- 博客(53)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 三支冲突分析介绍
U表示对象集，V表示属性集，R表示对象集和属性集之间的二元关系，这样一个刻画冲突分析的信息系统通过三元组（U，V，R）表示，其中，每个对象对属性的态度记为R（x，a）。表示对象x和y对属性a的一致性，取值范围也是1，-1和0，分别代表两者对a持一致态度，两者对a持相反态度和两者具有不同态度。这张表就是Pawlak论文使用的示例，通过情况表很容易看出，针对i1这个属性，a2、a3和a5支持，a1反对，a4和a6中立。Pawlak冲突分析模型中，R（x，a）取值为1，-1和0，分别代表支持反对和中立，
2024-04-09 23:12:19
389
原创 beamer自定义block样式
接下来就是导言区第二部分，setbeamercolor，分别可以设置body和title，在这里就可以调用上面定义好的颜色变量名。{rgb}{0.9, 0.9, 0.9}表示自己通过三原色取值调色，注意区间为0-1，这里我给自己调了个最常用的灰色。无论下载下来的模板如何，都可以通过begin{block}的方式制作自己需要的文本块了。这篇博文的做法没有任何问题，因为代码块没有解释，导致用的时候会有报错，我做一点补充。{diycolor}是自己取得颜色变量名；
2023-05-16 15:55:41
1351
原创 添加环境变量后还是无法识别pip命令
pip : 无法将“pip”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。所在位置 行:1 字符: 1。试了很多办法，最后误打误撞将pip命令改成pip3，即命令行输入pip3，发现识别成功，然后使用。注意检查scripts文件夹是否为空，如果为空说明pip直接被删了，需要使用。更新pip，之后就可以正常使用pip命令，不用再加pip3了。添加环境变量也无法解决。先新建pip文件才行。
2023-04-19 01:18:18
1260
原创 MULTIMOORA方法
multimoora方法2010年被提出，利用三个维度进行分析得到ui中的方案，主要步骤如下。1、标准化矩阵，可以有很多种方法，对成本型收益型分别进行计算。得到标准矩阵M。2、第一个维度，加型比率。通过收益型评价值和成本型评价值的差值计算每个方案的评价值，评价值越高，方案越好。3、第二个维度，参考点。计算每一列的最大值作为参考点，然后获得每个方案评价值和参考点之间的距离。评价值越小，方案越好。4、第三个维度，乘性比率。类似的方法，评价值越大，方案最好。5、使用占优
2022-04-05 09:14:00
1376
原创 BWM法确定权重
最好最坏方法(best-worst method)是一个2015年提出的新权重确定方法，他的优点是可以通过较少较少的比较信息获得一致性结果。主要步骤如下。1、确定最好属性和最坏属性。2、确定最好属性到其他属性的偏好。一般来说，每个决策者通过九标度方法给出偏好关系，得到l个最好到其他向量Cbo假设每个决策者的权重都是一样的，因此l个向量可以集结成一个群体意见向量3、相似的，可以获得最坏到其他的群体意见向量4、计算属性最优权重对于每一对wb/wj和wj/ww，都有wb
2022-04-03 10:10:22
10728
14
原创 基于用户的协同过滤算法
基于用户的协同过滤算法(UserCF)是从相似用户的兴趣爱好出发，为用户进行推荐，该算法假设如果两个用户的行为相似度高，则两者的兴趣相似度也高，核心思想是为目标用户推荐与其兴趣相似的其他用户喜欢的物品。算法流程为1、根据数据集合构造用户-物品评分矩阵R，rij是用户i对物品j的评分，m为用户数，n为物品数，-为缺失值。2、计算两两用户之间的皮尔逊相关系数，得到用户相似度矩阵W，其中wij是用户u和用户v的相似度。3、按目标用户和其他用户的相似度高低，对其它用户进行排序，选出与目标用户最相
2022-04-02 22:06:35
4791
2
原创 python实现MAIRCA方法
