集成BWM法、熵权法、改进博弈论组合赋权与三角直觉模糊云模型的多属性评价模型，MATLAB代码

1. 研究背景

在复杂决策问题（如供应链绩效评价）中，单一评价方法难以同时处理指标的模糊性、随机性和主客观权重冲突。传统云模型虽能表达定性概念的随机性与模糊性，但对决策者犹豫信息的刻画不足。该代码将三角直觉模糊数 与云模型 相结合，提出了一种三角直觉模糊云模型 ，并集成BWM法、熵权法、改进博弈论组合赋权，实现了多属性综合评价的定量分析。

2. 主要功能

基于三角直觉模糊数构造评判矩阵，分离"支持云"与"非支持云"数字特征。
利用 BWM法 计算主观权重，熵权法 计算客观权重，通过 改进博弈论 求取融合主客观的组合权重。
构建五级评价标准云（很差→优秀）。
合成指标综合云，并计算各指标云及综合云与标准云的相似度。
确定评价等级，可视化云滴分布、三维云图、隶属度热图、相似度热力图及期望曲线。
输出各指标及整体的评价结果与分析建议。

3. 算法步骤

数据输入 ：各指标专家评价值表示为 [a, ā, ā, ω, u] 的三角直觉模糊数。
权重计算 ：
- BWM法：确定最优/最劣指标，构建线性规划求解主观权重，进行一致性检验。
- 熵权法：将模糊数中间值 ā 组成决策矩阵，标准化后计算信息熵和差异系数，得到客观权重。
- 改进博弈论组合赋权：以最小化组合权重与各基础权重偏差为目标，建立二次规划模型，求取最优组合系数并归一化。
标准云构建 ：预设五个等级标准云的数字特征 [Ex, En, He]。
云数字特征计算：对每个三角直觉模糊数，分别计算支持云和非支持云的期望、熵、超熵。
合成综合云：按专家平均集成各指标云，再根据组合权重加权得到最终支持云和非支持云。
相似度计算 ：通过 cloud_similarity 函数，分别计算各指标云及综合云与各标准云之间的相似度（基于期望距离和正态分布累计算法）。
等级评定：选取最大相似度对应的等级为评价结果。
可视化：绘制权重对比图、三维云图、隶属度热图、相似度热力图、期望曲线等。

4. 技术路线

数据处理 → 主客观赋权 → 博弈论组合赋权 → 云数字特征转换 → 综合云合成 → 云模型相似度匹配 → 等级识别 → 可视化分析。

核心技术链为：三角直觉模糊数→云模型双向映射 + 改进博弈论组合赋权 + 多准则云相似度评价。

5. 公式原理

云数字特征转换 （设 TIFN 为 [a, ā, ā, ω, u]）：
- 支持云期望：Ex_support = ā
- 支持云熵：En_support = (ā - a) × √(π/2) / 6
- 支持云超熵：He_support = 0.1 × En_support
- 非支持云期望：Ex_non = (a + ā) / 2
- 非支持云熵：En_non = (ā - a) × √(π/2) / 8
- 非支持云超熵：He_non = 0.08 × En_non
云相似度计算 （cloud_similarity 函数）：
1. 计算位置系数 β = (Ex2 - Ex1) / (√(En1²+He1²) + √(En2²+He2²))
2. 形状相似度 μ：按 β 的正负分别用标准正态分布的尾概率或累积概率。
3. 总相似度：若 |β| < 1e-10 则 sim = 0.5+0.5μ；否则 sim = 0.5+0.5μ - |β|/(1+|β|)，并截断到 [0,1]。
熵权法 ：
- 标准化 P = x_ij / Σx_ij
- 熵 e_j = -1/ln(n) Σ(P_ij·ln P_ij)
- 权重 w_j = (1-e_j) / Σ(1-e_j)
博弈论组合赋权 ：求解 min || α1·W1 + α2·W2 - Wk ||² (k=1,2)，约束 α1+α2=1, α≥0，最终组合权重 W_comb = α1·W1 + α2·W2。

6. 参数设定

主观权重（BWM） ：最优指标（内部流程），最劣指标（信息共享），比较向量 A_best = [2,1,3,4,3]，A_worst = [4,3,2,2,1]，一致性指标 CI=0.44（对应 a_BW=3）。
标准云数字特征 ：
- 很差：Ex=2, En=0.50, He=0.10
- 较差：Ex=4, En=0.40, He=0.08
- 一般：Ex=5, En=0.33, He=0.05
- 良好：Ex=7, En=0.30, He=0.04
- 优秀：Ex=9, En=0.25, He=0.03
生成云滴数：2000（部分图1000或2000）。
评价域 ：[0, 10]。
专家人数：6名。
指标数量：5个（财务、内部流程、创新与发展、客户服务、信息共享）。

7. 运行环境

软件：MATLAB（R2020b及以上即可）。
依赖文件 ：主脚本 Main.m，函数文件 cloud_similarity.m、generate_cloud_drops.m、plot_3d_cloud.m。
运行方式 ：将所有文件置于同一目录，运行 Main.m 即可得到全部计算结果、图表及输出信息。

8. 应用场景

本代码适用于多指标、多专家、模糊不确定环境下的综合评价问题，例如：

供应链绩效评价（如代码中的财务、内部流程等五维评估）。
企业竞争力、创新能力评价。
项目风险、质量安全等级评定。
生态环境评价、公共服务满意度评估。
任何需要融合主客观权重并处理语言模糊性（转化为三角直觉模糊数）的决策分析场景。