第j个指标的权重与第j个指标所处指标层的权重有什么区别

第j个指标的权重是指在当前指标层中，第j个指标对于下一层指标的影响程度。而第j个指标所处指标层的权重则是指当前指标层对于总体目标的影响程度。两者的区别在于，第j个指标的权重只考虑当前层内的指标之间的相对重要性，而第j个指标所处指标层的权重则考虑了当前层与其他层之间的相对重要性。因此，第j个指标所处指标层的权重比第j个指标的权重更加综合和全局化。

相关问题

已知第j个指标同一层各个指标的权重，如何计算第j个指标所处指标层的权重

如果已知第j个指标同一层各个指标的权重，可以通过如下方法计算第j个指标所处指标层的权重：

1. 将第j个指标在同一层中的其他指标的权重相加，得到总权重值。

2. 将第j个指标的权重除以总权重值，即可得到第j个指标所处指标层的权重。

例如，假设第j个指标所在的层有5个指标，其中第j个指标的权重为3，其他4个指标的权重分别为2、4、5、1，则总权重值为2+4+5+1+3=15，第j个指标所处指标层的权重为3/15=0.2。

我想要一个层次分析法求多指标权重的python代码

好的，以下是一个使用层次分析法计算多指标权重的Python代码：

import numpy as np

# 定义一个函数来计算权重
def get_weight(data):
    # 构建判断矩阵
    n = len(data)
    A = np.zeros((n, n))
    for i in range(n):
        for j in range(n):
            A[i][j] = data[i] / data[j]

    # 计算特征向量
    w, v = np.linalg.eig(A)
    idx = w.argmax()
    w = v[:, idx].real
    w = w / w.sum()

    return w

# 例子，假设我们有三个指标，分别为a、b、c
# 我们需要对它们进行比较，得到它们的权重

# 构建判断矩阵
data = [1, 2, 5]
w = get_weight(data)
print(w)

在这个例子中，我们构建了一个3x3的判断矩阵，其中第i行第j列表示指标i与指标j的比较。在这个例子中，我们假设a比b重要，b比c重要，a比c更重要。因此，判断矩阵如下：

[[1 1/2 1/5]
 [2 1 1/2]
 [5 2 1]]

然后，我们计算该判断矩阵的特征向量，并将其归一化，以获得每个指标的权重。在这个例子中，得到的权重为：

[0.722, 0.239, 0.039]

这意味着，a的权重为0.722，b的权重为0.239，c的权重为0.039。