熵权TOPSIS法中，如果只有正向指标，表示所有指标都是越大越好。在这种情况下，C值（综合评价值）的计算方式如下：
1. 首先，对每个方案在各个指标上的得分进行归一化处理：
$$ x_{ij}' = \frac{x_{ij} - min(x_{ij})}{max(x_{ij}) - min(x_{ij})}, \quad j = 1, 2, ..., m $$
其中，$x_{ij}$是第i个方案在第j个指标上的原始得分，$m$是指标的数量。
2. 计算每个指标的熵值：
$$ e_j = -\sum_{i=1}^{n}(p_{ij}\ln(p_{ij})) $$
其中，$n$是方案的数量，$p_{ij}$是归一化后的得分比例，即 $p_{ij} = x_{ij}' / \sum_{k=1}^{n}x_{kj}'$。
3. 计算每个指标的熵权：
$$ w_j = \frac{e_j}{\sum_{j=1}^{m}e_j} $$
4. 乘以熵权并求和，得到每个方案的优度（理想解与实际解的距离）：
$$ V_i^+ = \sum_{j=1}^{m}w_jx_{ij}' $$
$$ V_i^- = \sum_{j=1}^{m}w_j(1-x_{ij}') $$
5. 最后，计算C值（靠近理想解的程度）：
$$ C_i = \frac{V_i^+}{\sqrt{(V_i^+)^2 + (V_i^-)^2}} $$
C值越接近1，表示方案越好。
此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用
扫码
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
发帖
雷达卡
