AET-RM-algorithm/scenario_divided.m at main · wtwcode/AET-RM-algorithm · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
clear all
clc

% 下面这个矩阵是6个方案(行数)，每个方案6个指标(列数)
ganrao=[3.5	2.666666667
3.416666667	2.583333333
3.166666667	2.416666667
3.666666667	2.75
3.083333333	2.166666667
4	2.416666667
4.25	2.75
4.333333333	3.166666667
3.25	3
3.166666667	2.333333333
2.75	1.916666667
2.333333333	1.5
2.583333333	3.333333333
3.833333333	3.083333333
3.583333333	2.416666667
3.166666667	2.166666667
3.416666667	2.5
2.75	2.75
2.5	2.916666667
2.666666667	2.833333333
4.583333333	3.416666667
3.5	2.583333333
3.25	1.5
2.916666667	1.666666667
3	1.5
3.333333333	1.75
3.416666667	2.166666667
2.333333333	2.916666667
3.083333333	2.333333333
3.5	1.666666667
3.5	3.333333333
2.833333333	2.583333333
3	2.583333333
4.833333333	2.083333333
3.75	2.75
4	2.25
4	2.333333333]


[rows,cols]=size(ganrao);   % 输入矩阵的大小,rows为对象个数，cols为指标个数
k=1/log(rows);         % 求k


%求比重
% sigma1=sum(ganrao(:,1));
% sigma2=sum(ganrao(:,2));
%
% PIJ=zeros(rows,cols);
%
% for I=1:cols
%     sigmaI=sum(ganrao(:,i));
%     for J=1:rows
%         PIJ(J,I)= ganrao(J,I)/sigmaI;
%     end
% end


y = ganrao;

%2 求Y（i,j）
MAX=max(y);
MIN=min(y);
Y = zeros(rows,cols);
for J=1:cols
    for I=1:rows
        Y(I,J)= (y(I,J)-MIN(J))/(MAX(J)-MIN(J));
    end
end
%% 数据预处理_标准化
Z = Y ./ repmat(sum(Y.*Y) .^ 0.5, rows, 1);
disp('标准化矩阵 Z = ')
disp(Z)
%z1=sum(Z,1);

%% 指标权重赋值
disp("请输入是否需要增加权重向量，需要输入1，不需要输入0")
ahp_w1=[0.2
0.2
0.2
0.2
0.2
0.2
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.08
0.05
0.05
0.05
0.05
0.05
0.33
0.33
0.33
0.33
0.33
0.33
0.33
0.33
0.33
0.33];
ahp_w=ahp_w1(:,1)/sum(ahp_w1,1);
Judge = input('请输入是否需要增加权重： ');
if Judge == 1
    disp(['有多少个指标就输入多少个权重数(权重和为1)，如[0.25,0.25,0.5]']);
    weigh = input(['请输入' num2str(cols) '个权重: ']);
        if abs(sum(weigh) - 1)<0.000001 && size(weigh,1) == 1 && size(weigh,2) == cols   % 这里要注意浮点数的运算是不精准的。
        else
            weigh = input('你输入的有误，请重新输入权重行向量: ');
        end
else
    weigh = ones(1,cols) ./ cols ; %如果不需要加权重就默认权重都相同，即都为1/cols(列数的倒数）
end
% 计算与最大值的距离和最小值的距离，并算出得分
D_P = sum(((Z - repmat(max(Z),rows,1)) .^ 2 ) .* repmat(weigh,rows,1) ,2) .^ 0.5;   % D+ 与最大值的距离向量
D_N = sum(((Z - repmat(min(Z),rows,1)) .^ 2 ) .* repmat(weigh,rows,1) ,2) .^ 0.5;   % D- 与最小值的距离向量
% D_P1=ahp_w.*D_P;
% D_N1=ahp_w.*D_N;1
S = D_N ./ (D_P+D_N);    % 未归一化的得分
disp('最后的得分为：')
%stand_S = D_N1/sum(D_N1)
S_final=ahp_w.*S;
stand_S = S_final / sum(S_final)% 归一化的得分
[sorted_S,index] = sort(stand_S ,'descend')%对得分进行降序排序并返回原来的位置

% o=repmat(max(Z),rows,1);