MAIRCA的基本设置是定义理想和经验之间的差距评级。根据每个标准将差距相加，得出每个备选方案的总差距。对备选方案进行排名是在流程的最后，排名最高的备选方案是差距值最低的备选方案。主要步骤为1、给出初始矩阵X2、确定方案P的选择偏好，一般来说决策者中立的情况下，等可能的选择每一个方案，因此有3、计算理论评级矩阵Tp，也就是常见的矩阵赋权步骤，因为P的每一行元素都相同，因此可以简写为4、计算真实评级矩阵Tr，分情况对矩阵每一个元素计算获得。对于收益型属性对于成本型属性
2022-04-02 21:06:06
843
原创 python实现CRITIC方法
一个很简单的CRITIC方法python实现，通常用来确定属性权重的标准重要性。除了不要求属性的独立性外，CRITIC方法还反映了属性之间的相关系数。主要步骤为1、标准化决策矩阵，可以有很多种方法。对于一个标准矩阵W，有2、计算属性间j,k的相关系数。3、计算每个属性的标准偏差。4、计算属性的偏离度5、获得属性权重代码如下# coding=gbkimport pandas as pdimport numpy as npif __name__ == '_
2022-04-02 20:29:01
2208
原创 最小成本/调整共识模型综述
根据董玉成老师2020年在Information Fusion发表的《An overview on feedback mechanisms with minimum adjustment or cost in consensus reaching in group decision making: Research paradigms and challenges》，整理现有的共识优化模型如下。原始的FACM模型董提出了最小调整模型...
2022-04-02 16:49:42
1772
1
原创 q-rung Orthopair fuzzy set 运算规则python实现
模糊集运算规则合集之三，q-rung Orthopair fuzzy set 。广义直觉模糊集合上的的运算规则，包括加法，乘法，数乘，幂乘，距离，得分函数精确函数，暂时我就用到这么多，之后有新研究会随时补充。def scorenew1(df):#得分函数1 score=[] for i in range(len(df)): score.append(0.5*(1-df[i][0])*(1+(1-df[i][0]-df[i][1]))) return score
2021-12-05 21:42:07
1411
原创 pandas读取dataframe从字符串数组转为数值型数组
一个困扰我的小问题，dataframe执行to_excel写入文件后，再次read_excel读出变成了字符串数组，不能进行数值运算。如下图所示：使用笨办法，原理是将字符串数组的每一行转换类型再重新拼接起来，虽然麻烦但是的确可行。代码如下： print(df.values)#我这里是一个四维数组，因此需要造四个列表。 df1=[] df2=[] df3=[] df4=[] for i in range(len(df)): df1.appen
2021-12-05 21:26:37
4501
原创 picture fuzzy set 运算规则python实现
模糊集运算规则合集之二，picture fuzzy set 。图模糊集合上的运算规则，包括加法，乘法，数乘，幂乘，距离，得分函数精确函数，暂时我就用到这么多，之后有新研究会随时补充。import pandas as pdfrom matplotlib.cbook import flattenimport numpy as npimport scipy as spfrom functools import reduce'''图片模糊集合的规则代码'''inf=9999999 #代表nnp.s
2021-11-22 17:19:40
1116
2
原创 此版本的IDM不支持该类下载，请尝试将IDM更新至最新版本。
平时正常使用，最近下载时遇到这个问题。经过检查，不是浏览器插件的问题，不要卸载插件IDM Integration Module，这个插件是官方正版，是连接idm和网页的纽带，卸载了自然不会报这个错误，浏览器就会恢复内置下载模式。问题就是IDM软件版本过低的原因。我之前一直用的6.33版本，更新到6.38版本后即可恢复正常使用。推荐在这个网站下载idm相关组件，包括原版和破解补丁，注意原版和补丁版本一致，http://idman.ys168.com/...
