### 使用Python实现层次分析法（AHP）进行企业决策分析 层次分析法（AHP）是一种将复杂问题分解为多个层次结构的决策工具，适用于多目标、多准则的决策场景。通过构建层次结构模型、建立比较矩阵、一致性检验和权重计算等步骤，可以为企业决策提供科学依据[^1]。 以下是使用Python实现AHP的具体方法及示例代码： #### 1. 构建层次结构模型 在企业决策中，首先需要明确决策目标、准则层和方案层。例如，假设企业需要选择最佳供应商，目标为“选择最优供应商”，准则层包括“价格”、“质量”、“交货时间”和“服务水平”，方案层包含多个候选供应商。 #### 2. 建立成对比较矩阵 根据萨蒂提出的1-9标度法，构造准则层和方案层的成对比较矩阵。以下是一个简单的成对比较矩阵生成函数： ```python import numpy as np def build_pairwise_matrix(criteria_count): """ 构造成对比较矩阵 """ matrix = np.ones((criteria_count, criteria_count)) for i in range(criteria_count): for j in range(i + 1, criteria_count): value = float(input(f"请输入准则 {i+1} 相对于准则 {j+1} 的重要性 (1-9): ")) matrix[i][j] = value matrix[j][i] = 1 / value return matrix ``` #### 3. 计算权重向量 通过求解特征值和特征向量，计算每个准则或方案的权重向量。以下代码展示了如何计算权重向量并进行归一化处理： ```python def calculate_weights(matrix): """ 计算权重向量 """ eigenvalues, eigenvectors = np.linalg.eig(matrix) max_eigenvalue_index = np.argmax(eigenvalues) max_eigenvector = eigenvectors[:, max_eigenvalue_index].real weights = max_eigenvector / np.sum(max_eigenvector) return weights, eigenvalues[max_eigenvalue_index].real ``` #### 4. 进行一致性检验 为了确保判断矩阵的一致性，需计算一致性比率（CR）。如果CR小于0.1，则认为判断矩阵具有满意的一致性。 ```python def consistency_ratio(matrix, max_eigenvalue, n): """ 计算一致性比率 """ ri_values = [0, 0, 0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45, 1.49] # RI值表 if n > len(ri_values): raise ValueError("RI值表不支持超过10个准则") ci = (max_eigenvalue - n) / (n - 1) cr = ci / ri_values[n - 1] return cr ``` #### 5. 综合评价与决策 将各准则层的权重与方案层的权重结合，计算最终的综合权重，并选择最优方案。 ```python def combine_weights(criterion_weights, alternative_weights): """ 综合评价 """ final_scores = np.dot(criterion_weights, alternative_weights) return final_scores ``` #### 示例代码 以下是一个完整的AHP实现示例，用于选择最优供应商： ```python # 定义准则层和方案层 criteria_count = 4 # 价格、质量、交货时间、服务水平 alternatives_count = 3 # 假设有三个候选供应商 # 构造准则层成对比较矩阵 criteria_matrix = build_pairwise_matrix(criteria_count) # 计算准则层权重 criteria_weights, max_eigenvalue_criteria = calculate_weights(criteria_matrix) # 一致性检验 cr_criteria = consistency_ratio(criteria_matrix, max_eigenvalue_criteria, criteria_count) if cr_criteria > 0.1: print("准则层判断矩阵一致性未通过，请重新输入！") else: print(f"准则层一致性比率 CR: {cr_criteria:.4f}") # 构造方案层成对比较矩阵（针对每个准则） alternative_matrices = [] for i in range(criteria_count): print(f"请输入准则 {i+1} 下的方案层成对比较矩阵：") alternative_matrix = build_pairwise_matrix(alternatives_count) alternative_matrices.append(alternative_matrix) # 计算方案层权重 alternative_weights = [] for matrix in alternative_matrices: weights, max_eigenvalue = calculate_weights(matrix) cr = consistency_ratio(matrix, max_eigenvalue, alternatives_count) if cr > 0.1: print(f"方案层判断矩阵一致性未通过，请重新输入！") else: alternative_weights.append(weights) # 综合评价 final_scores = combine_weights(criteria_weights, np.array(alternative_weights)) print(f"各方案的综合得分：{final_scores}") best_alternative = np.argmax(final_scores) + 1 print(f"最优方案为供应商 {best_alternative}") ``` #### 推荐库 - **NumPy**: 用于矩阵运算和线性代数。 - **SciPy**: 提供高级数学函数，如特征值分解。 - **Pandas**: 可用于数据整理和可视化。 --- ###