第Python實(shí)現(xiàn)層次分析法及自調(diào)節(jié)層次分析法的示例c_all=[criteria1,criteria2]#第二層的全部判斷矩陣

sample1=np.array([[1,1],[1,1]])

sample2=np.array([[1,1,1/3],[1,1,1/3],[3,3,1]])

sample3=np.array([[1,1/3],[3,1]])

sample4=np.array([[1,3,1],[1/3,1,1/3],[1,3,1]])

sample5=np.array([[1,3],[1/3,1]])

sample_all=[sample1,sample2,sample3,sample4,sample5]#第三層的全部判斷矩陣

FA_mx=[goal,c_all,sample_all]

A1=AHP(FA_mx)#經(jīng)典層次分析法

A1.run()

a=A1.CR#層次單排序的一致性比例（從下往上）

b=A1.w#層次單排序的權(quán)值（從下往上）

c=A1.CR_all#層次總排序的一致性比例（從上往下）

d=A1.w_all#層次總排序的權(quán)值（從上往下）

e=sum(d[len(d)-1],[])#底層指標(biāo)對目標(biāo)層的權(quán)值

#可視化

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus']=False

name=['D1','D2','D3','D4','D5','D6','D7','D8','D9','D10','D11','D12']

plt.figure()

plt.bar(name,e)

fori,jinenumerate(e):

plt.text(i,j+0.005,'%.4f'%(np.abs(j)),ha='center',va='top')

plt.title('底層指標(biāo)對A的權(quán)值')

plt.show()

#自調(diào)節(jié)層次分析法的3標(biāo)度矩陣(求在線體系的權(quán)值)

goal=[]#第一層的全部判斷矩陣

goal.append(np.array([[0,1],

[-1,0]]))

criteria1=np.array([[0,1],

[-1,0]])

criteria2=np.array([[0,0,1],

[0,0,1],

[-1,-1,0]])

c_all=[criteria1,criteria2]#第二層的全部判斷矩陣

sample1=np.array([[0,0],[0,0]])

sample2=np.array([[0,0,-1],[0,0,-1],[1,1,0]])

sample3=np.array([[0,-1],[1,0]])

sample4=np.array([[0,1,0],[-1,0,-1],[0,1,0]])

sample5=np.array([[0,1],[-1,0]])

sample_all=[sample1,sample2,sample3,sample4,sample5]#第三層的全部判斷矩陣

FA_mx=[goal,c_all,sample_all]

A1=AHP(FA_mx,'auto')#經(jīng)典層次分析法

A1.run()

a=A1.CR#層次單排序的一致性比例（從下往上）

b=A1.w#層次單排序的權(quán)值（從下往上）

c=A1.CR_all#層次總排序的一致性比例（從上往下）

d=A1.w_all#層次總排序的權(quán)值（從上往下）

e=sum(d[len(d)-1],[])#底層指標(biāo)對目標(biāo)層的權(quán)值

#可視化

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus']=False

name=['D1','D2','D3','D4','D5','D6','D7','D8','D9','D10','D11','D12']

plt.figure()

plt.bar(name,e)

fori,jinenumerate(e):