目录
[评价对象（8 种备选设备）](#评价对象（8 种备选设备）)
[4.1 数据标准化](#4.1 数据标准化)
[4.2 计算第 j 项指标下第 i 个设备的比重](#4.2 计算第 j 项指标下第 i 个设备的比重)
[4.3 计算第 j 项指标的熵值](#4.3 计算第 j 项指标的熵值)
[4.4 计算差异系数](#4.4 计算差异系数)
[4.5 计算权重](#4.5 计算权重)
[五、第四步：TOPSIS 排序](#五、第四步：TOPSIS 排序)
[5.1 构建加权标准化矩阵](#5.1 构建加权标准化矩阵)
[5.2 确定正理想解和负理想解](#5.2 确定正理想解和负理想解)
[5.3 计算每个设备到正负理想解的距离](#5.3 计算每个设备到正负理想解的距离)
[5.4 计算相对贴近度](#5.4 计算相对贴近度)
熵权法
属于客观赋权法 ，其标准计算流程虽可直接利用权重对标准化数据进行线性加权求和以得出综合得分，但该方法缺陷明显 ：权重完全依赖样本数据波动性，易受异常值干扰，且脱离业务实际，导致评价结果机械失真。因此，在实际应用中极少单独依赖熵权法进行决策
**本次案例：**熵权法 - 理想解法（EWM-TOPSIS）
2024 B题 O奖论文 中国地质大学 From Lost to Found: Roam in the Ionian Sea
摘要：
基于潜水器位置预测模型所反映的环境特征，我们建立了基于熵权法 - Technique for Order Preference by Similarity to Ideal Solution（EWM-TOPSIS） 的搜寻设备评价模型，选取采购成本、维护与使用成本、可用性概率、搜救效率、环境因素感知能力作为评价指标，最终确定母船应配备的搜寻设备为遥控潜水器（ROV）、声呐系统和自主水下航行器（AUV），救援船应配备自动救生衣和雷达反射器以提供协助。
论文在 ++4.3提到++：（提供伪代码--小模型使用）
总问题
这篇论文要解决的是：潜水器失联后的搜救问题------ 也就是潜水器在海里跟母船失联了，怎么预测它漂到哪了、该用什么设备找、怎么找最快。（本题EWM-TOPSIS 解决的是问题 2）
| 子问题 | 具体内容 | 用的模型 |
|---|---|---|
| 问题 1 | 预测潜水器随时间变化的位置，分析不确定性 | 微分方程动力学模型（洋流扰动 + 水阻力） |
| 问题 2 | 母船该带哪些搜寻设备？救援船该带什么？ | EWM-TOPSIS（熵权法 - 理想解法） |
| 问题 3 | 设备初始布放点放哪？用什么搜索模式？找到的概率随时间怎么变？ | 改进圆形搜索 + 蒙特卡洛模拟 |
| 问题 4 | 模型能不能推广到加勒比海？能不能推广到多潜水器场景？ | 参数修正 + 拉格朗日多体动力学 |
具体就是 ：从 8 种备选设备（声呐、无人机、红外相机、直升机、救生艇、ROV、GPS、AUV）里，选出最适合母船配备的搜寻设备。
数据来源
| 编号 | 文献 | 提供了什么数据 / 理论 |
|---|---|---|
| 9 | 3 弧秒全球 DEM 超分辨率重建 | 海底地形数据------ 就是论文里用 ArcGIS 加载的数字高程模型，爱奥尼亚海的海底长啥样全靠它 |
| 2 | 爱琴海与爱奥尼亚海海面高度协变行为 | 爱奥尼亚海的海洋动力学特征------ 海面高度、环流模式，用来验证洋流模型的合理性 |
| 3 | 北爱奥尼亚海十年振荡与盐度分布 | 盐度分布数据------ 爱奥尼亚海的盐度变化规律，和海水密度直接相关 |
| 6 | SMOS 海表盐度多维插值 | 卫星遥感盐度数据------SMOS 卫星测的海表盐度，用来做数据插值 |
| 7 | 地中海海表盐度卫星与现场数据 | 地中海盐度数据集------ 多传感器融合的盐度分布 |
| 8 | 全球 Argo 网格数据集 | 全球海洋温盐剖面数据------Argo 浮标测的海水温度、盐度随深度的变化，用来算密度 |
| 1 | 爱奥尼亚海海底地磁 | 海底地磁数据------ 辅助说明爱奥尼亚海的地质特征，背景资料 |
详细解释：
一、整体思路
8种备选设备 → 5个评价指标 → 熵权法算权重 → TOPSIS排序 → 选前3名
