当前位置:   article > 正文

熵值TOPSIS_熵值topsis法

熵值topsis法


最近闲来无事,想起之前发了熵值法和TOPSIS法的python代码,但是熵值法和TOPSIS法结合又是怎样的呢?小编接下来将为大家讲述熵值TOPSIS的步骤,具体代码大家自行编制吧。哈哈哈。

在这里插入图片描述
其中 ,
在这里插入图片描述
表示第 i 个样本第 j 项评价指标的数值。

对于某项指标,Xj 样本的离散程度越大,则该指标在综合评价中所起的作用就越大。如果该指标的标志值全部相等,则表示该指标在综合评价中不起作用。

第一步,采用熵值法确定权重。
(一)数据归一化处理

为消除因量纲不同对评价结果的影响,需要对各指标进行归一化或者标准化处理。

在这里插入图片描述

Pij 第 j 个指标中第 i 个样本标志值的比重

(二)计算信息熵

在这里插入图片描述

(三)计算效用价值

在这里插入图片描述

(四)计算熵权

在这里插入图片描述

第二步,结合TOPSIS进行综合加权。
(一)指标同质化

若所用指标的值越大越好(正向指标):
在这里插入图片描述
若所用指标的值越小越好(负向指标) :

在这里插入图片描述
其中,maxxj ​为第 j 项指标的最大值;minxj 为第 j 项指标的最小值。

(二)规范化矩阵

在这里插入图片描述

在这里插入图片描述

(三)最优、最劣列值

在这里插入图片描述

(四)最优、最劣距离

在这里插入图片描述

(五)综合得分

在这里插入图片描述
Ci 取值为(0,1),越接近1,评价对象越接近最优水平,综合得分越高

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/不正经/article/detail/70170
推荐阅读
相关标签
  

闽ICP备14008679号