数学建模 —— 评价模型
文章目录
- 前言
- 一、层次分析法(AHP)
- 1.介绍
- 2.算法流程
- 3.局限性
- 二、优劣解距离法(Topsis法)
- 1.介绍
- 2.算法流程
- 3.模型拓展 —— 带权重的Topsis
- 1.使用层次分析法来确定权重取值
- 2.基于熵权法对Topsis模型的修正
- 熵权法的计算步骤
- 三、灰色关联分析
- 1.介绍
- 2.算法流程
- 3.注意事项
- 四、模糊综合评价模型
- 1.算法流程
- 2.应用实例
- 总结
前言
对于评价类模型,最好还是使用 Topsis法,主成分分析主观因素太大,灰色关联分析因为这个灰色理论近几年才在国内出现,使用范围较小,可能评委老师了解不多。模糊综合评价的话也可以使用,但是能用 Topsis法最好还用 Topsis法。
评价类模型主要研究的是多个指标中各个指标的评分来对不同指标进行评价。
一、层次分析法(AHP)
1.介绍
层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标之间能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。
层次分析法的基本思路是将所要分析的问题层次化;根据问题的性质和所要达成的总目标,将问题分解为不同的组成因素,并按照这些因素的关联影响及其隶属关系,将因素按不同层次凝聚组合,形成一个多层次分析结构模型;最后,对问题进行优劣比较并排列。
2.算法流程
- 分析系统中各因素之间的关系,建立系统的递阶层次结构
- 对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较,构造两两比较矩阵(判断矩阵)
- 由判断矩阵计算被比较元素对于该准则的相对权重,并进行一致性检验(检验通过权重才能用).
- 根据权重矩阵计算得分,并进行排序
3.局限性
二、优劣解距离法(Topsis法)
1.介绍
TOPSIS 法是一种常用的综合评价方法,其能充分利用原始数据的信息,其结果能精确地反映各评价方案之间的差距。基本过程为先将原始数据矩阵统一指标类型(一般正向化处理)得到正向化的矩阵,再对正向化的矩阵进行标准化处理以消除各指标量纲的影响,并找到有限方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据。该方法对数据分布及样本含量没有严格限制,数据计算简单易行。
2.算法流程
- 将原始矩阵正向化
- 正向化矩阵标准化
注:标准化的目的是消除不同指标量纲的影响。 - 计算得分并归一化
3.模型拓展 —— 带权重的Topsis
1.使用层次分析法来确定权重取值
2.基于熵权法对Topsis模型的修正
熵权法的计算步骤
- 判断输入的矩阵中是否存在负数,如果有则要重新标准化到非负区间
(后面计算概率时需要保证每一个元素为非负数) - 计算第 j 项指标下第 i 个样本所占的比重,并将其看作相对熵计算中用到的概率
- 计算每个指标的信息熵,并计算信息效用值,并归一化得到每个指标的熵权
三、灰色关联分析
1.介绍
2.算法流程
- 画统计图
- 确定分析数列
- 对变量进行预处理(两个目的:去量纲;缩小变量范围简化计算)
对母序列和子序列中的每个指标进行预处理:先求出每个指标的均值,再用改指标中的每个元素都除以其均值。 - 计算子序列中每个指标与母序列的关联系数
- 通过比较三个⼦序列和⺟序列的关联度可以得到结论
spassau中的算法步骤:
第一步:确定母序列和特征序列,且准备好数据格式;
第二步:针对数据进行无量纲化处理(通常情况下需要);
第三步:求解母序列和特征序列之间的灰色关联系数值;
第四步:求解关联度值;
第五步:对关联度值进行排序,得出结论。
3.注意事项
四、模糊综合评价模型
阅读:模糊综合评价模型详解
1.算法流程
第一步:确定评价指标和评语集;
第二步:确定权重向量矩阵A和构造权重判断矩阵R;
第三步:计算权重并进行决策评价。
2.应用实例
总结
补充阅读:
指标赋权与评价类方法总结
数模算法:模糊综合评价模型
数学建模 —— 评价模型相关推荐
- 数学建模——评价模型
文章目录 一.模糊综合评价模型 1.基础知识 2.一级模糊综合评价 3.二级模糊综合评价 二.灰色关联分析模型 1.灰色关联分析原理 2.灰色关联分析步骤 三. Topsis(理想解法) 1.理想解法 ...
- 数学建模常用模型04:灰色关联分析法
数学建模常用模型04:灰色关联分析法 灰色关联分析法 本文所用的资料参考来源:美赛资料网:美赛资料网 与灰色预测模型一样,比赛不能优先使用,灰色关联往往可以与层次分析结合使用.层次分析用在确定权重上面 ...