二、第一步：确定评价对象和指标
评价对象（8 种备选设备）
声呐、无人机 (UAV)、红外相机、直升机、救生艇、遥控潜水器 (ROV)、GPS 定位设备、自主水下航行器 (AUV)
评价指标：
| 指标 | 含义 | 类型 |
|---|---|---|
| C₁ 采购成本 | 买设备花多少钱 | 负向（越低越好） |
| C₂ 维护与使用成本 | 日常维护和使用成本 | 负向（越低越好） |
| C₃ 可用性概率 | 设备待命时能否正常使用 | 正向（越高越好） |
| C₄ 搜救效率 | 找到潜水器的速度和概率 | 正向（越高越好） |
| C₅ 环境因素感知能力 | 测量流速、水温等环境参数的能力 | 正向（越高越好） |
为什么选这 5 个指标？
论文里说，因为前面位置预测模型发现流速 对潜水器位置影响最大，所以设备的 "环境感知能力" 很重要；同时成本和效率也是必选项。
三、第二步：构建判断矩阵
把 8 个设备 × 5 个指标的数据整理成一个矩阵 C：
其中表示第 i 种设备的第 j 项指标值。
论文里给了最终结果表，可以反推出标准化后的数据大概是这样：
| 设备 | 采购成本 | 维护成本 | 可用性概率 | 搜救效率 | 环境感知 |
|---|---|---|---|---|---|
| 声呐系统 | 0.0074 | 0.0074 | 0.3333 | 0.3019 | 0.34 |
| ROV | 0.2481 | 0.2481 | 0.3333 | 0.3396 | 0.32 |
| AUV | 0.7444 | 0.7444 | 0.3333 | 0.3585 | 0.34 |
四、第三步：熵权法算权重（核心步骤）
4.1 数据标准化
因为指标有正向和负向，量纲也不一样，先标准化到 0,1 区间：
正向指标（越大越好）：
负向指标（越小越好）：
4.2 计算第 j 项指标下第 i 个设备的比重
就是把每个指标列加起来等于 1，变成概率分布的形式。
4.3 计算第 j 项指标的熵值
其中 ，
（设备数量）。
熵的含义 ：某个指标下所有设备的数值越接近，熵值越大，说明这个指标区分度越低，权重就应该越小；反之差异越大，熵值越小，权重越大。
4.4 计算差异系数
4.5 计算权重
这样就得到了 5 个指标的权重向量 。
五、第四步：TOPSIS 排序
熵权法算出权重后，用 TOPSIS 给设备打分排序：
5.1 构建加权标准化矩阵
即每个元素 。
5.2 确定正理想解和负理想解
正理想解 = 每个指标都取最好的值；负理想解 = 每个指标都取最差的值。
5.3 计算每个设备到正负理想解的距离
5.4 计算相对贴近度
越接近 1，说明设备越优。
六、最终结果
按 从大到小排序，选前 3 名：
表格
| 排名 | 设备 | 特点 |
|---|---|---|
| 1 | 声呐系统 | 成本极低，搜救和感知能力不错，性价比之王 |
| 2 | 遥控潜水器 (ROV) | 搜救和感知能力突出，但成本较高 |
| 3 | 自主水下航行器 (AUV) | 搜救效率最高，环境感知最强，但最贵 |
结论：母船配这三样 ------ 声呐多配几个（便宜好用），ROV 和 AUV 各配少量（高端主力）。
七、这篇论文的亮点
- 指标选得有依据：不是随便拍脑袋选的，而是基于前面位置预测模型的结论（流速影响大 → 环境感知能力重要）
- 方法组合合理：熵权法客观赋权 + TOPSIS 排序，经典组合，评委看着顺眼
- 结果有解释性：不是光给个排名就完事，还解释了为什么选这三个、各配多少
| 维度 | 普通 M 奖 | 这篇 O 奖 |
|---|---|---|
| 问题拆解 | 四个问题各做各的 | 四个问题形成闭环，逻辑递进 |
| 核心模型 | 套模板算法 | 有物理基础的微分方程动力学模型 |
| 数据 | 编数据 / 用题目给的 | 真实地理数据 + 工程参数 |
| 创新性 | 直接用现成方法 | 改进算法、结合问题特点调整 |
| 敏感性分析 | 走形式 | 有分析有结论 |
| 写作 | 结构松散 | 结构完整、图表专业、memo 规范 |
| 推广 | 简单说两句 | 有具体修正公式、有多体动力学模型 |