灰色关联分析法 C++代码

灰色关联分析法是一种用于探索变量之间关联关系的方法，可以用于预测和决策分析。下面是一个简单的用C++实现的灰色关联分析算法：

#include <iostream>
#include <cmath>
using namespace std;

const int MAXN = 100;

double x[MAXN], y[MAXN]; // 输入的原始数据
double x0[MAXN], y0[MAXN]; // 归一化后的数据
double x_max, x_min, y_max, y_min; // 归一化最大值最小值
double w[MAXN][MAXN]; // 灰色关联矩阵

// 归一化函数
void normalize(int n) {
    x_max = y_max = -1e10;
    x_min = y_min = 1e10;
    for (int i = 0; i < n; i++) {
        x_max = max(x_max, x[i]);
        x_min = min(x_min, x[i]);
        y_max = max(y_max, y[i]);
        y_min = min(y_min, y[i]);
    }
    for (int i = 0; i < n; i++) {
        x0[i] = (x_max - x[i]) / (x_max - x_min);
        y0[i] = (y_max - y[i]) / (y_max - y_min);
    }
}

// 灰色关联度计算函数
double grey_relation(int i, int j, int n, double a) {
    double sum1 = 0, sum2 = 0, sum3 = 0, sum4 = 0;
    for (int k = 0; k < n; k++) {
        sum1 += pow(fabs(x0[i] - x0[k]), a) * pow(fabs(y0[j] - y0[k]), a);
        sum2 += pow(fabs(x0[i] - x0[k]), a);
        sum3 += pow(fabs(y0[j] - y0[k]), a);
        sum4 += pow(fabs(x0[k] - y0[k]), a);
    }
    return (sum1 / n) / (pow(sum2 / n, a / 2) * pow(sum3 / n, a / 2) + 1e-10);
}

int main() {
    int n; // 数据个数
    double a; // 灰色关联度计算时的指数
    cin >> n >> a;
    for (int i = 0; i < n; i++) {
        cin >> x[i] >> y[i];
    }
    normalize(n); // 归一化数据
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            w[i][j] = grey_relation(i, j, n, a); // 计算灰色关联度
            cout << w[i][j] << " ";
        }
        cout << endl;
    }
    return 0;
}

在代码中，我们首先将输入的原始数据进行归一化处理，然后根据灰色关联度计算公式计算灰色关联矩阵。其中，灰色关联度计算时的指数a决定了关联度的计算精度，一般取值为[0,1]之间的小数。在本代码中，我们通过输入的方式获取数据个数n和指数a，然后依次输入每个数据的x和y值。最后输出计算得到的灰色关联矩阵。

需要注意的是，在计算灰色关联度时，为了防止分母为0，我们在分母上加了一个很小的数1e-10。