AHP层次分析法Python代码：让AHP帮你选一个最符合你的礼物

2023-12-20 05:01:10

前言

送什么礼物才能让女人满意，男人苦不堪言。像我这种有选择恐惧症的，每当节日来临一堆东西摆在面前都不知道挑啥（bushi，确实我还没有女友，落泪）。

别再让送礼成为你的负担，快来学习AHP层次分析法，用数据说话，帮你选出最符合女人心意的礼物。

什么是AHP层次分析法？

AHP层次分析法（Analytic Hierarchy Process）是一种多准则决策方法，由美国运筹学家托马斯·萨蒂（Thomas Saaty）于20世纪70年代提出。AHP层次分析法是一种系统化的决策方法，它将复杂的问题分解成多个层次，并对每个层次的因素进行权重分析，最终得出最优的决策方案。

AHP层次分析法的步骤

确定目标 ：首先，我们需要确定我们要解决的问题或要达到的目标。
建立层次结构 ：接下来，我们需要建立一个层次结构来分解问题或目标。层次结构通常分为多个层次，每一层都包含一些因素或子目标。
比较因素 ：对于每一层中的因素，我们需要比较它们的相对重要性。比较可以使用成对比较法或其他方法进行。
计算权重 ：根据比较结果，我们可以计算出每个因素的权重。权重表示因素相对于其他因素的重要性。
综合权重 ：将各层次的因素权重综合起来，就可以得到综合权重。综合权重表示每个因素相对于整个目标的重要性。
选择最优方案 ：最后，我们可以根据综合权重来选择最优的决策方案。

Python代码实现AHP层次分析法

import numpy as np
import pandas as pd

def ahp(criteria, alternatives, pairwise_comparisons):
  """
  AHP层次分析法

  参数：
    criteria：决策标准
    alternatives：备选方案
    pairwise_comparisons：成对比较矩阵

  返回：
    最优备选方案
  """

  # 计算权重
  weights = np.linalg.eig(pairwise_comparisons)[1][:, 0]

  # 归一化权重
  weights = weights / np.sum(weights)

  # 计算综合权重
  総合_weights = np.dot(weights, alternatives)

  # 选择最优备选方案
  best_alternative = alternatives[np.argmax(総合_weights)]

  return best_alternative


# 定义决策标准
criteria = ['价格', '实用性', '独特性', '包装', '品牌']

# 定义备选方案
alternatives = ['口红', '香水', '鲜花', '首饰', '衣服']

# 定义成对比较矩阵
pairwise_comparisons = np.array([
  [1, 3, 5, 7, 9],
  [1/3, 1, 3, 5, 7],
  [1/5, 1/3, 1, 3, 5],
  [1/7, 1/5, 1/3, 1, 3],
  [1/9, 1/7, 1/5, 1/3, 1]
])

# 计算最优备选方案
best_alternative = ahp(criteria, alternatives, pairwise_comparisons)

# 输出最优备选方案
print("最优备选方案：", best_alternative)