【数学建模】灰色关联分析的核心步骤

步骤一：读数据

步骤一：读数据
X = xlsread(‘blind date.xlsx’); % 读取Excel文件中的相亲数据

详细说明：

该命令会自动读取Excel文件"blind date.xlsx"中的所有数值数据
读取的数据会存储在矩阵变量X中
如果Excel文件中包含多个工作表，默认读取第一个工作表的数据
可以指定特定工作表读取，例如：xlsread(‘blind date.xlsx’,‘Sheet2’)
该函数会忽略Excel文件中的文本和格式，只读取数值数据

步骤二：指标正向化

• 三类指标转换为极大型

1. 极小型：数值越小越好
2. 极小型转极大型

			X(:,vec(i)) = Min2Max(X(:,vec(i)));%极小型转为极大型

[[极小MinMax讲解]]
2. 中间型：越接近某个值越好
1. 中间型转极大型

	best = input('请输入中间型的最好值：\n');%用户需要最好的数值temp = X(:,vec(i));X(:,vec(i)) = Mid2Max(X(:,vec(i)), best);

[[中间MidMax讲解]]
1. 区间型：落在某个区间越好
1. 区间型转最大型

		1. arr = input('请输入最佳区间，按照“[a,b]”的形式输入：\n');X(:,vec(i)) = Int2Max(X(:,vec(i)), arr(1), arr(2));

[[区间Int2Max]]

输入：[[正向化输入]]

步骤三：数据标准化

1. 获取规模

		disp('***************正在进行标准化...***************');[n,m] = size(X);

2. [[检查负数元素]]

% 检查有没有负数元素isNeg = 0;for i = 1 : nfor j = 1 : mif(X(i,j) < 0)isNeg = 1;break;endendendif (isNeg == 0)%没有负数squere_X = (X.*X);sum_X = sum(squere_X,1).^0.5; %按列求和,再开方stand_X = X./repmat(sum_X, n, 1);elsemax_X = max(X,[],1); %按照列找出最大元素min_X = min(X,[],1); %按照列找出最小元素stand_X = X - repmat(min_X,n,1) ./ (repmat(max_X,n,1) - repmat(min_X,n,1));enddisp('标准化完成！')

步骤三：数据标准化

步骤四：结果处理

1. 确定虚拟供应商

• 最大虚拟供应商置于最后一列
• 使用zeros(m,n-1)创建m行n-1列的0矩阵
  

2. 将结果归一化

res_topsis = S ./ sum(S)%xlswrite('res_topsis.xlsx',res_topsis) %写入excel文档%disp('已完成打分，请到当前目录下res_topsis.xlsx文件中取出结果！')