模糊层次分析法python代码

模糊层次分析法（Fuzzy Analytic Hierarchy Process，FAHP）是一种基于模糊数学理论的多准则决策方法，它可以用于解决复杂的决策问题。在FAHP中，通过构建层次结构模型，将决策问题分解为若干个层次，然后利用模糊数学方法对各层次因素进行评估和权重分配，最终得到决策结果。

下面是一个简单的FAHP的Python实现示例：

import numpy as np

# 构建层次结构模型
criteria = ['价格', '品质', '服务']
factors = ['品牌', '口碑', '售后']

# 构建判断矩阵
price_matrix = np.array([[1, 3, 5], [1/3, 1,3], [1/5, 1/3, 1]])
quality_matrix = np.array([[1, 3, 5], [1/3, 1, 3], [1/5, 1/3, 1]])
service_matrix = np.array([[1, 3, 5], [1/3, 1, 3], [1/5, 1/3, 1]])

brand_matrix = np.array([[1, 3, 5], [1/3, 1, 3], [1/5, 1/3, 1]])
reputation_matrix = np.array([[1, 3, 5], [1/3, 1, 3], [1/5, 1/3, 1]])
after_sales_matrix = np.array([[1, 3, 5], [1/3, 1, 3], [1/5, 1/3, 1]])

# 计算权重向量
price_weight = np.sum(price_matrix, axis=1) / np.size(price_matrix, axis=1)
quality_weight = np.sum(quality_matrix, axis=1) / np.size(quality_matrix, axis=1)
service_weight = np.sum(service_matrix, axis=1) / np.size(service_matrix, axis=1)

brand_weight = np.sum(brand_matrix, axis=1) / np.size(brand_matrix, axis=1)
reputation_weight = np.sum(reputation_matrix, axis=1) / np.size(reputation_matrix, axis=1)
after_sales_weight = np.sum(after_sales_matrix, axis=1) / np.size(after_sales_matrix, axis=1)

# 计算综合权重
criteria_weight = np.array([price_weight, quality_weight, service_weight])
factors_weight = np.array([brand_weight, reputation_weight, after_sales_weight])

criteria_final_weight = np.sum(criteria_weight.T * factors_weight, axis=1)

print('各层次权重：')
print('价格、品质、服务：', criteria_final_weight)
print('品牌、口碑、售后：', factors_weight)

在上面的示例中，我们首先构建了一个包含两个层次的层次结构模型，其中第一层次包含三个准则（价格、品质、服务），第二层次包含三个因素（品牌、口碑、售后）。然后，我们构建了各层次的判断矩阵，并计算了各层次的权重向量和综合权重。最终，我们得到了各层次的权重结果。