数学建模小白必看：层次分析法（AHP）从入门到实战（附Python代码）

数学建模竞赛实战：用层次分析法（AHP）破解评价类难题

第一次参加数学建模竞赛时，面对"城市可持续发展评价"这类抽象题目，我们小组盯着空白文档发呆了整整两小时。直到发现层次分析法这个工具，才让模糊的定性比较转化为可计算的定量分析。本文将分享如何用Python实现AHP的完整流程，从构建判断矩阵到通过一致性检验，最后得出科学决策方案。

1. 为什么AHP是数学建模的必备工具

1980年代，美国运筹学家托马斯·萨蒂在为美国政府研究电力分配问题时，发现传统决策方法难以处理多准则的复杂比较。他由此发明的层次分析法，现已成为数学建模竞赛中解决评价类问题的标准工具。在2023年全国大学生数学建模竞赛中，约43%的获奖论文采用了AHP或其改进方法。

AHP的核心优势在于将主观判断系统化。比如要评价不同城市的生活质量，传统方法可能直接让专家打分，而AHP会先分解为空气质量、教育医疗、交通便利等子指标，再通过两两比较建立科学的权重体系。这种方法特别适合处理：

• 指标间存在冲突（如经济发展vs环境保护）
• 既有定量数据又有定性判断
• 需要融合多位专家意见的决策场景

提示：在数学建模比赛中，AHP通常与TOPSIS、模糊综合评价等方法结合使用，形成更完整的解决方案。

2. 构建判断矩阵的关键技巧

判断矩阵是AHP的核心，也是新手最容易出错的部分。以选择毕业旅行城市为例（假设考虑西安、成都和厦门），我们需要先建立准则层指标：预算成本、景点丰富度、美食体验、交通便利性。

正确构建判断矩阵的步骤：

1. 设计1-9标度规则表：

   标度值	含义
   1	两个因素同等重要