"""评价类题目的标准流程：无量纲化 → 赋权 → TOPSIS 排序 → 敏感性。

这是中文建模赛出现频率最高的题型之一。
关键点（也是最容易翻车的地方）：**指标方向必须显式声明**。
"""

from __future__ import annotations

import numpy as np

from mcm_toolkit.decision import entropy_weights, topsis
from mcm_toolkit.solve import robustness_test


def main() -> None:
    # 3 个城市 × 4 个指标
    #   人均GDP(效益)  空气PM2.5(成本)  绿化率(效益)  通勤时间(成本)
    X = np.array(
        [
            [120.0, 35.0, 42.0, 38.0],
            [95.0, 55.0, 36.0, 29.0],
            [140.0, 28.0, 45.0, 47.0],
        ]
    )
    labels = ["城市A", "城市B", "城市C"]
    benefit = [0, 2]  # 只有第 0、2 列是"越大越好"

    # 1) 客观赋权
    w = entropy_weights(X, benefit_columns=benefit)
    print("熵权：", np.round(w.params["weights"], 4))

    # 2) TOPSIS 排序
    result = topsis(X, weights=w.params["weights"], benefit_columns=benefit, labels=labels)
    print(result.data)

    # 3) 鲁棒性：权重扰动 ±10% 后排名还稳不稳？（论文里必须回答这个问题）
    def model(**kw):
        return topsis(X, weights=kw["weights"], benefit_columns=benefit).data["rank"].tolist()

    rob = robustness_test(model, params={"weights": w.params["weights"]}, perturbation=0.1, n_samples=500, random_state=0)
    print("排名稳定性：", rob.metrics)


if __name__ == "__main__":
    main()