层次分析法AHP - 代码注释多 - （ 数据建模 Python代码）

实际生活中，往往有一些很复杂的系统，我们没办法直观草率的确定权重，比如甲、乙、丙三人竞选总统，严谨的说，需要从三人的社交能力、管理能力、经济能力等方面来考虑，在每个方面，三位候选人的得分也不同，那么到底怎么来判断这三个人的综合得分呢？AHP可以帮助你。（请忽略现在的选举都是投票这个现实）

层次分析法是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。

层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。

层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。

 

下面是代码：

因为注释较多，根本无需一步一步的详解就能看懂，所以就一下子全放上来了。

#思路：
#1.首先输入每个指标下面对应的判断矩阵，
#该矩阵中的值是通过大数据（或者专家）得到的每两个指标之间的相对重要程度值，
#通过AHP计算这些判断矩阵是否通过一致性的检验，通过即合理，
#不通过就说明矩阵中的两指标间的相对重要程度有过分矛盾的地方，

import csv
import numpy as np
import tensorflo