熵值法的原理及实例讲解讲解学习_第1页
熵值法的原理及实例讲解讲解学习_第2页
熵值法的原理及实例讲解讲解学习_第3页
熵值法的原理及实例讲解讲解学习_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、精品文档精品文档熵值法1. 算法简介熵值法是一种客观赋权法，其根据各项指标观测值所提供的信息的大小来确定指标权重。设有m个待评方案，n项评价指标，形成原始指标数据矩阵X (xj )m n，对于某项指标为，指标值Xj的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。在信息论中，熵是对不确定性的一种度量。 信息量越大，不确定性就越小，熵也就越小; 信息量越小，不确定性就越大，熵也越大根据熵的特性，我们可以通过计算熵值来判断一个方案的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大！因此，

2、可根据各项指标的变异程度，利用信息熵这个工 具，计算出各个指标的权重，为多指标综合评价提供依据!2. 算法实现过程2.1数据矩阵XiiAXi m其中Xij为第i个方案第j个指标的数值XniXnm n m2.2数据的非负数化处理由于熵值法计算采用的是各个方案某一指标占同一指标值总和的比值，因此不存在量纲的影响，不需要进行标准化处理，若数据中有负数，就需要对数据进行非负化处理！此外，为 了避免求熵值时对数的无意义，需要进行数据平移：对于越大越好的指标：XjXj min (Xij,X2j, ,Xnj),1max(Xij,X2j, ,Xnj) min (Xij,X2j, ,Xnj)精品文档对于越小越好

3、的指标:,n; j 1,2,mXij max(X1j,X2j, ,Xnj) Xij11,2max(X1j,X2j, ,Xnj) min 以门公2，,Xnj)为了方便起见，仍记非负化处理后的数据为 Xij2.3计算第j项指标下第i个方案占该指标的比重RjX“ijnXiji 1(j 1,2, m)2.4计算第j项指标的熵值ejk*般令k2.5计算第nPij log(Pij),其中k 0,ln为自然对数，ej0。式中常数i 11lnm,则 0 e 1j项指标的差异系数。k与样本数m有天,对于第j项指标，指标值 Xij的差异越大，对方案评价的作用越大，熵值就越小g j 1 ej ,贝U： g j越大指标越重要2.6求权数giWj ,j 1,2 mgjj 1m2.7计算各方案的综合得分SiWj * Rj (i 1,2, n)j 13. 熵值法的优缺点熵值法是根据各项指标指标值的变异程度来确定指标权数的，这是一种客观赋权法，避免了人为因素带来的偏差，但由于忽略了指标本身重要程度，有

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论