懒人版)RF_NSGA2_Topsis随机森林做代理预测模型NSGA3结合熵权法Topsis反求最佳因变量和对应的最佳自变量组合（含帕累托前沿解）

随机森林做代理预测模型NSGA3结合熵权法Topsis反求最佳因变量和对应的最佳自变量组合（含帕累托前沿解）

(懒人救星版)RF_NSGA3_Topsis

(懒人救星版)RF_NSGA3

懒人救星版：

     1.任意多输入多输出都可以用(采用如下三套数据集：

4输入2输出.xlsx  4输入3输出.xlsx   5输入3输出.xlsx

     2.加入数据拟合散点图

数据特点：（多元化的数据）

包含0-1数据、大于1的数据和极大的数据（10的8次方）

3.统计误差指标和决定系数R2都有

每个代码压缩文件包改动代码处不超过3处

如下图代码中：（改动点总计6处代码即可运行）

改动点和改动详细说明都已标注在代码中

RF_NSGA3（随机森林结合多目标遗传算法3）的帕累托前沿图：

代码整体运行图如下图：

RF_NSGA3_topsis的整体寻优结果（命令行窗口截图如下：）

RF随机森林回归预测的误差指标如下图（三输出为例）

Topsis求解帕累托前沿解各解的接近度结果如下：

RF随机森林回归预测模型的整体运行效果图（三输出为例）

采用的数据集如下：

4输入2输出.xlsx如下：

4输入3输出.xlsx如下：

5输入3输出如下：

首先，Topsis，也就是逼近理想解排序法，是一种多准则决策分析方法。它的基本思想是通过计算各方案与理想解（正理想解）和负理想解之间的距离来进行排序。理想解是各指标的最优值，负理想解是各指标的最劣值。然后根据相对接近度来排序，相对接近度越高，方案越优。

然后是熵权法，这是一种客观赋权方法，用于确定各指标的权重。熵原本是热力学中的概念，后来在信息论中用于衡量信息的不确定性。熵权法通过计算各指标的熵值来判断该指标的离散程度，离散程度越大，熵值越小，信息量越大，权重也就越高。反之，离散程度越小，熵值越大，权重越低。

Topsis 熵权法是指在 Topsis 中使用熵权法来确定各指标的权重，而不是主观赋权。这样可以让权重的确定更客观，减少主观因素的影响。

Topsis 熵权法是一种结合了逼近理想解排序法（Topsis）和熵权法的多准则决策分析方法，主要用于解决多指标评价问题。其核心思想是通过熵权法客观确定指标权重，再利用 Topsis 对方案进行排序。

原理如下：

包括数据标准化、熵权计算、加权矩阵构建、理想解确定、距离计算和排序

1. 数据标准化

2. 熵权法计算指标权重

熵权法通过指标的信息量客观确定权重，步骤如下：

3. 构建加权标准化矩阵

4. 确定正理想解和负理想解