【数学建模】Topsis法python代码

昨天学习了Topsis法的基本概念,今天就来一起实践一下,用python实现topsis法

代码分块解释

1、引入numpy库

python 复制代码
 numpy as np

2、输入参评与指标数目

python 复制代码
# 用户输入参评数目和指标数目,将输入的字符串转换为数值
print("请输入参评数目:")
n = int(input()) # 接收参评数目,输入的数转换成int
print("请输入指标数目:")
m = int(input()) # 接收指标数目
print("请输入类型矩阵:1.极大型,2.极小型,3.中间型,4.区间型")
kind = input().split(" ")# 将输入的字符串按空格分割,形成列表

3、接收输入的矩阵并转换成numpy数组

python 复制代码
# 接收输入的矩阵并转换成numpy数组
print("请输入矩阵:")
A = np.zeros(shape=(n,m)) # 初始化一个n行m列的全零矩阵A
for i in range(n):
    A[i] = input().split(" ") # 接收每行输入的数据
    A[i] = list(map(float, A[i])) # 将接收到的字符串转换为浮点型列表
print("输入矩阵为,\n{}".format(A))

4.转化函数

极小型转化 为极大型指标

python 复制代码
def minTomax(maxx, x):
    x = list(x)
    ans = [[(maxx-e)] for e in x] #列表推导式
    return np.array(ans)

中间型指标转化为极大型指标

python 复制代码
def midTomax(bestx,x):
    x = list(x)
    h = [abs(e-bestx) for e in x]
    M = max(h)
    if M == 0:
        M = 1
    ans = [[(1-e/M)] for e in h]
    return np.array(ans)

区间型指标转化为极大型指标

python 复制代码
def regTomax(lowx, highx, x):
    x = list(x)
    M = max(lowx-min(x), max(x)-highx)
    if M == 0:
        M = 1
    ans = []
    for i in range(len(x)):
        if x[i]<lowx:
            ans.append([1-(lowx-x[i])/M])
        elif x[i]>highx:
            ans.append([1-(x[i]-highx)/M])
        else:
            ans.append([1])
    return np.array(ans)

计算统一指标后的矩阵

python 复制代码
X = np.zeros(shape=(n, 1))
for i in range(m):
    if kind[i] == "1":
        v = np.array(A[:, i])
    elif kind[i] =="2":
        maxA = max(A[:, i])
        v = minTomax(maxA, A[:, i])
    elif kind[i] == "3":
        print("类型三:请输入最优值:")
        bestA = eval(input())
        v = midTomax(bestA, A[:, i])
    elif kind[i] == "4":
        print("类型四:请输入区间【a,b】值a:")
        lowA = eval(input())
        print("类型四:请输入区间【a,b】值b:")
        highA = eval(input())
        v = regTomax(lowA, highA, A[:, i])
    if i==0:
        X = v.reshape(-1, 1)
    else:
        X = np.hstack([X, v.reshape(-1,1)])
print("统一指标后矩阵为:\n{}".format(X))

# 标准化
X = X.astype('float')
for j in range(m):
    X[:, j] = X[:, j]/np.sqrt(sum(X[:, j]**2))# 少加了一个","导致报错
    # 开根号
print("标准化矩阵为:\n{}".format(X))

计算距离

python 复制代码
#最大值与最小值距离的计算
x_max = np.max(X, axis=0)
x_min = np.min(X, axis=0)
d_z = np.sqrt(np.sum(np.square((X - np.tile(x_max, (n, 1)))), axis=1))
d_f = np.sqrt(np.sum(np.square((X - np.tile(x_min, (n, 1)))), axis=1))
print('每个指标的最大值:',x_max)
print('每个指标的最小值:',x_min)
print('d+向量:',d_z)
print('d-向量:',d_f)

s = d_f/(d_z+d_f)
Score = 100*s/sum(s)
for i in range(len(Score)):
    print(f"第{i+1}个标准化后百分制得分为:{Score[i]}")

完整代码

python 复制代码
import numpy as np

# 用户输入参评数目和指标数目,将输入的字符串转换为数值
print("请输入参评数目:")
n = int(input()) # 接收参评数目,输入的数转换成int
print("请输入指标数目:")
m = int(input()) # 接收指标数目
print("请输入类型矩阵:1.极大型,2.极小型,3.中间型,4.区间型")
kind = input().split(" ")# 将输入的字符串按空格分割,形成列表

