Topsis方法 Python实现 数学建模

Topsis即优劣解距离法，数学建模中应用，这里大概写个代码，具体在使用的时候根据自己所需去优化

import numpy as np
'''
第一步，
先写正向化函数，传入两个个参数，注意这里把矩阵定义成全局变量，所以不用再向函数中传入矩阵
第一个参数是所需要正向化的列数
第二个参数是哪种类型的正向化，1.极小性 2.中间型 3.区间型
注：如果是中间型的话会提示输入最佳值，区间型会输入两个，x_best 和 y_best 分别存最佳区间的左右两端点
'''
a = np.array([[1, 1 / 4, 2, 1 / 3], [4, 1, 8, 2], [1 / 2, 1 / 8, 1, 1 / 5], [3, 1 / 2, 5, 1]])
def positiveTrend(column,key):
    global M  #这里不先定义成全局变量系统会报错，具体原理还不明白
    if(key == 1):
        #先找最大值
        M = max(a[:, column])
        a[:,column] = M - a[:,column]
    elif(key == 2):
        x_best = float(input("请输入x_best的值:"))
        M = max(a[:,column]-x_best)
        a[:,column] = 1 -(abs(a[:,column]-x_best)/M)
    elif(key == 3):
        x_best = float(input("请输入x_best的值："))
        y_best = float(input("请输入y_best的值："))
        M = max(x_best - min(a[:,column]),max(a[:,column]) - y_best)
        for i in range(a.shape[0]):
            if(a[i][column]<x_best):
                a[i][column] = 1 - (x_best - a[i][column])/M
            elif(x_best<=a[i][column]<=y_best):
                a[i][column] = 1
            elif(a[i][column]>y_best):
                a[i][column] = 1 - (a[i][column]-y_best)/M
positiveTrend(1,2)

'''
第二步，
将矩阵标准化,每一列除以对应列的所有元素的和
'''
def normalize(a):
    for i in range(a.shape[1]):
        sum = 0
        for j in range(a.shape[0]):
            sum += a[j][i]
        a[:,i] = a[:,i]/sum
normalize(a)
print(a)

'''
第三步
计算得分
先算每一列的最大值和最小值与并保存起来，
算每个人的每一个指标与最大值和与最小值的距离平方和得出D+和D-
由公式求出最终得分s，s = D- / （D+ + D-）
'''
def getScore(a):
    #先求出这个矩阵的列数，方便后续操作
    column = a.shape[1]
    #定义两个数组来存放即将求的最大值和最小值
    big = np.zeros((1,column))
    small  = np.zeros((1,column))
    #求出每一列的最大值和最小值，为后续求D+和D-做准备
    for i in range(column):    #range函数默认从零开始，这一点注意下
        big[0][i] = max(a[:,i])
        small[0][i] = min(a[:,i])
    score = np.zeros((a.shape[0],1)) #定义一个数组存每个人的得分
    for i in range(a.shape[0]):
        # ↑这个循环指的是每一个人都得算得分
        sum_1 = 0
        sum_2 = 0 # 定义两个变量sum作为媒介来求D+和D-
        for j in range(column):
            # ↑ 这个循环是指的每个列都得计算
            #下面先算这个人的每一列与其对应列最大值和最小值的距离，最后在开方
            sum_1 += (big[0][j] - a[i][j])**2
            sum_2 += (a[i][j] - small[0][j])**2
        #循环过后对两个sum开方即是所找的D+和D-,直接求得分存到数组中
        score[i][0] = np.sqrt(sum_2)/(np.sqrt(sum_1)+np.sqrt(sum_2))
    print("得分的情况为：",score)
getScore(a)

如果想直接用的话，就把a矩阵改成自己需要的矩阵，然后根据我所写的矩阵的功能直接传入参数使用即可