三角模糊层次分析法代码

三角模糊层次分析法（Triangular Fuzzy Analytic Hierarchy Process，简称TF-AHP）是一种用于决策分析的方法，它结合了模糊数学和层次分析法。下面是一个简单的示例代码，用于演示TF-AHP的实现过程：

import numpy as np

# 定义模糊数的三个参数：左侧值、中心值、右侧值
class FuzzyNumber:
    def __init__(self, left, center, right):
        self.left = left
        self.center = center
        self.right = right

# 计算模糊数的隶属度
def membership(x, fuzzy_number):
    if x <= fuzzy_number.left or x >= fuzzy_number.right:
        return 0
    elif x == fuzzy_number.center:
        return 1
    elif x < fuzzy_number.center:
        return (x - fuzzy_number.left) / (fuzzy_number.center - fuzzy_number.left)
    else:
        return (fuzzy_number.right - x) / (fuzzy_number.right - fuzzy_number.center)

# 计算模糊数的加权平均值
def weighted_average(fuzzy_numbers, weights):
    numerator = 0
    denominator = 0
    for i in range(len(fuzzy_numbers)):
        numerator += weights[i] * fuzzy_numbers[i].center
        denominator += weights[i]
    return numerator / denominator

# 计算模糊数的一致性指标
def consistency_index(matrix):
    eigenvalues, _ = np.linalg.eig(matrix)
    max_eigenvalue = max(eigenvalues)
    consistency_index = (max_eigenvalue - len(matrix)) / (len(matrix) - 1)
    return consistency_index

# 主函数
def main():
    # 定义模糊数和权重
    fuzzy_numbers = [
        FuzzyNumber(1, 2, 3),
        FuzzyNumber(2, 3, 4),
        FuzzyNumber(3, 4, 5)
    ]
    weights = [0.3, 0.5, 0.2]

    # 计算加权平均值
    result = weighted_average(fuzzy_numbers, weights)
    print("加权平均值:", result)

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

    # 计算一致性指标
    ci = consistency_index(matrix)
    print("一致性指标:", ci)

if __name__ == "__main__":
    main()

这段代码演示了如何使用TF-AHP方法进行决策分析。其中，定义了模糊数的类`FuzzyNumber`，实现了模糊数的隶属度计算、加权平均值计算和一致性指标计算等函数。在主函数中，定义了模糊数和权重，计算了加权平均值，并构建了一个判断矩阵，最后计算了一致性指标。