2021-10-19 16:31:10
16963
原创 python实现PROMETHEE方法
论文来自《犹豫模糊语言PROMETHEE方法在川酒品牌评价中的应用》。step1，对于决策矩阵，给出每一个方案与其他方案的偏好函数，偏好函数主要有六种，可以根据自己设置diy偏好函数，就是创新点，就比如这篇论文。step2，确定优先指数一个方案的正方向越高和负方向越低，方案就越优。PROMETHEE1方法只能得到部分优序关系，PROMETHEE2则可以获得方案集合的完全排序。...
2021-09-19 11:34:08
2322
原创 python实现前景理论
决策算法前景理论step1，获得决策矩阵step2，获得正负理想解step3，计算正理想解集，负理想解集到方案解集的欧氏距离。step4，计算决策方案的正负价值函数。因为正理想解集作为参考对象，对于决策者而言方案均属损失型，得负前景价值函数因为负理想解集作为参考对象，对于决策者而言方案均属于收益型，到正前景值价值函数step5，计算前景值论文数据来自《基于前景理论的勾股模糊多属性决策》和《基于前景理论的信息不完全的模糊多准则决策方法》完整代码如下'''罗南方前景理论论文代码
2021-09-18 22:33:57
1355
3
原创 intuitionistic fuzzy set 运算规则python实现
将直觉模糊集的运算封装到了一个py文件中，方便自己调用。包含的运算有交，并，和，积，数乘，乘方，q=1，2，inf情况下的距离测度和相似性测度，可以满足计算中的基本需求，在这里分享给大家方便使用。ps，未来计划将之前写过的直觉模糊文章全部嗲用该文件进行修正，还想将犹豫模糊，q阶模糊等其他模糊环境的基本运算都封装出来，写的不好，欢迎大家修改。下面举个简单的使用例子，数据来自论文《Pythagorean Fuzzy Hamy Mean Operators inMultiple Attribute Grou
2021-09-16 17:33:01
579
原创 利用pycharm分屏编译预览latex文档
首先确保电脑有合适的tex live发行，然后在pycharm中安装插件PDF Viewer和TeXiFy IDEA,如下图所示然后配置环境，在一下两处修改设置以获得letax的中文支持File → Settings → Languages & Frameworks → Check for compatibility with compiler → 设为 XeLaTeXRun → Edit Configurations → Compiler设为 XeLaTeX在这篇文章中有详细的步骤介绍
2021-09-14 08:51:31
2881
5
原创 python实现时间序列平滑预测法
一个数值实验，实现了《统计预测和决策》第五章时间序列平滑预测法前四节的方法，包括一次移动平均法，一次指数平滑法，线性二次移动平均法，线性二次指数平滑法，分别用四个函数实现了给定的方法，关键步骤有代码注释，下面是代码import numpy as npimport pandas as pdnp.set_printoptions(suppress=True)x1=pd.Series([46,50,59,57,55,64,55,61,45,49,46])#一次平均移动法数据x2=pd.Series([
2021-06-29 23:27:09
839
原创 python实现GM(1,1)模型
一个数值实验，实现了《统计预测和决策》第十章灰色预测法第二节的的GM(1,1)模型，题目是给定一个时间序列，试建立GM(1,1)模型预测模型，并预测第八期的预测值。关键步骤有代码注释，下面是代码import numpy as npimport pandas as pdimport mathnp.set_printoptions(suppress=True)x=pd.Series([26.7,31.5,32.8,34.1,35.8,37.5])def multisum(df):#第一步，计算累加
2021-06-28 22:43:31
2898
4
原创 python实现概率语言零和博弈