# 接收输入的矩阵并转换成numpy数组
print("请输入矩阵:")
A = np.zeros(shape=(n,m)) # 初始化一个n行m列的全零矩阵A
for i in range(n):
    A[i] = input().split(" ") # 接收每行输入的数据
    A[i] = list(map(float, A[i])) # 将接收到的字符串转换为浮点型列表
print("输入矩阵为,\n{}".format(A))

def minTomax(maxx, x):
    x = list(x)
    ans = [[(maxx-e)] for e in x] #列表推导式
    return np.array(ans)

def midTomax(bestx,x):
    x = list(x)
    h = [abs(e-bestx) for e in x]
    M = max(h)
    if M == 0:
        M = 1
    ans = [[(1-e/M)] for e in h]
    return np.array(ans)

def regTomax(lowx, highx, x):
    x = list(x)
    M = max(lowx-min(x), max(x)-highx)
    if M == 0:
        M = 1
    ans = []
    for i in range(len(x)):
        if x[i]<lowx:
            ans.append([1-(lowx-x[i])/M])
        elif x[i]>highx:
            ans.append([1-(x[i]-highx)/M])
        else:
            ans.append([1])
    return np.array(ans)

X = np.zeros(shape=(n, 1))
for i in range(m):
    if kind[i] == "1":
        v = np.array(A[:, i])
    elif kind[i] =="2":
        maxA = max(A[:, i])
        v = minTomax(maxA, A[:, i])
    elif kind[i] == "3":
        print("类型三:请输入最优值:")
        bestA = eval(input())
        v = midTomax(bestA, A[:, i])
    elif kind[i] == "4":
        print("类型四:请输入区间【a,b】值a:")
        lowA = eval(input())
        print("类型四:请输入区间【a,b】值b:")
        highA = eval(input())
        v = regTomax(lowA, highA, A[:, i])
    if i==0:
        X = v.reshape(-1, 1)
    else:
        X = np.hstack([X, v.reshape(-1,1)])
print("统一指标后矩阵为:\n{}".format(X))

# 标准化
X = X.astype('float')
for j in range(m):
    X[:, j] = X[:, j]/np.sqrt(sum(X[:, j]**2))# 少加了一个","导致报错
    # 开根号
print("标准化矩阵为:\n{}".format(X))

#最大值与最小值距离的计算
x_max = np.max(X, axis=0)
x_min = np.min(X, axis=0)
d_z = np.sqrt(np.sum(np.square((X - np.tile(x_max, (n, 1)))), axis=1))
d_f = np.sqrt(np.sum(np.square((X - np.tile(x_min, (n, 1)))), axis=1))
print('每个指标的最大值:',x_max)
print('每个指标的最小值:',x_min)
print('d+向量:',d_z)
print('d-向量:',d_f)

s = d_f/(d_z+d_f)
Score = 100*s/sum(s)
for i in range(len(Score)):
    print(f"第{i+1}个标准化后百分制得分为:{Score[i]}")
相关推荐
HR Zhou4 小时前
群体智能优化算法-算术优化算法(Arithmetic Optimization Algorithm, AOA,含Matlab源代码)
人工智能·算法·数学建模·matlab·优化·智能优化算法
青橘MATLAB学习6 小时前
钢管下料问题:基于Matlab的优化求解与实践
开发语言·数学建模·matlab·钢管下料
JINX的诅咒4 天前
CORDIC算法:三角函数的硬件加速革命——从数学原理到FPGA实现的超高效计算方案
算法·数学建模·fpga开发·架构·信号处理·硬件加速器
2501_906801204 天前
BY组态-低代码web可视化组件
前端·物联网·低代码·数学建模·前端框架
2501_906801484 天前
BY组态-低代码web可视化组件
前端·物联网·低代码·数学建模·编辑器·web
电科_银尘5 天前
【Matlab】-- 基于MATLAB的美赛常用多种算法
算法·数学建模·matlab
烟锁池塘柳06 天前
【数学建模】动态规划算法(Dynamic Programming,简称DP)详解与应用
算法·数学建模·动态规划
HR Zhou7 天前
群体智能优化算法-大猩猩部落优化算法(Gorilla Troops Optimizer, GTO,含Matlab源代码)
算法·机器学习·数学建模·matlab·群体智能优化
烟锁池塘柳07 天前
【数学建模】(启发式算法)遗传算法:自然选择的计算模型
算法·数学建模·启发式算法
2501_906800767 天前
低代码配置式组态软件-BY组态
前端·后端·物联网·低代码·数学建模·web