熵权法python代码

以下是使用熵权法进行多指标决策的 Python 代码示例：

import numpy as np

# 输入决策矩阵，每一行代表一个方案，每一列代表一个指标
# 决策矩阵中的数据需要标准化处理，即将每一列的数据映射到0-1之间
decision_matrix = np.array([[0.8, 0.6, 0.7],
                            [0.6, 0.7, 0.9],
                            [0.7, 0.8, 0.6]])

# 计算每一列的熵值
column_entropy = []
for j in range(decision_matrix.shape[1]):
    p = decision_matrix[:, j] / np.sum(decision_matrix[:, j])
    column_entropy.append(-np.sum(p * np.log2(p)))

# 计算每一列的权重
column_weight = []
for j in range(decision_matrix.shape[1]):
    column_weight.append((1 - column_entropy[j]) / np.sum(1 - column_entropy))

# 计算每个方案的综合得分
score = np.sum(decision_matrix * column_weight, axis=1)

# 输出每个方案的得分和权重
for i in range(decision_matrix.shape[0]):
    print("方案{}的得分为{}，权重为{}".format(i + 1, score[i], column_weight))

在这个示例中，我们使用了 NumPy 库来处理矩阵计算。首先，我们输入了一个已经标准化处理的决策矩阵。然后，我们计算了每一列的熵值，并根据熵值计算了每一列的权重。最后，我们将每个方案的得分计算为决策矩阵乘以权重的加权和，输出了每个方案的得分和权重。