一篇2021年徐泽水老师《The two-person and zero-sum matrix game with probabilistic linguistic information》论文的独立重复实验。基本思想是将概率语言标准化，之后解模糊为三角模糊数的形式，最后带入线性规划进行纳什均衡的求解。代码如下，关键步骤有注释。'''想到一个好方法，如果对矩阵转置，就可以很方便的获得按列的切片，而不用大费周折了。drop函数删除多行，使用的是label标签而不是直接[].reset_values函
2021-06-15 19:16:39
598
原创 python实现《直觉模糊集决策与对策分析方法》08直觉模糊数的矩阵对策解法
这是李登峰老师《直觉模糊集决策与对策分析方法》第九章支付值为直觉模糊数的矩阵对策及其解法。第一种解法是截集解法，判断直觉模糊数a和b的大小，仅需要比较某一具体截集，而不必比较所有截集。相当于对两个直觉模糊数，套在同一个区间上比较大小。因此基本思想是将直觉模糊数转化为截集形式，然后构造线性规划模型求解纳什均衡。对于给出的算例进行独立重复实验。代码关键步骤有注释。''''''from scipy import optimize as opimport numpy as npimport pand
2021-06-14 19:31:25
1044
5
原创 python实现《直觉模糊集决策与对策分析方法》07区间直觉模糊矩阵对策解法
这是李登峰老师《直觉模糊集决策与对策分析方法》第八章区间值直觉模糊集合矩阵对策及其线性与非线性规划解法。基本思想是根据区间值直觉模糊集合上的支付矩阵，构造线性规划模型求解纳什均衡。对于给出的算例进行独立重复实验。代码关键步骤有注释。''''''from scipy import optimize as opimport numpy as npnp.set_printoptions(suppress=True)for l in np.arange(0,1,0.1): c=np.array
2021-06-14 15:49:01
434
原创 python实现《直觉模糊集决策与对策分析方法》06直觉模糊矩阵对策解法
这是李登峰老师《直觉模糊集决策与对策分析方法》第七章直觉模糊集合矩阵对策及其线性与非线性规划解法。基本思想是根据直觉模糊集合上的支付矩阵，构造线性规划模型求解纳什均衡。对于给出的算例进行独立重复实验。代码关键步骤有注释。'''一个很简单的小问题，range函数不支持小数步长，因此需要改成np.arange形式才能进行调参。第二个问题是res返回所有的线性规划求解结果，比较冗长，如果仅需要x则可以通过res.x进行调用。最有就是通过循环构造了不同参数下的线性规划。这种需要调参的线性规划我还不会用li
2021-06-14 15:14:40
920
2
原创 python实现《直觉模糊集决策与对策分析方法》05基于方案的线性规划方法
这是李登峰老师《直觉模糊集决策与对策分析方法》第三章权重未知的直觉模糊多属性决策分式数学规划方法。基本思想是不对模糊权重进行分析，而是直接通过n个分式线性规划求解方案间的偏好关系进行排序选优。决策的基本步骤为：将给定的决策矩阵和权重向量分别用区间值形式表达；对每个方案构造一对分式数学规划，确定方案的相对贴进度；计算方案两两比较的包含比较概率，并构造包含比较概率矩阵；利用类似topsis的优属度确定排序。对于给出的算例进行独立重复实验。代码关键步骤有注释。线性规划使用lingo代码实现了结果。
2021-06-14 14:14:36
319
原创 python实现《直觉模糊集决策与对策分析方法》04基于权重的线性规划方法
这是李登峰老师《直觉模糊集决策与对策分析方法》第三章权重与属性值均为直觉模糊集合的多属性线性规划方法。对于给出的算例进行独立重复实验。之后的代码关键步骤有注释。中间的线性规划出问题做不出来，用lingo代码实现了结果。'''求解属性值和权重值均为直觉模糊集合的多属性线性规划方法。主要思想是吧直觉模糊集合转化为区间值进行权重的区间求解。'''from scipy import optimize as opimport pandas as pd#bikor算法实现import numpy a
2021-06-13 17:50:51
364
原创 python实现《直觉模糊集决策与对策分析方法》02基于算子的多属性决策方法
