python实现《直觉模糊集决策与对策分析方法》04基于权重的线性规划方法

港控/mmm° 2022-10-06 12:49 177阅读 0赞

这是李登峰老师《直觉模糊集决策与对策分析方法》第三章权重与属性值均为直觉模糊集合的多属性线性规划方法。基本思想是对权重进行线性规划求出最优权重，然后矩阵加权求出方案的相对贴进度。  
决策的基本步骤为：  
将给定的决策矩阵和权重向量分别用区间值形式表达；  
对权重构造线性规划，确定最优解；  
矩阵加权，计算方案的最优综合评价值；  
计算方案的相对贴进度确定排序。  
对于给出的算例进行独立重复实验。代码关键步骤有注释。  
中间的线性规划用lingo代码实现了结果。

'''
    求解属性值和权重值均为直觉模糊集合的多属性线性规划方法。
    主要思想是吧直觉模糊集合转化为区间值进行权重的区间求解。
    '''
    from scipy import optimize as op
    import pandas as pd#bikor算法实现
    import  numpy as  np
    np.set_printoptions(suppress=True)
    w=[0.25,0.45,0.3]
    def getdef(n):#获取矩阵
        return pd.read_excel('D:\study\\test\data\\t13.xlsx',sheet_name=n)
    def getmatirx(df):
        df.iloc[:, [i % 2 == 1 for i in range(len(df.columns))]] = 1 - df.iloc[:,
                                                                       [i % 2 == 1 for i in range(len(df.columns))]]
        return df
    def getliner(df):
        pass
    '''
    lingo语言
    max =0.35*x1+0.47*x2+0.15*x3;
    x1<=0.75;
    -x1<=-0.25;
    x2<=0.6;
    -x2<=-0.35;
    x3<+0.35;
    -x3<=-0.3;
    x1+x2+x3=1;
    '''
    def ranks(df):
        d1 = df.iloc[:, ::2]
        d2 = df.iloc[:, 1::2]
        df1=d1.T.reset_index(drop=True).T
        df2= d2.T.reset_index(drop=True).T
        print(df1)
        print(df2)
        gl=np.dot(df1,w)
        gu=np.dot(df2,w)
        print(gl)
        print(gu)
        g=gu/(1+gu-gl)
        return g
    if __name__ == '__main__':
        df =getdef(0)
        print(df)
        df1=getmatirx(df)
        print(df1)
        print(ranks(df1))

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAxNDgzNg_size_16_color_FFFFFF_t_70]

github仓库在https://github.com/rivendelltom/decision-making-study

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAxNDgzNg_size_16_color_FFFFFF_t_70]: /images/20221005/7556b3f70b24431487ecbc128dba32a2.png