- 数学建模常见模型总结
数学建模常见模型总结 一.插值 当已有数据量不够,需要补充,且认定已有数据可信时,通常利用函数插值方法. 常用插值方法 拉格朗日插值 分段线性插值 Hermite 三次样条插值 克里金法 matlab ...
- 数学建模——支持向量机模型详解Python代码
数学建模--支持向量机模型详解Python代码 from numpy import * import random import matplotlib.pyplot as plt import num ...
- 数学建模——线性规划模型详解Python代码
数学建模--线性规划模型详解Python代码 标准形式为: min z=2X1+3X2+x s.t x1+4x2+2x3>=8 3x1+2x2>=6 x1,x2,x3>=0 上述线性 ...
- 数学建模传染病模型_数学建模| 时间序列模型
1 数学建模 时间序列模型 1.与实践有关系的一组数据,叫做时间序列: 2.得到时间序列的数据后,要构建模型,其中平稳时间序列的模型,是本节课重点介绍的: 3.y=at+季节性+周期性 一. ...
- 数学建模常用模型(一):灰色预测法
数学建模常用模型(一):灰色预测法 灰色预测法是一种用于处理少量数据.数据质量较差或者缺乏历史数据的预测方法.它适用于一些非线性.非平稳的系统,尤其在短期预测和趋势分析方面有着广泛的应用.灰色预测法作 ...
- 数学建模-Topsis模型(Matlab)
注意:代码文件仅供参考,一定不要直接用于自己的数模论文中 国赛对于论文的查重要求非常严格,代码雷同也算作抄袭 如何修改代码避免查重的方法:https://www.bilibili.com/video/ ...
- 数学建模——多目标规划模型(智能优化算法NSGA-II)
摘要 本篇笔记对数学建模中常见的多目标规划问题提供了解法:在建立传统的多目标规划的常用模型的基础上,使用智能优化算法对多目标规划问题进行求解,通过Pareto Front直观展现非劣解的分布情况,以解 ...
- 数学建模优化模型简单例题_数学建模之优化模型:存储模型
点击上方「蓝字」关注我们 最近,为申报市级精品课程,我为我校"数学建模与科学计算"课程录制了讲课视频,下面是3.1节优化模型的第一个例子:存储模型.敬请大家批评指正! 优化模型是数 ...
最新文章
- c++:文件操作1 文件的打开
- [armv8-arch64]linux kernel 5.9的异常量表介绍(irq,fiq,sync,svc)
- nyoj-37 回文字符串
- 简单理解Python中的if __name__ == '__main__'
- HDU3430-扩展中国剩余定理
- JavaScript中奇妙的replace
- mybatis generator使用_SpringBoot整合Mybatis实现自动生成代码 || 附阿里P8独家SpringBoot视频资料...
- oracle两种导出导入方式,即imp与impdp之比较
- iOS开发CAAnimation详解
- 外媒:苹果明年上半年推出iPhone SE 3 支持5G搭载A14处理器
- 用python语言写一个简单的计算器
- 升级WINDOWS 10的失败
- HTML5期末大作业:家乡网站设计——石家庄(10页) HTML+CSS+JavaScrip 旅游网页html 家乡介绍html网页设计 dw旅游景点网页设计 web课程设计网页规划与设计
- 大学往事 第五章 计算机班的女生
- python画正方形-用python画一个正方形
- 360校招笔试题总结4
- 工具分享-PDF 补丁丁
- 码学堂P1686 Hello, World!题解
- 长期存储在计算机内的有组织 可共享,()是长期存储在计算机内有序的、可共享的数据集合...
- 给apple老师建议
热门文章
- oppor17刷鸿蒙系统,OPPO R17 Pro手机6G+128GB版本上线
- QQ、淘宝、阿里旺旺在线网页链接代码及详解 很实用
- matlab求边界点,MATLAB Delaunay算法提取离散点边界的方法
- springboot实现查询手机号归属地
- m5310采用芯片 中移物联_智慧交通,未来已来!汉天下助力中移物联,引爆NB-IoT行业!...
- Win 10、Win 11 安装 MuJoCo 及 mujoco-py 教程
- 七彩虹SL500固态硬盘,慧荣SM2258XT主控成功开卡成MLC模式。上教程和软件链接
- p3输入p1输出c语言,单片机C语言编程基础
- 学生信息管理系统(一)——登录窗体
- 超市管理系统java代码,超市管理系统完整+源代码