ahp层次分析法 java实现

AHP（层次分析法）是一种多层次决策方法，用于在多个选项之间进行决策。以下是使用Java实现AHP算法的一些步骤：

1. 定义标准矩阵，即将不同的决策因素分为等级，并确定它们之间的相对权重。

例如，我们可以使用二维数组来表示标准矩阵。假设我们有3个因素A、B、C，其中A对于B、C的相对重要性为2：1，而B对于C的相对重要性为3：1，则标准矩阵可以表示为：

double[][] matrix = {
{1.0, 2.0, 1.0/3.0},
{0.5, 1.0, 1.0/3.0},
{3.0, 3.0, 1.0}
};

2. 计算矩阵的一致性指标和随机一致性指标。AHP要求矩阵必须满足一致性，否则无法得到可靠的结果。计算矩阵一致性的方法是计算一致性指标CI，以及与随机一致性指标CR进行比较。

例如，我们可以使用下面的代码来计算矩阵的一致性指标：

double[] weights = AHP.calculateWeights(matrix);
double ci = AHP.calculateCI(matrix, weights);
double cr = AHP.calculateCR(matrix);

3. 根据计算出来的权重，进行决策。

例如，我们可以使用下面的代码来获取权重，然后使用它们来进行决策：

double[] weights = AHP.calculateWeights(matrix);
int bestOptionIndex = AHP.getBestOptionIndex(weights);

其中，getBestOptionIndex方法返回具有最高权重的选项的索引。

下面是完整的AHP实现示例代码：

import java.util.Arrays;

public class AHP {
    
    public static void main(String[] args) {
        double[][] matrix = {
            {1.0, 2.0, 1.0/3.0},
            {0.5, 1.0, 1.0/3.0},
            {3.0, 3.0, 1.0}
        };
        double[] weights = calculateWeights(matrix);
        System.out.println("Weights: " + Arrays.toString(weights));
        int bestOptionIndex = getBestOptionIndex(weights);
        System.out.println("Best option index: " + bestOptionIndex);
    }
    
    public static double[] calculateWeights(double[][] matrix) {
        int n = matrix.length;
        double[] weights = new double[n];
        for (int j = 0; j < n; j++) {
            double sum = 0.0;
            for (int i = 0; i < n; i++) {
                sum += matrix[i][j];
            }
            double columnSum = 0.0;
            for (int i = 0; i < n; i++) {
                matrix[i][j] /= sum;
                columnSum += matrix[i][j];