熵值法完整版本.docVIP

熵值法

1基本原理

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事件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。

2、熵值法步骤

⑴选取n个国家，m个指标，则为第i个国家的第j个指标的数值。（i=1,2…,n;?j=1,2,…,m）

(2)指标的标准化处理:异质指标同质化

由于各项指标的计量单位并不统一,因此在用它们计算综合指标前,我们先要对它们进行标准化处理,即把指标的绝对值转化为相对值,并令，从而解决各项不同质指标值的同质化问题。而且,由于正向指标和负向指标数值代表的含义不同(正向指标数值越高越好,负向指标数值越低越好),因此,对于高低指标我们用不同的算法进行数据

标准化处理。其具体方法如下:

正向指标:

负向指标:

则为第i个国家的第j个指标的数值。（i=1,2…,n;?j=1,2,…,m）。为了方便起见，仍记数据。

（3）计算第项指标下第个国家占该指标的比重：

（4）计算第项指标的熵值。

，其中，，，

（5）计算第项指标的差异系数。对第项指标，指标值的差异越大，对方案评价的左右就越大，熵值就越小，定义差异系数：

，式中，，

（6）：求权值：

（7）：计算各国家的综合得分：

熵值法MATLAB代码

(2009-08-1822:33:20)

转载

标签：

熵值法

教育

分类：熵值法

functionshang(x)

[n,m]=size(x);

k=1/log(n);

X=zeros(n,m);

forj=1:m

fori=1:n

c=sort(x(:,j));

big=x(n,j);

small=x(1,j);

X(i,j)=(x(i,j)-small)/(big-small)+1;

end

end

p=[];

forj=1:m

th=0;

fort=(X(:,1))

th=th+t;

end

Ph=X(:,j)/th;

p=[pPh];

end

e=[];

forj=1:m

eg=0;

fori=1:n

eh=-k*p(i,j)*log(p(i,j));

eg=eg+eh;

end

e=[e,eg];

end

E=0;

forj=1:m

E=E+e(j);

end

g=[];

forj=1:m

gh=(1-e(j))/(m-E);

g=[g,gh];

end

Eh=0;

fornh=g

Eh=Eh+nh;

end

w=[];

forj=1:m

wh=g(j)/Eh;

w=[w,wh];

end

s=[];

fori=1:n

sh=w(i)*p(i,:);

shen=0;

forshe=sh

shen=shen+she;

end

s=[s,shen];

end