guzhujushi
5319589dfd
审查并精简 ChatGPT 的建库建议后落地的第一版骨架，只定接口不写实现。 - 建议审查：14 个包 → 7 个；约 250 个函数 → 约 40 个；5 个 Result 类 → 1 个 （docs/01-suggestion-review.md） - docs/：架构、路线图（含永久不做清单）、环境、Git 工作流、函数卡片模板 - src/mcm_toolkit/：core / data / stats / models / solve / decision / viz 共 23 个模块，均为签名 + docstring + NotImplementedError - tests/：9 个文件，其中 test_api_surface.py 已通过（20 passed） - examples/ problems/ notebooks/ figures/ tables/ 骨架 - pyproject.toml（核心依赖 4 个 + 6 组 extras）、environment.yml - scripts/：setup-venv.ps1（ASCII + LF）、setup-conda.ps1、doctor.ps1 - 环境：.venv（system-site-packages）与 conda 环境 mcm-toolkit 均已建好， 数值栈版本与 base 完全对齐（numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6，MKL 后端）
46 lines
1.5 KiB
Python
46 lines
1.5 KiB
Python
"""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()
|