如何使用（Python AHP）努比·利纳格求出最大特征值（似乎不收敛？）

Question

我不是一个专业的数学家，也不是一个专业的程序员。所以请不要责怪我的措辞不正确或编码不好。我只是在寻求帮助。在

我使用以下代码从成对比较矩阵中得出排名：

A = numpy.array(matrix)

"Define vector of weights based on eigenvector and eigenvalues"
eigenvalues, eigenvector=numpy.linalg.eig(A)
maxindex=numpy.argmax(eigenvalues)
eigenvalues=numpy.float32(eigenvalues) #float32
eigenvector=numpy.float32(eigenvector) #float32
weights=eigenvector[:, maxindex]

weights.tolist() #convert array(numpy)  to vector
weights=[ w/sum(weights) for w in weights ]

print "Layer Weights: " + str(numpy.around(weights,3))

问题是，导出的排名（权重）与来自其他第三方AHP计算器的排名不匹配。也就是说，它们似乎来自第一次迭代，而不是通过多次迭代在收敛时得到的值。在

例如，从以下两两互反矩阵：

^{pr2}$

我得到以下排名：

[ 0.035  0.074  0.15   0.038  0.08   0.623]

当我希望收到：

[ 0.056  0.074  0.106  0.057  0.076  0.631]

有人有什么想法吗？提前谢谢。在

Answer 1

我与Mathematica进行了交叉检查，它为最大特征值提供了与从Python代码中获得的相同的标准化右特征向量。因此，我怀疑问题在于你的期望。它是从哪里来的？也许如果你在和其他软件进行比较，它会使用一些额外的调整，而不是基本的层次分析法。在

编码注释：不需要转换为列表进行规范化。您可以改为使用weights = weights/np.sum(weights)。在