matlab矩阵求比值,熵值法与TOPSIS法以及两者结合

一、熵值法

熵值法的主要目的是对指标体系进行赋权

熵越大说明系统越混乱，携带的信息越少，权重越小；熵越小说明系统越有序，携带的信息越多，权重越大。

熵值法是一种客观赋权方法，借鉴了信息熵思想，它通过计算指标的信息熵，根据指标的相对变化程度对系统整体的影响来决定指标的权重，即根据各个指标标志值的差异程度来进行赋权，从而得出各个指标相应的权重，相对变化程度大的指标具有较大的权重。

步骤

(1)原始数据的收集与整理

假设有m个待评价样本，n项评价指标，形成原始指标数据矩阵：

X = ( x 11 . . . x 1 n ⋮ ⋱ ⋮ x m 1 ⋯ x m n ) X=\left( \begin{matrix} x_{11}& ...& x_{1n}\\ \vdots& \ddots& \vdots\\ x_{m1}& \cdots& x_{mn}\\ \end{matrix} \right)X=⎝⎜⎛​x11​⋮xm1​​...⋱⋯​x1n​⋮xmn​​⎠⎟⎞​

其中X i j X_{ij}Xij​ 表示第 i 个样本第 j 项评价指标的数值。

对于某项指标X j X_jXj​，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。

例如：

语文

数学

英语

音乐

张三

50

44

85

90

李四

33

74

20

78

王五

46

38

88

10

陈六

65

45

98

51

杨七

13

65

12

45

或者

GDP

就业人数

财政支出

人均可支配收入

北京

xx

xx

xx

xx

上海

xx

xx

xx

xx

广州

xx

xx

xx

xx

深圳

xx

xx

xx

xx

(2)数据处理

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。

归一化处理：

若所用指标的值越大越好(正向指标:)

x i j ′ = x j − x min ⁡ x max ⁡ − x min ⁡ x'_{ij}=\frac{x_j-x_{\min}}{x_{\max}-x_{\min}}xij′​=xmax​−xmin​xj​−xmin​​

若所用指标的值越小越好(负向指标:)

x i j ′ = x max ⁡ − x j x max ⁡ − x min ⁡ x'_{ij}