层次分析法判断矩阵求权值以及一致性检验程序层次分析法（Analytic Hierarchy Process，AHP）是一种用于多准则决策的数学模型和方法。
它是由美国管理学家托马斯·L·赛蒙在20世纪70年代提出的。
AHP方法能够帮助决策者在多个准则和多个选择之间进行有效的决策，通过定量和定性的方式来对选择进行评估和比较。
在AHP方法中，决策问题被分解成一个层次结构，其中包含目标层、准则层和选择层。
每个层次都有不同的准则和可能的选择。
决策者需要对每个层次中的准则和选择进行配对比较，从而确定它们之间的重要性和权重。
通过对一系列两两比较的判断矩阵求权值，最终得到每个准则和选择的权重，进而做出最终决策。
下面是一种求解AHP中矩阵权值和进行一致性检验的程序：1. 建立判断矩阵：根据决策问题的结构，建立一个判断矩阵。
判断矩阵的大小是n×n，其中n是比较对象的数量。
矩阵的每个元素(a_ij)表示第i个对象相对于第j个对象的重要性或影响程度。
2. 进行两两比较：对矩阵的每个元素(a_ij)，决策者需要进行两两比较，确定它们之间的相对重要性。
比较的结果可以使用系数1-9进行量化，其中1表示相等重要性，9表示绝对重要性的差异。
3.归一化判断矩阵：将比较得到的判断矩阵归一化，使得每一列的元素之和等于1、这可以通过将每个元素除以其所在列的元素之和来实现。
4.求解权值：通过归一化后的判断矩阵，可以计算每个对象的权重。
权重可以通过计算每一行的元素之和来得到。
5.计算一致性指标：在AHP方法中，一致性是指判断矩阵中的数值是否在合理范围内。
为了检验一致性，需要计算一致性指标。
一致性指标的计算方法是通过求解最大特征值和一致性比率来得到。
6.进行一致性检验：计算一致性指标后，需要将其与预先给定的随机一致性指标进行比较。
如果计算得到的一致性指标小于预先给定的一致性指标，则认为判断矩阵中的数值具有一致性。
ahp层次分析法Ahp层次分析法(AnalyticHierarchyProcess,AHP)是一种综合决策分析方法，主要用于复杂环境下的决策分析和优选。
它是由美国管理学家托马斯Saaty于1970年提出的，是一种更具体的优先级决策分析方法。
AHP能有效的提高复杂环境下的决策效率，这个方法可以显著减少企业决策者在决策过程中所面临的不确定性和复杂度。
AHP层次分析法具有以下几个特点：一，AHP可以深入理解用户的需求，一个AHP决策结果可以迅速完成，并且可以改变决策的方向；第二,AHP的处理结果是单一的,而不会出现多种可能的结果；第三，AHP易于操作和理解；第四，AHP可以使用大量的数据量，可以得到准确的结果；第五，AHP可以获得多个决策者的协调意见；第六，AHP 简洁明了，可以迅速给出满意的决策。
AHP决策分析包括四个关键步骤：数据收集、层次结构建模、比较矩阵构建以及最后的决策结果确定。
首先是数据收集，数据收集的目的是获得参与者的意见，定义参与者关于决策的偏好，以及对不同可能解决方案的评估。
其次，层次结构建模，层次结构建模是一个重要步骤，它将决策问题和多个偏好绩效方案结合在一起，使得决策者能够更好的理解不同可能解决方案之间的区别。
第三，比较矩阵构建，比较矩阵帮助权衡不同偏好绩效方案之间的相互关系，并最终准确定义出最优解决方案。
最后，决策结果确定，通过矩阵的计算，将最终的决策结果定义出来。
Ahp层次分析法用到的模型可以大致分为三类：全局序数模型、本地序数模型和组合序数模型。
全局序数模型是指直接使用参与者提供的相对评价数据，以及计算耦合权矩阵中的权重，并利用矩阵的迭代解耦合矩阵，最终获得最优解。
本地序数模型是指首先使用参与者提供的评价数据，然后建立一个本地评价矩阵来存储这些提供的数据，然后使用全局序数模型来计算权重值，来计算最后的决策结果。
组合序数模型是指将全局序数模型和本地序数模型组合在一起，以更有效的计算出最终的决策结果。
