Phương pháp AHP code Python

TLTK:  C5_1_HTTT_lec5_1_2017.pptx - Google Trang trình bày

Code Python: (được viết bởi Nguyễn Công Cường)

import numpy as np

tc = ['Price', 'Distance', 'Labor', 'Wage']

pa = ['A', 'B', 'C']

mttc = np.array([

    [1, 1/5, 3, 4],

    [5, 1, 9, 7],

    [1/3, 1/9, 1, 2],

    [1/4, 1/7, 1/2, 1]

])

patc = []

patc.append(np.array([

    [1, 3, 2],

    [1/3, 1, 1/5],

    [1/2, 5, 1]

]))

patc.append(np.array([

    [1, 6, 1/3],

    [1/6, 1, 1/9],

    [3, 9, 1]

]))

patc.append(np.array([

    [1, 1/3, 1],

    [3, 1, 7],

    [1, 1/7, 1]

]))

patc.append(np.array([

    [1, 1/3, 1/2],

    [3, 1, 4],

    [2, 1/4, 1]

]))

# QUÁ TRÌNH XÁC ĐỊNH TỶ SỐ NHẤT QUÁN

# Bước 1: Nhân ma trận so sánh ban đầu với vectơ trọng số(kết quả thu được vectơ tổng trọng số),

# Bước 2: Chia vectơ tổng trọng số cho vectơ trọng số đã được xác định trước đó(kết quả thu được vectơ nhất quán),

# Bước 3: Tính giá trị riêng lớn nhất (λmax) bằng cách lấy giá trị trung bình của vectơ nhất quán.

# Bước 4: Tính chỉ số nhất quán (CI), chỉ số đo lường mức độ chệch hướng nhất quán: CI = (lamdaMAX - n) / (n-1)

# Bước 5: Tỷ số nhất quán: CR = CI / RI

RI = {}

RI[3] = 0.52

RI[4] = 0.89

RI[5] = 1.11

RI[6] = 1.25

RI[7] = 1.35

RI[8] = 1.40

RI[9] = 1.45

RI[10] = 1.49

RI[11] = 1.52

RI[12] = 1.54

RI[13] = 1.56

RI[14] = 1.58

RI[15] = 1.59

def find_TSNQ(a):

    n, _ = a.shape

    if (n < 2):

        return 1

    bo_trong_so = find_vector(a)

    vector_tong_ts = np.dot(a, bo_trong_so) #B1

    vector_nhat_quan = vector_tong_ts / bo_trong_so #B

    lamda_max = np.sum(vector_nhat_quan) / n #B3

    CI = (lamda_max - n) / (n-1) #B4

    CR = CI / RI[n] #B5

    return CR

   

# PHƯƠNG PHÁP CHUẨN HÓA MA TRẬN

# Bước 1: Tính tổng giá trị từng cột của ma trận so sánh,

# Bước 2: Chia từng phần tử trong ma trận với tổng cột tương ứng (kết quả  thu được ma trận chuẩn hóa),

# Bước 3:Tính tổng từng hàng của ma trận chuẩn hóa,

# Bước 4: Chia tổng từng hàng cho tổng của tất cả các hàng (kết quả thu được vectơ trọng số tương ứng).

def find_vector(a):

    tong_cot = a.sum(axis=0) #B1

    a = a / tong_cot #B2

    tong_hang = a.sum(axis=1) #B3

    return tong_hang / np.sum(a) #B4

############################################################################

nhat_quan= True

tsnq= find_TSNQ(mttc)

if (tsnq > 0.1):

    nhat_quan= False

    print('Ma trận tiêu chí có chỉ số nhất quán là', tsnq, 'nên không nhất quán!')

# demo CR = 0.02

# patc[0]= np.array([

#     [1/1, 1/2, 3/1],

#     [2/1, 1/1, 4/1],

#     [1/3, 1/4, 1/1]

# ])

for i in range(len(tc)):

    if (find_TSNQ(patc[i]) > 0.1):

        # nhat_quan= False

        tsnq = find_TSNQ(patc[i])

        # print('Ma trận phương án theo tiêu chí', tc[i], 'có chỉ số nhất quán là', tsnq, 'nên không nhất quán!')

import sys

if (not nhat_quan):

    sys.exit()

#######################################################################

tstc = find_vector(mttc)

print('\nTRỌNG SỐ CỦA CÁC TIÊU CHÍ:\n', tc, '\n', tstc,'\n')

tstc = tstc.T.reshape(len(tc),1)

mtts = np.empty((3,4))

for i in range(len(tc)):

    vector = find_vector(patc[i])

    mtts[:, i] = vector

    print('\nTRỌNG SỐ CỦA CÁC PHƯƠNG ÁN THEO TIÊU CHÍ:', tc[i], '\n', pa, '\n', vector)

###################################################

print('\n\nTỔNG HỢP BẢNG ĐIỂM CỦA CÁC PHƯƠNG ÁN:')

score = np.dot(mtts, tstc).reshape(1, len(pa))

print(pa)

print(score)

print('\n\nXẾP HẠNG CÁC PHƯƠNG ÁN TỪ ĐIỂM CAO ĐẾN THẤP:')

rank = {}

score = score[0].tolist()

for i in range(len(pa)):

    rank[pa[i]] = score[i]

rank = dict(sorted(rank.items(), key=lambda item: item[1], reverse=True))

for key, value in rank.items():

    print(f"{key}: {value:.2f}")

print()