critic权重法 Python 实现代码

以下是使用Python实现CRITIC权重法的示例代码：

import numpy as np

# 构建判断矩阵
# 这里以三个决策因素为例，每个因素有三个指标
judgement_matrix = np.array([
    [1, 3, 1/5],
    [1/3, 1, 1/7],
    [5, 7, 1]
])

# 归一化判断矩阵
normalized_matrix = np.zeros_like(judgement_matrix)
for i in range(judgement_matrix.shape[0]):
    sum_of_row = np.sum(judgement_matrix[i])
    for j in range(judgement_matrix.shape[1]):
        normalized_matrix[i][j] = judgement_matrix[i][j] / sum_of_row

# 计算特征向量和特征值
eigen_values, eigen_vectors = np.linalg.eig(normalized_matrix)
max_eigen_value = np.max(eigen_values)
max_eigen_index = np.argmax(eigen_values)
weight_vector = eigen_vectors[:, max_eigen_index]
weight_vector = weight_vector / np.sum(weight_vector)

print("决策因素的权重为：", weight_vector)

这段代码中，首先构建了一个判断矩阵`judgement_matrix`，然后对其进行归一化，得到`normalized_matrix`。

接着，使用`np.linalg.eig`函数计算了判断矩阵的特征向量和特征值，找到最大特征值和对应的特征向量，即可得到各决策因素的权重。

最后输出权重向量`weight_vector`即可。