Python 实现层次分析法

import csv
import numpy as np
import tensorflow as tf
#大概的思路是：
#1.首先输入每个指标下面对应的对比矩阵，每个这个矩阵是由专家比较每两个
#指标之间的相对性重要性形成的，将这个矩阵作为输入，首先计算这个矩阵是否能
#通过一致性的检验。在计算一致性时，要先求出该矩阵的特征值和特征向量。
'''c1,c2 = np.linalg.eig(C)
print (c1)
# [ 2. 1.] 
print (c2)
#[[ 0.89442719 0.70710678]
# [ 0.4472136 0.70710678]]'''
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
            d = {}
            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]
            for i in range(n):
                d[n1[n]] = n2[n]
            print("该矩阵在一致性检测时采用的RI值为：",d[n1[n]])
            return d[n1[n]]
                   
    def test_consitstence(self,max_val,RI):#测试一致性
            CI = (max_val-self.row)/(self.row-1)
            CR = CI/RI
            if  CR < 0.10 :
                print("判断矩阵的CR值为  "+str(CR) + "通过一致性检验")
                return True
            else:
                print("判断矩阵的CR值为  "+str(CR) + "判断矩阵未通过一致性检验，请重新输入判断矩阵")
                return False  
            
    def normalize_vector(self,max_vector):#特征向量归一化
            vector_after_normalization=[]
            sum0 = np.sum(max_vector)
            for i in range(len(max_vector)):
                vector_after_normalization.append(max_vector[i]/sum0)
            print("该级指标的权重权重矩阵为：  "+str(vector_after_normalization))
            return vector_after_normalization 
        
    def weightCalculator(self, normalMatrix):#计算最终指标对应的权重值
        #layers weight calculations.
        listlen = len(normalMatrix) -1
        layerWeights = list()
        while listlen > -1:
            sum = float()
            for i in normalMatrix:
                sum+= i[listlen]
            sumAverage = round(sum / len(normalMatrix),3)
            layerWeights.append(sumAverage)
            listlen-=1
        return layerWeights
import csv
import numpy as np
import tensorflow as tf
def main():#这里需要确定指标的规模即多少个一级指标，多少个二级指标，这样才能确定要计算多少个对比矩阵
    array1=[]
    array2=[]
    def define_structure():
        level_structure = []       
        level = int(input("请输入指标的级数："))#输入比如说这是个三级指标体系
        level0 = input("请输入一级下指标的个数：")
        level.append(level0)
        level2 = []
        for i in range(level):#每一级指标下有多少具体的指标个数
            rate_num = input("请输入" +str(i) "层下指标的个数：")
            #level2.append(rate_num)
            for j in range(rate_num ):
                two_level_for_one = int(input("请输入第" +str(i)+ " 个一级指标对应的下级指标的个数："))
                level_structure.append(two_level_for_one )
        return level_structure
    
    n = level_structure
    def creat_matrix(n):
        for i in n:
            length = input("请输入指标对比矩阵的阶数：")
            length = int(length)
            count=0
        for i in  range(length):
            for j in range(length):
                count += 1
                x = input("请输入指标对比矩阵的第"+str(count)+ " 个元素：")
                x = float(x)
                array1.append(x)
        for i in range(length*length):
            if (i+1)%length==0:
                array2.append(array1[i-length+1:i+1])
        print(array2)
        
    array2=np.mat(array2)
    a=AHP(array2)
    max_val,max_vector = a.get_tezheng(array2)
    RI= a.RImatrix(length)
    flag = a.test_consitstence(max_val,RI)
    if flag:
        weight = a.normalize_vector(max_vector)
  
    
main()