Python实现AHP（层次分析法）

最新推荐文章于 2025-03-13 14:08:57 发布

simple_hututu

最新推荐文章于 2025-03-13 14:08:57 发布

阅读量2.2w

点赞数 21

本文链接：https://blog.youkuaiyun.com/pwtd_huran/article/details/80405807

版权

这篇博客详细介绍了如何用Python实现层次分析法（AHP），包括读取判断矩阵、计算特征值和特征向量、一致性检验、归一化处理、权重计算和最终评分的步骤。通过示例代码展示了从文件读取数据、处理不一致矩阵直至得出评分的完整流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import csv
import numpy as np
import tensorflow as tf
from sklearn.preprocessing import MinMaxScaler
from numpy import *

class AHP:
    def __init__(self, array):
        self.row = len(array)
        self.col = len(array[0])

    def get_tezheng(self, array):# 获取特征值和特征向量
        te_val, te_vector = np.linalg.eig(array)
        list1 = list(te_val)
        print("特征值为：", te_val)
        print("特征向量为：", te_vector)
        # 得到最大特征值对应的特征向量
        max_val = np.max(list1)
        index = list1.index(max_val)
        max_vector = te_vector[:, index]
        print("最大的特征值:" + str(max_val) + "   对应的特征向量为：" + str(max_vector))
        return max_val, max_vector

    def RImatrix(self, n):  # 建立RI矩阵
        print(n)
        n1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]
        n2 = [0, 0, 0.58, 0.90, 1.12, 1.24, 1.32, 1.41, 1.45]
        d = dict(zip(n1,n2))
        print("该矩阵在一致性检测时采用的RI值为：", d[n])
        return d[n]

    def test_consitstence(self, max_val, RI):  # 测试一致性
        CI = (max_val - self.row) / (self.row - 1)
        if RI == 0:
            print("判断矩阵的RI值为  " + str(0) + "  通过一致性检验")
            return True
        else:
            CR = CI / RI
            if CR < 0.10:

最低0.47元/天解锁文章