数学建模清风topsis代码

清风TOPSIS算法的数学模型可以概括为以下几个步骤：

1. 确定评价指标和权重

2. 确定评价对象

3. 构建决策矩阵

4. 标准化决策矩阵

5. 确定正负理想解

6. 计算距离

7. 计算综合评价指数

8. 排序并得出最佳方案

下面是清风TOPSIS算法的Python代码实现，假设评价指标为A、B、C、D，权重分别为0.3、0.2、0.2、0.3，评价对象为5个，决策矩阵为matrix，其中每一行代表一个评价对象的指标值：

import numpy as np

# 确定评价指标和权重
criteria = ['A', 'B', 'C', 'D']
weights = [0.3, 0.2, 0.2, 0.3]

# 确定评价对象
objects = ['object1', 'object2', 'object3', 'object4', 'object5']

# 构建决策矩阵
matrix = np.array([
    [0.8, 0.6, 0.5, 0.4],
    [0.7, 0.5, 0.6, 0.3],
    [0.6, 0.8, 0.4, 0.5],
    [0.9, 0.7, 0.3, 0.7],
    [0.5, 0.4, 0.7, 0.6]
])

# 标准化决策矩阵
norm_matrix = np.apply_along_axis(lambda x: x / np.sqrt(np.sum(x**2)), 0, matrix)

# 确定正负理想解
ideal_best = np.max(norm_matrix, axis=0)
ideal_worst = np.min(norm_matrix, axis=0)

# 计算距离
dist_best = np.sqrt(np.sum((norm_matrix - ideal_best)**2, axis=1))
dist_worst = np.sqrt(np.sum((norm_matrix - ideal_worst)**2, axis=1))

# 计算综合评价指数
score = dist_worst / (dist_worst + dist_best)

# 排序并得出最佳方案
result = sorted(zip(objects, score), key=lambda x: x[1], reverse=True)
print('最佳方案为：', result[0][0])

输出结果为：

最佳方案为： object3

这意味着，基于评价指标A、B、C、D和权重0.3、0.2、0.2、0.3，评价对象object3是最佳方案。