数学建模·Topsis优劣解&距离法

Topsis优劣解

一种新的评价方法,特点就是利用原有数据,客观性强。

相较于模糊评价和层次评价

更加客观,充分利用原有数据,精确反映方案差距

基本原理

离最优解最近,离最劣解越远

具体步骤

正向化

代码与原理与熵权法类同,不多赘述

标准化

标准化的目的是为了消除计量单位不同的影响

标准化的计算方式不是算数平均,而是平方数的平均

*优劣解打分

  • 1.优先计算最优解和最劣解,作为行向量存在
  • 2.分别计算每一个对象i的j指标相对优劣解的距离
  • 3.按照公式得出对象的得分进行归一化

带权值的优劣解计算

  • 距离之差表现在矩阵乘法上作为矩阵
  • 这个权值表现在矩阵乘法上是作为列向量 ,原因很简单:线性组合。这点很重要!

    w向量形式如下图

    公式中的"距离之差的平方"形式如下图

如果你运行不成功可能是变量名不一样,matlab支持一步步运行代码。

权重的计算:

熵权法/层次分析法

在需要计算时,直接跳转熵权法代码运行这一节即可(保持变量名统一)

matlab 复制代码
%% 概率矩阵P、计算信息熵和熵权
P=Stand_X./repmat(sum(Stand_X),n,1);
for i=1:n
    for j=1:m
        if P(i,j)==0
            P(i,j)=0.000001
        end
    end
end
H=sum(-P.*log(P));
e=H./log(n);
d=1-e;
d=d./sum(d);
disp("计算完成,下面是计算得出的权重矩阵");
disp(d);
temp=input("是否需要正向矩阵、标准矩阵?输入1表示需要,其他表示不需要");
if temp==1
    disp(X);
    disp(Stand_X);
end

Topsis代码如下

matlab 复制代码
%% 读取数据
X=xlsread("工作簿1.xlsx");
X=X(:,[2:5]);%注意读取时不要误读,可以直接范围所有
disp("成功读取!");
%% 正向化
disp("现在进行正向化操作,请按照提示操作")
vec_col=input("请输入需要正向化的列数,以数组的形式输入\n");
for i=1:size(vec_col,2)%1是行数2是列数
flag = input(['第' num2str(vec_col(i)) '列是哪类数据(【1】:极小型 【2】:中间型 【3】:区间型),请输入序号:\n']);
    if flag==1
        X(:,vec_col(i))=Min2Max(X(:,vec_col(i)));
    elseif flag==2
        best=input("请你传入最佳值\n");
        X(:,vec_col(i))=Mid2Max(X(:,vec_col(i)),best);
    else
        arr=input("请你输入区间的左右端点,以数组的形式\n");
        X(:,vec_col(i))=Interval2Max(X(:,vec_col(i)),arr(1),arr(2));
    end
end
disp("正向化完成!");
%% 标准化
[n,m]=size(X);
Square_X=X.*X;
Sum_X=sum(Square_X).^0.5;
Stand_X=X./repmat(Sum_X,n,1);
disp("标准化完成!")
%% 优劣解打分
min_X=min(Stand_X,[],1);%[C,index] = max(A,[],dim);
max_X=max(Stand_X,[],1);
disp("正在使用优劣解打分");
temp=ones(m);
weight=temp(:,1);%默认权值
need_w_flag=input("是否需要手动输入权值?如果需要请输入1\n");
if need_w_flag==1
    weight=input("请将权值以列的形式给出!");
end
Z_plus=repmat(max_X,n,1);
Z_sub=repmat(min_X,n,1);
D_plus=sum((Z_plus-Stand_X).^2*weight,2).^2;
%根据公式weight一定要右乘
D_sub=sum((Z_sub-Stand_X).^2*weight,2).^2;
S=D_sub./(D_sub+D_plus);
%归一化
S=S./sum(S);
disp("评分如下");
disp(S);
xlswrite("工作簿1.xlsx",S,'F2:F26');

距离法

基本原理

根据每一个元素与最大值最小值的距离打分,比较朴素,一般不使用这个方法评

代码如下

matlab 复制代码
%% 读取数据
X=xlsread("工作簿1.xlsx");
X=X(:,[2:5]);%注意读取时不要误读,可以直接范围所有
disp("成功读取!");
%% 正向化
disp("现在进行正向化操作,请按照提示操作")
vec_col=input("请输入需要正向化的列数,以数组的形式输入\n");
for i=1:size(vec_col,2)%1是行数2是列数
flag = input(['第' num2str(vec_col(i)) '列是哪类数据(【1】:极小型 【2】:中间型 【3】:区间型),请输入序号:\n']);
    if flag==1
        X(:,vec_col(i))=Min2Max(X(:,vec_col(i)));
    elseif flag==2
        best=input("请你传入最佳值\n");
        X(:,vec_col(i))=Mid2Max(X(:,vec_col(i)),best);
    else
        arr=input("请你输入区间的左右端点,以数组的形式\n");
        X(:,vec_col(i))=Interval2Max(X(:,vec_col(i)),arr(1),arr(2));
    end
end
disp("正向化完成!");
%% 标准化
[n,m]=size(X);
Square_X=X.*X;
Sum_X=sum(Square_X).^0.5;
Stand_X=X./repmat(Sum_X,n,1);
disp("标准化完成!")
%% 距离法打分
min_X=min(Stand_X,[],1);%[C,index] = max(A,[],dim);
max_X=max(Stand_X,[],1);
res1=(Stand_X-repmat(min_X,n,1))./(repmat(max_X,n,1)-repmat(min_X,n,1));
disp(res1);
相关推荐
阑梦清川20 小时前
数学建模启发式算法篇(一)---遗传算法
算法·数学建模·启发式算法
羊小猪~~2 天前
数学建模(基于Python实现)--灰色关联分析法讲解,含案例
开发语言·python·数学建模
高登先生2 天前
汇聚全球前沿科技产品,北京智能科技产业展览会·世亚智博会
大数据·人工智能·科技·数学建模·能源
Ricciflows3 天前
分析学大师Elias M. Stein的分析系列教材
线性代数·数学建模·矩阵·概率论·抽象代数·拓扑学·傅立叶分析
weixin_430153383 天前
硬件在环仿真建模之电路拓扑建模与数学建模
数学建模
CodeCraft Studio3 天前
定性数据分析 (QDA) 软件NVivo V15现已发布!融合AI让数据分析更出色!
大数据·人工智能·算法·数学建模·数据分析
羊羊20354 天前
线性代数:Matrix2x2和Matrix3x3
线性代数·数学建模·unity3d
张焚雪5 天前
关于数学建模的一些介绍
机器学习·数学建模
神里流~霜灭5 天前
MATLAB-数学建模-无约束规划求解方法(非线性规划)
java·c++·python·算法·数学建模·matlab
热心网友俣先生6 天前
2024 年(第五届)“大湾区杯”粤港澳金融数学建模竞赛B 题
数学建模·金融