python实现前景理论

谁践踏了优雅 2022-08-28 13:55 194阅读 0赞

决策算法前景理论  
step1，获得决策矩阵  
step2，获得正负理想解  
step3，计算正理想解集，负理想解集到方案解集的欧氏距离。  
step4，计算决策方案的正负价值函数。  
因为正理想解集作为参考对象，对于决策者而言方案均属损失型，得负前景价值函数  
![在这里插入图片描述][a94e43b7225c4f33944d10e4d35b22d4.png]  
因为负理想解集作为参考对象，对于决策者而言方案均属于收益型，到正前景值价值函数  
![在这里插入图片描述][9e72af87a93b4da0808da9ad96ac0dfa.png]  
step5，计算前景值  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5LiD546E5qGQ_size_20_color_FFFFFF_t_70_g_se_x_16]

论文数据来自《基于前景理论的勾股模糊多属性决策》和《基于前景理论的信息不完全的模糊多准则决策方法》

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5LiD546E5qGQ_size_15_color_FFFFFF_t_70_g_se_x_16]  
![在这里插入图片描述][2363ea93eadc4a06814f52fc30a69483.png]  
![在这里插入图片描述][c90aa02673be4a07a49b4adbd55e4212.png]  
完整代码如下

'''罗南方前景理论论文代码，失败'''
    import pandas as pd
    import  numpy as  np
    import myIO
    def getw(dfp,dfn,w,gamma,delta):
        wp=(w**gamma)/((w**gamma+(1-w)**gamma)**(1/gamma))
        wn=(w**delta)/((w**delta+(1-w)**delta)**(1/delta))
        df=np.multiply(wp,dfp)+np.multiply(wn,dfn)
        return df.sum(axis=1)
    if __name__ == '__main__':
        gamma = 0.55
        delta = 0.49
        alpha = 1.21
        beta = 1.02
        thet = 2.25
        w = np.array([0.16, 0.22, 0.21, 0.21, 0.2])
        url='D:\study\\test\data\\t16.xlsx'
        df1 = myIO.getdef(url,0)
        df2= myIO.getdef(url,1)
        print(getw(df2,df1,w,gamma,delta))
    
        gamma1 = 0.61
        delta1 = 0.69
        alpha1 = 1.88
        beta1 = 1.88
        thet1= 2.25
        url1 ='D:\study\\test\data\\t17.xlsx'
        w1 = np.array([0.1503, 0.1967, 0.2167, 0.05, 0.1954, 0.19])
        df3 = myIO.getdef(url1,0)
        df4= myIO.getdef(url1,1)
        print(getw(df4,df3,w1,gamma1,delta1))

[a94e43b7225c4f33944d10e4d35b22d4.png]: /images/20220828/dc75ac5cec6a4b599f7da97f6724995f.png
[9e72af87a93b4da0808da9ad96ac0dfa.png]: /images/20220828/92f9b95fdcc84ceca7075318baa7a0d5.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5LiD546E5qGQ_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/532ace8dee884c6dab14f19143233b96.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5LiD546E5qGQ_size_15_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/f97362290fb042a3b6fc1f91ab530a61.png
[2363ea93eadc4a06814f52fc30a69483.png]: /images/20220828/4665a671d5144117b1527bbdf8262e26.png
[c90aa02673be4a07a49b4adbd55e4212.png]: /images/20220828/43c170564d7b4e70adfff0cf0c9e9e15.png