TOPSIS法java实现

TOPSIS （Technique for Order Preference by Similarity to an Ideal Solution ）法是C.L.Hwang和K.Yoon于1981年首次提出，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。TOPSIS法是一种逼近于理想解的排序法，该方法只要求各效用函数具有单调递增（或递减）性就行。TOPSIS法是多目标决策分析中一种常用的有效方法，又称为优劣解距离法。

其基本原理，是通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最好；否则不为最优。其中最优解的各指标值都达到各评价指标的最优值。最劣解的各指标值都达到各评价指标的最差值。
（引：https://baike.baidu.com/item/TOPSIS法/3094166?fr=aladdin）

主类：

javapackage p;
import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import java.util.Collections;
import java.util.Comparator;
import java.util.LinkedList;
import java.util.List;
import java.util.ListIterator;
import java.util.Scanner;

public class Topsis {
	public final static int D = 6;//指标数
	public final static double[] weight={9,7,7,8,6,5};	//各指标权重
	public static int T = 0;
	private static Scanner s;
	public static void main(String[] args) {
		List<Alternative> al =new LinkedList<Alternative>();
		//从文件录入数据
		try(BufferedReader br=new BufferedReader( new FileReader("data2.txt"))){
			String tmp=null;
			while((tmp=br.readLine())!=null){
				s = new Scanner(tmp);
				double[] data=new double[D];
				String num=s.next();
				for(int i=0;i<D;i++){
					data[i]=s.nextDouble();
				}
				al.add(new Alternative(num,data));
			}
		} catch (FileNotFoundException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
		double x[]=new double[D],y[]=new double[D];
		for(int i=0;i<D;i++){
			x[i]=0;
			y[i]=0;
		}
		for(Alternative a:al){
			for(int i=0;i<D;i++){
				x[i]+=Math.pow(a.attribute[i],2);
			}
		}
		for(int i=0;i<D;i++){
			x[i]=Math.sqrt(x[i]);
		}
		for(Alternative a:al){
			for(int i=0;i<D;i++){
				a.attribute[i]=a.attribute[i]/x[i];
			}
			a.weighted();
		}
		//计算正负理想解
		for(int i=0;i<D;i++){
			for(Alternative a:al){
				a.comp=i;
			}
			x[i]=Collections.max(al).attribute[i];
			y[i]=Collections.min(al).attribute[i];
		}
		
		Alternative best = new Alternative("",x);
		Alternative worse = new Alternative("",y);
		//计算正负理想解的距离、贴进度
		ListIterator<Alternative> it = al.listIterator();
		while(it.hasNext()){
			Alternative t=it.next();
			t.bestdis=0;
			for(int j=0;j<D;j++){
				t.bestdis+=Math.pow(t.attribute[j]-best.attribute[j],2);
			}
			t.bestdis=Math.sqrt(t.bestdis);
		}
		it = al.listIterator();
		while(it.hasNext()){
			Alternative t=it.next();
			t.worsedis=0;
			for(int j=0;j<D;j++){
				t.worsedis+=Math.pow(t.attribute[j]-worse.attribute[j],2);
			}
			t.worsedis=Math.sqrt(t.worsedis);
			t.c=t.worsedis/(t.worsedis+t.bestdis);
		}
		//按照贴进度排序
		 Collections.sort(al,new Comparator<Alternative>(){
			 public int compare(Alternative a1, Alternative a2){
	               return a2.c>a1.c?1:-1;
			 }    
		 });
		 for(Alternative a:al){
			 System.out.println(a.num+" "+a.c);
		 }
	}
}

决策类

package p;

public class Alternative implements Comparable<Alternative>{
	int comp;
	String num;
	double[] attribute=new double[Topsis.D];	//指标
	double bestdis,worsedis,c;	//与正、负理想解的欧式距离,c为贴进度
	public Alternative(String num,double[] d) {
		this.num=num;
		for(int i=0;i<Topsis.D;i++){
			this.attribute[i]=d[i];
		}
	}
	public void weighted(){		//赋权
		for(int i=0;i<Topsis.D;i++){
			this.attribute[i]*=Topsis.weight[i];
		}
	}
	public int compareTo(Alternative a) {
		return (int) (this.attribute[comp]-a.attribute[comp]);
	}	
}

文件输入示例（data.txt）：

Alice 5 4 4 4 4 4
Bob 4 4 4 4 4 5
C 3 4 5 6 7 8

输出示例：

C 0.5655129205733348
Alice 0.42799645672055653
Bob 0.28646921021227667