灰色关联分析就是求解距离最优解最近的距离,从而计算将求出的排序。
具体步骤
- 确定评价对象和参考数列(参考数列可以根据0-1规划,全是1就是最优的;也可以通过之前求最优解的方法找到最优解,然后对当前解决方案进行评价)。
- 设置权重向量 W = [ ω 1 , ⋯ , ω n ] W = [\omega_1,\cdots,\omega_n] W=[ω1,⋯,ωn],其中 ω k ( k = 1 , 2 , 3 , ⋯ , n ) \omega_k(k =1,2,3,\cdots,n) ωk(k=1,2,3,⋯,n)为各个指标的权重。
- 计算灰色关联系数:
ξ i ( k ) = min s min t ∣ x 0 ( t ) − x s ( t ) ∣ + ρ max s max t ∣ x 0 ( t ) − x s ( t ) ∣ ∣ x 0 ( t ) − x i ( t ) ∣ + ρ max s max t ∣ x 0 ( t ) − x s ( t ) ∣ \xi_i(k) = \cfrac{\min \limits_{s}\min \limits_{t}|x_0(t)-x_s(t)|+\rho\max\limits_s\max\limits_t|x_0(t)-x_s(t)|}{|x_0(t)-x_i(t)|+\rho\max\limits_s\max\limits_t|x_0(t)-x_s(t)|} ξi(k)=∣x0(t)−xi(t)∣+ρsmaxtmax∣x0(t)−xs(t)∣smintmin∣x0(t)−xs(t)∣+ρsmaxtmax∣x0(t)−xs(t)∣
解释一下,上面这个式子表示的是评价对象的第 k k k个变量的灰色关联系数。上面这个 x 0 x_0 x0是参考对象的值和 x s x_s xs是所有评价对象对象中的某一个值,那么如果我们采取0-1规范化数据后他俩差的最小值就是0,差的最大值就是1, ρ \rho ρ就是一个比例系数,表示的是分辨率, ρ \rho ρ越大,分辨率越高,数据之间的差异越明显。 - 就是用权重和每个评价对象最后算出的评价系数相乘,然后再求和,算出最后的指标值。 r i = ∑ k = 1 n ω i ξ i ( k ) r_i = \sum\limits_{k=1}^n\omega_i\xi_i(k) ri=k=1∑nωiξi(k)
- 把评价值进行排序,越大的说明这个方案就越好。
例子
现在比较忙,等有时间了回来记录