基于Matlab的Critic和修正Critic得到权重结果

%% 首先老规矩，感谢 "CSDN_'离陌lm'博主 对CRITIC权重法和改进CRITIC权重法的公式贡献！当然参考的仅仅是公式，因为我也看不懂JAVA ——^_^" %% 其次，云南民族大学经济学院——"张涛"于2022年7月28日下午编写。码码不易，望各位珍重！ %% 之所以写这个代码是因为看到我这个板块有个小伙伴4月份有这方面的需求，但似乎没人理他，我就尽尽绵薄之力～ %% 最后便是我最近在思索对现有的综合评价方法和权重估计进行融合创新，有这样方向想法的可以交流交流 %% CRITIC权重法是基于方差波动性和均值期望性综合构成的一种权重方法，由于过于简单此处便不再赘述。 clearvars clc format short format compact X = log(abs(randn(100,5)))+exp(abs(randn(100,5))); % 构造原始随机数据X X_PO = (X-min(X))./range(X); % 正向化处理数据(正向指标如此处理) X_NE = (max(X)-X)./range(X); % 负向化处理数据(负向指标如此处理) X_STD = std(X); % 计算正向化后数据的方差 X_CORR = corr(X); % 计算正向化后数据的相关性系数 X_INV = sum((1-abs(X_CORR))); % 计算逆相关系数并求和(不同之处在于编者在此处就给相关系数纳入了绝对值) X_I = X_STD.*X_INV; % 计算信息熵 W = X_I/sum(X_I); % 计算权重 Weight = [W sum(W)]'; % 将权重之和结果纳入 Variable = {'X1','X2','X3','X4','X5','权重之和'}'; % 构造变量名 disp('基于CRITIC权重法所得到的权重: ') % 展示权重结果 Weight_Result = table(Variable,Weight) % "优化CRITIC权重估计法"——如博主所属，需要纳入熵权法的"熵值"，这里我便纳入我个人编写的"熵权TOPSIS算法"(该算法在我个人主页也可以找到)的权重结果 Ej = [0.9735,0.9709,0.9680,0.9529,0.9562]; % 熵值由"熵权TOPSIS算法"计算 W_C = (Ej+X_STD).*X_INV / sum((Ej+X_STD).*X_INV); % 计算修正后的权重W_C Weight2 = [W_C sum(W_C)]'; % 将权重之和结果纳入 disp('基于CRITIC和修正CRITIC权重法所得到的权重对比: ') % 展示权重结果 Weight_Result2 = table(Variable,Weight,Weight2)