一、研究背景
该代码针对应急物流供应商选择问题，结合云模型与TOPSIS 方法，构建了一种能处理评价不确定性和模糊性的决策模型。传统 TOPSIS 在权重确定和评价信息处理上存在局限性，而云模型能有效表征语言评价的随机性与模糊性，提升评价的科学性和鲁棒性。
二、主要功能
- 多源权重融合：结合 AHP 主观权重与改进熵权客观权重，通过博弈论方法确定组合权重。
- 云-TOPSIS 评价：基于云模型计算供应商与正负理想解的加权云距离，得出相对贴近度。
- 多维度可视化：生成隶属度云图、权重分布、排名对比、雷达图、热力图、决策矩阵等多种图表。
- 敏感性分析与稳健性检验：分析权重变化、决策偏好对排名的影响。
- 多方法对比：对比云-TOPSIS 与传统 TOPSIS 在区分度、一致性等方面的性能。
- 决策支持系统：提供供应商推荐等级、综合排名与决策建议面板。
三、算法步骤
- 数据准备：载入标准云、权重、供应商特征等数据。
- 权重融合：使用博弈论组合系数融合主客观权重。
- 云距离计算：计算各供应商与正负理想解的加权云距离。
- 贴近度计算：
Ui=Di−Di++Di− U_i = \frac{D_i^-}{D_i^+ + D_i^-}Ui=Di++Di−Di− - 排名与推荐：根据贴近度排序，划分推荐等级。
- 可视化分析：生成三组图表，分别展示综合结果、权重分析与性能对比。
四、技术路线
语言评价 → 云模型转化 → 构建决策矩阵 → 权重融合 → 计算云距离 → 贴近度排序 → 可视化与决策支持五、公式原理
云模型：
- 云滴：$ (x, \mu)，其中，其中，其中x \sim N(Ex, En’^2)，，，En’ \sim N(En, He^2) $
- 隶属度：μ=e−(x−Ex)22En′2\mu = e^{-\frac{(x-Ex)^2}{2En'^2}}μ=e−2En′2(x−Ex)2
组合权重：
w=α1wsub+α2wobj w = \alpha_1 w_{sub} + \alpha_2 w_{obj}w=α1wsub+α2wobj
其中α1,α2\alpha_1, \alpha_2α1,α2为博弈论最优组合系数。加权云距离：
D(A,B)=∑wj⋅dj2 D(A,B) = \sqrt{\sum w_j \cdot d_j^2}D(A,B)=∑wj⋅dj2
其中 $ d_j$为云特征差异。
六、参数设定
- 标准云参数：5个语言等级对应的(Ex,En,He)(Ex, En, He)(Ex,En,He)
- 权重：19个二级指标的主观、客观、组合权重
- 供应商数据：4个供应商在5个维度上的云特征期望值
- 组合系数：α=[0.5785,0.4215]\alpha = [0.5785, 0.4215]α=[0.5785,0.4215]
- 决策偏好参数：保守、均衡、激进三种权重调整方案