这是李登峰老师《直觉模糊集决策与对策分析方法》第二章直觉模糊集合多属性决策的直觉模糊广义混合加权集结方法。对于给出的算例进行独立重复实验。开头的注释是我学习过程中遇到的insert函数的使用方法，之后的代码关键步骤有注释。'''np自带的insert函数非常强大，这是他的技术文档，简单来说，就是传入三个参数，第一个参数是原数列，第二个单数是插入顺序，第三个参数是插入数列。如果不指定轴参数，数组将以一维的形式进行排版，如果传入的参数，则按照给定的轴进行广播。import numpy as npa
2021-06-13 12:11:31
465
2
原创 python实现毕达哥拉斯模糊零和博弈
《A new approach for emergency decision‐making based on zero‐sum game withPythagorean fuzzy uncertain linguistic variables》论文的独立重复实验。基本思想是通过PFULPWA算子进行矩阵集结，标准化矩阵，解模糊，之后通过线性规划求出纳什均衡解。代码如下，关键步骤有注释。import pandas as pd#AHP方法实现import numpy as npfrom scipy im
2021-06-12 23:26:16
515
原创 python实现《直觉模糊集决策与对策分析方法》01基本理论与算子
最近准备开一个系列python实现李登峰老师的《直觉模糊集决策与对策分析方法》。一方面是自己学习需要，通过独立重复实验实现书中的算例，另一方面是直觉模糊方面的代码基本无人涉猎，希望通过自己系统的整理能给大家学习和借鉴。第一章直觉模糊集合基本理论，主要讲了直觉模糊集合上的基本运算，相似度距离和直觉模糊数。第二章直觉模糊集结算子，包括加权集结算子，有序加权集结算子和混合加权集结算子。理论知识就不往上贴了，这个方向的同学请自己对照参看。代码如下。import pandas as pd#AHP方法实现from
2021-06-12 23:06:48
904
原创 python实现直觉模糊的TOPSIS方法
之前实现过实数域上的topsis方法，但是显然不适用于模糊环境，又因为没有主流合适的模糊数学包，因此模糊环境下的决策方法我拖了很久没有开工。但是如果想清楚其中的运算规则，我们可以通过拆分矩阵，拼接矩阵对齐运算等方式实现直觉模糊下的矩阵运算。模糊数学方面的代码寥寥无几，因此贴出来供大家学习参考。论文来自李登峰的一篇《理想解与权重已知的直觉模糊集多属性决策topsis方法》，关键环节有注释解释，代码如下import pandas as pdimport numpy as npfrom matplotl
2021-06-04 11:52:59
1749
原创 python自制标准化矩阵文件
之前在《python实现VIKOR算法》中使用简单枚举的方式获得收益型、成本型属性的区分，可读性极差且不具备可移植性。 i = [6, 7, 9, 10] for i in i: df[i] = (df[i] - df[i].min()) / (df[i].max() - df[i].min())最近学习了pandas的数据聚合和分组运算，运用groupby，fillna，匿名函数更好的解决了矩阵的标准化。在这里分享一些分组聚合的使用技巧。 df2 = df.gr
2021-03-23 20:10:00
570
原创 pandas实现层次分析法
层次分析法作为最常见的决策方法，已经有了很多研究，我认为我的创新点在于将多张表格合并读取分析，用特征向量的和积法求出了数值解，避免了使用numpy自带函数产生复数解的缺点。因为在大部分情况下，决策者得到的判断矩阵都不是对称的，必然会运行出复数解。算例使用的是《决策理论和方法》的例5-2，因为没有电子版，下面贴出运行结果还原原书的计算过程首先是计算总矩阵的特征向量，最大特征值和一致性检验。然后是五个子方案的特征向量，最大特征值和一致性检验。子方案矩阵为1 2 30 1.0 1.0
2021-03-16 13:34:40
357
原创 风险型决策分析及其python实现
风险型决策的基本方法是将状态变量看成随机变量，用先验分布表示状态变量的概率分布，用期望值准则计算方案的满意程度。但是在日常生活中，先验分布往往存在误差，为了提高决策质量，需要通过市场调查来收集补充信息，对先验分布进行修正，然后用后验分布来决策，这就是贝叶斯决策。贝叶斯理论是决策领域的一个重要分支，关于风险型决策和贝叶斯决策的理论知识，大家可以查阅相关书籍，我手边有三本不同的决策课本，内容基本相当基本大同小异，因此我找了另一本《决策理论与方法》的算例来做贝叶斯决策的代码实现。没有电子版，原题如照片所示
