4.main.qml5.main.cpp6.CMakeLists.txt 1.例程运行效果 运行该项目需要自己准备一个模型文件 2.例程缩略图…
阅读更多...
高性能消息队列Disruptor

高性能消息队列Disruptor

定义一个事件模型 之后创建一个java类来使用这个数据模型。 /* <h1>事件模型工程类&#xff0c;用于生产事件消息</h1> */ no usages public class EventMessageFactory implements EventFactory<EventMessage> { Overridepublic EventMessage newInstance(…
阅读更多...
Spring Boot项目如何使用MyBatis实现分页查询

Spring Boot项目如何使用MyBatis实现分页查询

写在前面&#xff1a;大家好&#xff01;我是晴空๓。如果博客中有不足或者的错误的地方欢迎在评论区或者私信我指正&#xff0c;感谢大家的不吝赐教。我的唯一博客更新地址是&#xff1a;https://ac-fun.blog.csdn.net/。非常感谢大家的支持。一起加油&#xff0c;冲鸭&#x…
阅读更多...
【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】1.27 线性代数王国：矩阵分解实战指南

【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】1.27 线性代数王国：矩阵分解实战指南

1.27 线性代数王国&#xff1a;矩阵分解实战指南 #mermaid-svg-JWrp2JAP9qkdS2A7 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-JWrp2JAP9qkdS2A7 .error-icon{fill:#552222;}#mermaid-svg-JWrp2JAP9qkdS2A7 .erro…
阅读更多...
EasyExcel使用详解

EasyExcel使用详解

文章目录 EasyExcel使用详解一、引言二、环境准备与基础配置1、添加依赖2、定义实体类 三、Excel 读取详解1、基础读取2、自定义监听器3、多 Sheet 处理 四、Excel 写入详解1、基础写入2、动态列与复杂表头3、样式与模板填充 五、总结 EasyExcel使用详解 一、引言 EasyExcel 是…
阅读更多...
FIDL：Flutter与原生通讯的新姿势，不局限于基础数据类型

FIDL：Flutter与原生通讯的新姿势，不局限于基础数据类型

void initUser(User user); } 2、执行命令./gradlew assembleDebug&#xff0c;生成IUserServiceStub类和fidl.json文件 3、打开通道&#xff0c;向Flutter公开方法 FidlChannel.openChannel(getFlutterEngine().getDartExecutor(), new IUserServiceStub() { Override void…
阅读更多...
DIFY源码解析

DIFY源码解析

偶然发现Github上某位大佬开源的DIFY源码注释和解析&#xff0c;目前还处于陆续不断更新地更新过程中&#xff0c;为大佬的专业和开源贡献精神点赞。先收藏链接&#xff0c;后续慢慢学习。 相关链接如下&#xff1a; DIFY源码解析
阅读更多...
87.（3）攻防世界 web simple_php

87.（3）攻防世界 web simple_php

之前做过&#xff0c;回顾 12&#xff0c;攻防世界simple_php-CSDN博客 进入靶场 <?php // 显示当前 PHP 文件的源代码&#xff0c;方便调试或查看代码结构 // __FILE__ 是 PHP 的一个魔术常量&#xff0c;代表当前文件的完整路径和文件名 show_source(__FILE__);// 包含…
阅读更多...
x86-64数据传输指令

x86-64数据传输指令

关于汇编语言一些基础概念的更详细的介绍&#xff0c;可移步MIPS指令集&#xff08;一&#xff09;基本操作_mips指令 sw-CSDN博客 该指令集中一个字2字节。 该架构有16个64位寄存器&#xff0c;名字都以%r开头&#xff0c;每个寄存器的最低位字节&#xff0c;低1~2位字节&…
阅读更多...
网络工程师 （8）存储管理

网络工程师 （8）存储管理

一、页式存储基本原理 &#xff08;一&#xff09;内存划分 页式存储首先将内存物理空间划分成大小相等的存储块&#xff0c;这些块通常被称为“页帧”或“物理页”。每个页帧的大小是固定的&#xff0c;例如常见的页帧大小有4KB、8KB等&#xff0c;这个大小由操作系统决定。同…
阅读更多...
全程Kali linux---CTFshow misc入门（25-37）

全程Kali linux---CTFshow misc入门（25-37）

第二十五题&#xff1a; 提示&#xff1a;flag在图片下面。 直接检查CRC&#xff0c;检测到错误&#xff0c;就直接暴力破解。 暴力破解CRC的python代码。 import binascii import struct def brute_force_ihdr_crc(filename): # 读取文件二进制数据 with open(filen…
阅读更多...
MySQL数据库（二）- SQL

MySQL数据库（二）- SQL

目录 ​编辑 一 DDL (一 数据库操作 1 查询-数据库&#xff08;所有/当前&#xff09; 2 创建-数据库 3 删除-数据库 4 使用-数据库 (二 表操作 1 创建-表结构 2 查询-所有表结构名称 3 查询-表结构内容 4 查询-建表语句 5 添加-字段名数据类型 6 修改-字段数据类…
阅读更多...
Android记事本App设计开发项目实战教程2025最新版Android Studio

Android记事本App设计开发项目实战教程2025最新版Android Studio

平时上课录了个视频&#xff0c;从新建工程到打包Apk&#xff0c;从头做到尾&#xff0c;没有遗漏任何实现细节&#xff0c;欢迎学过Android基础的同学参加&#xff0c;如果你做过其他终端软件开发&#xff0c;也可以学习&#xff0c;快速上手Android基础开发。 Android记事本课…
阅读更多...
STM32调试手段：重定向printf串口

STM32调试手段：重定向printf串口

引言 C语言中经常使用printf来输出调试信息&#xff0c;打印到屏幕。由于在单片机中没有屏幕&#xff0c;但是我们可以重定向printf&#xff0c;把数据打印到串口&#xff0c;从而在电脑端接收调试信息。这是除了debug外&#xff0c;另外一个非常有效的调试手段。 一、什么是pr…
阅读更多...
如何使用 ChatBox AI 简化本地模型对话操作

如何使用 ChatBox AI 简化本地模型对话操作

部署模型请看上一篇帖子&#xff1a;本地部署DeepSeek教程&#xff08;Mac版本&#xff09;-CSDN博客 使用 ChatBox AI 简化本地模型对话操作&#xff1a; 打开 ChatBox AI 官网&#xff1a;Chatbox AI官网&#xff1a;办公学习的AI好助手&#xff0c;全平台AI客户端&#xf…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023