matlab熵权分析法代码

以下是MATLAB实现熵权法的代码示例：

function [w] = entropy_weight(x)
% 熵权法计算权重
% x: 数据矩阵，每一行代表一个样本，每一列代表一个指标
% w: 指标权重向量

[n, m] = size(x); % n个样本，m个指标

% 1. 计算熵值
e = -sum(x.*log(x), 1); % 每个指标的熵值
e_max = log(n); % 理论最大熵值
e_normal = e./e_max; % 归一化熵值

% 2. 计算权重
d = 1-m*e_normal/sum(e_normal); % 熵值权重法中的熵值权重
w = d./sum(d); % 归一化权重

使用方法：

假设有一个 $n\times m$ 的数据矩阵 $x$，每一行代表一个样本，每一列代表一个指标，可以通过调用 `entropy_weight(x)` 函数计算出所有指标的权重向量 $w$。

相关问题

熵权topsis法matlab代码

以下是熵权TOPSIS法的MATLAB代码示例：

% 熵权TOPSIS法

% 初始化数据
A = [1 2 3 4; 4 3 2 1; 2 4 1 3; 3 1 4 2];
[m, n] = size(A);

% 计算归一化矩阵
S = zeros(m, n);
for i = 1:n
    S(:, i) = A(:, i) ./ sqrt(sum(A(:, i) .^ 2));
end

% 计算加权矩阵
w = [0.25, 0.25, 0.25, 0.25];
V = S * diag(w);

% 计算决策矩阵
C = max(V) - V;
D = min(V) + V;

% 计算熵值
E = -sum(V .* log(V), 1);

% 计算权重
p = E / sum(E);

% 计算熵权TOPSIS法综合评价值
S1 = sum((V - repmat(D, m, 1)) .^ 2, 2);
S2 = sum((V - repmat(C, m, 1)) .^ 2, 2);
C1 = S1 ./ (S1 + S2);
C2 = (max(V) - V) ./ (max(V) - min(V));
T = p' * C1 + (1 - p') * C2;

% 输出结果
disp(T);

上述代码中，我们首先初始化数据矩阵A，然后计算归一化矩阵S和加权矩阵V，接着计算决策矩阵C和D，并计算熵值E和权重p。最后，我们根据熵权TOPSIS法的公式，计算综合评价值T，输出结果。

matlab层次分析法代码

以下是 MATLAB 中层次分析法的代码示例：

% 层次分析法计算矩阵
% A: 权重矩阵
% w: 特征权重
function w = AHP(A)
    % 计算特征向量
    [v, ~] = eig(A);
    w = v(:,1);
    % 归一化
    w = w/sum(w);
end

% 示例
A = [1,     3, 5;
     1/3,   1, 1;
     1/5,   1, 1];
w = AHP(A);
disp(w);

在示例代码中，我们定义了一个名为 `AHP` 的函数来计算层次分析法中的特征权重。该函数接受一个权重矩阵 `A` 作为参数，并返回一个特征权重向量 `w`。在函数中，我们使用 MATLAB 内置的 `eig` 函数计算矩阵 `A` 的特征向量，并将其归一化后返回。

在示例中，我们还使用了一个矩阵 `A` 来演示该函数的使用。该矩阵是一个 $3 \times 3$ 的矩阵，表示了三个因素之间的重要性关系。我们可以调用 `AHP` 函数并将矩阵 `A` 作为参数传递给它，然后得到一个特征权重向量 `w`。最后，我们使用 `disp` 函数显示该向量。