TOPSIS算法是一种利用正理想解和负理想解从多个解中选择最优解的算法
toposis-parth-101853019的Python项目详细描述
python中TOPSIS优化算法的源代码。在
TOPSIS是一种利用正理想解和负理想来确定最佳选择的算法 解决方案。在
有关示例解决方案，请访问：http://www.jiem.org/index.php/jiem/article/view/573/498维基百科： https://en.wikipedia.org/wiki/TOPSIS
TOPSIS是一个首字母缩略词，代表“与理想解决方案相似的顺序偏好技术”™ 是一个漂亮的 简单的MCDA方法。顾名思义，这个方法是基于寻找理想解和反理想解
命令提示符
topsis data.csv "1,1,1,1" "+,+,-,+" final.csv Sample dataset The decision matrix (
a) should be constructed with each row representing a Model alternative, and each column representing a criterion like Accuracy, R2, Root Mean Squared Error, Correlation, and many more.
| Model | Correlation | R2 | RMSE | Accuracy |
|---|---|---|---|---|
| M1 | 0.79 | 0.62 | 1.25 | 60.89 |
| M2 | 0.66 | 0.44 | 2.89 | 63.07 |
| M3 | 0.56 | 0.31 | 1.57 | 62.87 |
| M4 | 0.82 | 0.67 | 2.68 | 70.19 |
| M5 | 0.75 | 0.56 | 1.3 | 80.39 |
权重（w）尚未规范化，稍后将在代码中进行规范化。在
利益正面（+）或负面（-）影响标准的信息应在I中提供。在
输出 车型评分排名
1 | 0.77221 | 2 2 | 0.225599 | 5 3 | 0.438897 | 4 4 | 0.523878 | 3 5 | 0.811389 | 1
排名以表格的形式显示，使用“表格”软件包，排名第一的排名是最好的 根据TOPSIS方法，最后一个等级提供最差的决策。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