2021-03-15 17:29:12
1121
1
原创 不确定性决策方法及其python实现
首先是是题外话，这个专栏的名字就叫《统计预测和决策》的算例实现，也是我专业课的指导用书，我想把这本书全部用python实现，一是是为决策方向代码学习提供一份力量，二是总结梳理我的基础知识。现在统计决策的发展已经远远超过了课本的研究，提出了十几个首字母命名的算子，改进了几乎所有简单算法的步骤，拓展了越来越多的学科领域。千里之行始于足下，我作为刚入坑的新人，希望和读者一起进步，为将来的更深入层次的研究做好充分的准备。《统计预测和决策第五版》，先从比较简单的第十六章开始。不确定性决策方法是人为指定的原则，带有
2021-03-15 14:04:02
1770
原创 python实现模糊综合评判
使用numpy的广播性质，可以更好的进行dataframe和series之间的运算，而不是纠结数组循环的设置。一级模糊综合评判，就是一个矩阵和一个数列之间取大取小的运算。这个运行结果的截图清楚的显示了具体的运算步骤。需要注意的是，一开始我使用原数组和数列运算并不正确，产生报错。temp = np.minimum(df, w)查阅官方技术文档，一般广播规则在两个数组上运行时，NumPy会逐元素地比较它们的形状。它从尾随尺寸开始，并向前发展。两个尺寸兼容时他们是平等的，或者其中一个是1
2021-03-14 20:39:58
2541
原创 python实现线性规划
线性规划是决策算法实现的重要工具之一，网上python实现线性规划算法的文章只有那个抄来抄去的水库问题，最初来源已不可知，我在运筹学书上随便找了两个例子进行了实现，亲测这位不知名大佬的代码真实有效，将我的例子贴出来供大家学习参考。首先是初始化变量，注意，lowBound=0设定了变量下界后，并不需要再将大于零的约束条件加入规划。 x1 = LpVariable("x1", lowBound=0)输入目标函数和约束条件，这个print函数可以确认是否是自己需要计算的规划问题。注意输出结果在pul
2021-03-14 16:01:22
3903
1
原创 pandas实现CODAS算法
第三个决策算法，codas算法是前半部分是简单的计算方案与负理想解距离，矩阵归一化赋权后，分别计算欧氏距离和汉明距离。df=nromaldf(df)df = df.mul(w,axis=1)#矩阵赋权dfmin = pd.Series(df.min())etemp = df.sub(dfmin, axis=1)esum = (etemp ** 2).sum(axis=1)#获得欧氏距离abssum = abs(etemp.sum(axis =1))#获得汉明距离之后重新化为对比矩阵def
2021-03-14 11:22:01
554
1
原创 python实现TOPSIS方法
第二个决策算法，没有使用XHHP大佬的循环数组方式，而是通过pandas广播的功能实现算法。现在可以实现权重给出的topsis方法，后续肯定会将计算权重封装成函数进行优化。矩阵归一化有两种方式，这篇文章是按照最大化归一，上一篇vikor方法是另一种，按需调用即可def maxnormaldf(df):#最大化消除量纲方法 return df/(df.max())df=maxnormaldf(df)因为按轴广播和元素级数组函数不能糅合，所以计算欧氏距离的方法拆成两步获得。def rank
2021-03-09 18:04:19
1332
1
原创 mysql8.0安装后不知道初始密码解决办法
前一段时间安装了mysql8.0后没有使用，今天发现需要登陆密码，清楚记得安装时未曾设置，所以不知道初始化密码。修改my.ini文件的攻略亲测无效，而且顺便了解到，通过右键属性-安全-编辑-完全控制，可以设置管理员权限运行文件。在C:\Program Files\MySQL\MySQL Server 8.0\data下的LAPTOP-JCDE40DR.err文件，可以找到初始密码，亲测有效。登陆成功后alter user root@localhost identified by ‘passwd’;指
2021-03-08 20:35:43
2829
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人