topsis python

Topsis（Technique for Order of Preference by Similarity to Ideal Solution）是一种多准则决策分析方法，用于评估和选择最佳方案。在Python中，可以使用不同的库来实现Topsis算法。以下是一个使用numpy库来实现Topsis的示例代码：

import numpy as np

def topsis(matrix, weights, impacts):
    # 标准化矩阵
    normalized_matrix = matrix / np.sqrt(np.sum(matrix**2, axis=0))
    
    # 加权标准化矩阵
    weighted_normalized_matrix = normalized_matrix * weights
    
    # 理想解和负理想解
    ideal_solution = np.max(weighted_normalized_matrix, axis=1)
    negative_ideal_solution = np.min(weighted_normalized_matrix, axis=1)
    
    # 计算距离度量
    distance_to_ideal = np.sqrt(np.sum((weighted_normalized_matrix - ideal_solution)**2, axis=1))
    distance_to_negative_ideal = np.sqrt(np.sum((weighted_normalized_matrix - negative_ideal_solution)**2, axis=1))
    
    # 计算接近程度
    closeness = distance_to_negative_ideal / (distance_to_ideal + distance_to_negative_ideal)
    
    return closeness

# 示例数据
matrix = np.array([[3, 5, 4, 2], [2, 4, 3, 5], [5, 2, 4, 3], [4, 3, 5, 2]])
weights = np.array([0.4, 0.3, 0.1, 0.2])
impacts = np.array([1, 1, -1, 1])

# 调用Topsis方法
result = topsis(matrix, weights, impacts)
print(result)

在上述代码中，`matrix` 是原始数据矩阵，`weights` 是每个准则的权重，`impacts` 是每个准则的影响（正向或负向）。最后，通过调用 `topsis` 方法，可以得到每个方案相对于理想解的接近程度。