利用topsis法排序代码

Topsis方法是一种多标准决策分析方法，用于排序和选取最佳方案。以下是一个简单的Python代码示例，用于利用Topsis方法对一组方案进行排序。

首先，我们需要导入numpy库，该库提供了用于数值计算的各种功能。然后，我们定义一个名为topsis_sort的函数，该函数接受两个参数：一个包含方案评估值的二维数组和一个包含权重值的一维数组。

import numpy as np

def topsis_sort(data, weights):
    # 归一化处理
    normalized_data = data / np.sqrt((data * data).sum(axis=0))
    
    # 加权归一化处理
    weighted_data = normalized_data * weights
    
    # 理想解和负理想解
    ideal_solution = np.max(weighted_data, axis=1)
    negative_ideal_solution = np.min(weighted_data, axis=1)
    
    # 计算到理想解和负理想解的距离
    distance_to_ideal = np.sqrt(((weighted_data - ideal_solution) ** 2).sum(axis=1))
    distance_to_negative_ideal = np.sqrt(((weighted_data - negative_ideal_solution) ** 2).sum(axis=1))
    
    # 排序并返回结果
    topsis_scores = distance_to_negative_ideal / (distance_to_ideal + distance_to_negative_ideal)
    sorted_indices = np.argsort(topsis_scores)[::-1]
    
    return sorted_indices

使用这个函数，我们可以对一组方案进行排序。假设我们有一个4x3的二维数组data，它包含四个方案的三个评估值，和一个长度为3的一维数组weights，它包含三个权重值。

data = np.array([[3, 4, 5],
                 [1, 2, 6],
                 [2, 5, 4],
                 [4, 3, 2]])

weights = np.array([0.3, 0.4, 0.3])

sorted_indices = topsis_sort(data, weights)

print(sorted_indices)

这段代码将打印出一个按照Topsis方法排序后的方案索引列表。根据具体需求，你可以使用这个列表来获取被排序方案的其他信息，如名称、得分等。