今天学习了灰色关联度分析与TOPSIS分析相结合的方法，使用标准化方法，对于目标的越大越好或者越小越好的性质，极差法中，越大越好的数据标准化采用（X-Xmin）/（Xmax-Xmin）进行归一化，越小越好的数据采用（Xmax-X）/（Xmax-Xmin）处理
将目标决策矩阵归一化后做差求出关联系数，得出了目标的灰色关联度，就是灰色关联度系数的基本步骤；
将目标决策矩阵归一化后，求出决策矩阵所有因素的最优点与最劣点，之后计算每一组实验数据与最优点和最劣点之间的距离，根据接近程度来判断已选方案的优劣性，这是TOPSIS熵权法的基本步骤；
GRA-TOPSIS方法将会标准化之后的数据进行处理，得出相应的灰色关联系数矩阵，然后计算灰色关联系数矩阵的全局最优点和最劣点，计算灰色关联系数矩阵中每组实验与最优点和最劣点之间的接近程度，因为接近程度只是反应数据的集中性，灰色关联法则突出数据中各个因素之间的关联性，进一步减少了误差。
同时，在实验设计方法中，不管是设计BBD实验还是CCD实验，采用单因素实验列图来表达出变量随着条件变化而展示的变化趋势，这样对于多个因素的参与是十分繁琐的，采用固定其余变量在中心点0上，建立目标变量的二项式回归方程，并对一元二项式回归方程求导得到单因素边际效应图；二项式回归方程中的图展示，越倾斜的线变异程度越大，说明对该因素应该着重的注意；单因素边际效应图也是看斜率，越倾斜说明变异程度大，影响程度越大；
对于优化问题可以将多个回归曲面投影到一个面上，判断投影线上点的取值情况。
论文：
8万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
