视频课地址：https://www.bilibili.com/video/BV1eRyVYUEhg
本系列文章和课程一样，只使用Python实现，好久没玩数学建模了
国赛中不能再用TOPSIS，可以做辅助算法。
1. 算法原理
熵权TOPSIS方法是一种结合熵权法和TOPSIS的决策分析模型。
- 首先使用熵权法确定各指标的权重；
- 然后采用TOPSIS方法对备选防范进行评价和排序。
（可以把TOPSIS换成别的评价方法，或者赋权重方法换成不是熵权法的方法，比如随机森林，也可以在TOPSIS之前聚个类）
1.1 熵权法（Entropy Weight Method）
熵权法基于信息熵理论，用于计算决策指标的权重。信息是可以反映指标值分布的均匀性，信息熵越大，指标值的分布越均匀，其所含信息越少，相应的权重也越小。
1.1.1 标准化处理
设有 m m m个评价对象， n n n个评价指标。原始数据矩阵为 X = [ x i j ] \boldsymbol{X}=[x_{ij}] X=[xij]，其中 x i j x_{ij} xij表示第 i i i个评价对象在第 j j j个指标上的表现，标准化后的数据矩阵 R = [ r i j ] \boldsymbol{R}=[r_{ij}] R=[rij]可通过以下公式得到：
r i j = x i j ∑ i = 1 m x i j 2 r_{i j}=\frac{x_{i j}}{\sqrt{\sum\limits_{i=1}^{m} x_{i j}^{2}}} rij=i=1∑mxij2xij
需要统一量纲，进行标准化处理，要不然算法不容易收敛。
1.1.2 计算熵值 e j e_j ej
- p i j = r i j ∑ i = 1 m r i j p_{i j}=\frac{r_{i j}}{\sum\limits_{i=1}^{m} r_{i j}} pij
最低0.47元/天 解锁文章
扫一扫
4444
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
