TOPSIS评价方法python.zip

英文全称：Technique for order performance by similarity to ideal solution 正理想解：各指标属性达到最满意的解。 负理想解：各指标属性达到最不满意的解。

“““
层次分析法
“““
import numpy as np

RI = {1: 0 2: 0 3: 0.58 4: 0.90 5: 1.12 6: 1.24 7: 1.32 8: 1.41 9: 1.45 10: 1.49 11: 1.51}
A = [[14282][1/411/221/2][1/22141][1/81/21/411/4][1/22141]]

def ahp（data）:
	data = np.array（data）
	m = len（data）

	# 计算特征向量
	weight = （data / data.sum（axis=0））.sum（axis=1） / m

	# 计算特征值
	Lambda = sum（（weight * data）.sum（axis=1） / （m * weight））

	# 判断一致性
	CI = （Lambda - m） / （m - 1）
	CR = CI / RI[m]

	if CR < 0.1:
		print（f‘最大特征值：lambda = {Lambda}‘）
		print（f‘特征向量：weight = {weight}‘）
		print（f‘\nCI = {round（CI2）} RI = {RI[m]} \nCR = CI/RI = {round（CR2）} < 0.1，通过一致性检验‘）
		return weight
	else:
		print（f‘\nCI = {round（CI2）} RI = {RI[m]} \nCR = CI/RI = {round（CR2）} >= 0.1，不满足一致性‘）

ahp（A）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-05-16 11:39  TOPSIS评价方法（python）\
     文件         880  2019-05-05 23:34  TOPSIS评价方法（python）\AHP.py
     文件         611  2019-05-05 23:34  TOPSIS评价方法（python）\shangquan.py
     文件        2843  2019-05-05 22:57  TOPSIS评价方法（python）\TOPSIS_1.py
     文件        3317  2019-05-05 23:34  TOPSIS评价方法（python）\TOPSIS_2.py