python实现前景理论

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

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

step5，计算前景值

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》

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\testdata\t16.xlsx'
    df1 = myIO.getdef(url,0)
    df2= myIO.getdef(url,1)

    d=df1**beta#将正理想矩阵转为正价值矩阵
    df1=-df1*thet
    print(d)
    f=df2*alpha
    print(f)#将负理想矩阵转为负价值矩阵
    print(getw(d,f,w,gamma,delta).tolist())






    gamma1 = 0.61
    delta1 = 0.69
    alpha1 = 1.88
    beta1 = 1.88
    thet1= 2.25
    url1 ='D:study\testdata\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))

最后

以上就是超级紫菜最近收集整理的关于python实现前景理论的全部内容，更多相关python实现前景理论内容请搜索靠谱客的其他文章。