SCI原创时长35分超详细）最优拉丁超立方改进加萁舌线改进多目标鲸鱼优化算法结合克里金做代理模型结合熵权法结合最有拉丁超立方实验设计
(懒人救星版)Kriging_ZYLSHNSCFWOA_Topsis
SCI要求：内容丰富工作量大：
ZYLSH最有拉丁超立方抽样实验设计+kriging+改进多目标鲸鱼+Topsis 四大模块
原创改进点：最优拉丁超立方+萁设
最优拉丁超立方实验设计和最优拉丁超立方改进设计
区别：最优拉丁超立方实验设计是对自变量进行的设计，
最优拉丁超立方改进是对初始种群（中间求解变量）
(懒人救星版)Kriging_ZYLSHNSCFWOA_Topsis克里金做代理预测模型最优拉丁超立方改进加萁舌线改进多目标鲸鱼算法反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合
懒人救星版：
1.任意多输入多输出都可以用(采用三套数据集)
4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx
2.加入数据拟合散点图
数据特点：（多元化的数据）
包含0-1数据、大于1的数据和极大的数据（10的8次方）
每个代码压缩文件包改动代码处不超过3处
如下图代码中：（改动点总计3处代码即可运行）
克里金模型Kriging模型原理说明文档
克里金模型，也称为空间插值法，是一种在空间数据分析中常用的方法，用于估计未知点的值，基于已知点的观测数据和它们之间的空间相关性。
克里金模型的目标是无偏估计，即估计值的期望值等于真实值，这涉及到无偏性条件的数学表达。同时，最小化估计方差的条件，这需要用到拉格朗日乘数法来求解权重系数。
基本假设、变异函数、克里金估计公式、权重求解、不同类型克里金、应用
克里金模型（Kriging）是一种基于空间相关性的插值方法，广泛应用于地质统计学、环境科学等领域。其核心思想是通过已知样本点的观测值，结合空间自相关性，对未知点进行最优无偏估计。
首先，Topsis，也就是逼近理想解排序法，是一种多准则决策分析方法。它的基本思想是通过计算各方案与理想解（正理想解）和负理想解之间的距离来进行排序。理想解是各指标的最优值，负理想解是各指标的最劣值。然后根据相对接近度来排序，相对接近度越高，方案越优。
然后是熵权法，这是一种客观赋权方法，用于确定各指标的权重。熵原本是热力学中的概念，后来在信息论中用于衡量信息的不确定性。熵权法通过计算各指标的熵值来判断该指标的离散程度，离散程度越大，熵值越小，信息量越大，权重也就越高。反之，离散程度越小，熵值越大，权重越低。
Topsis 熵权法是指在 Topsis 中使用熵权法来确定各指标的权重，而不是主观赋权。这样可以让权重的确定更客观，减少主观因素的影响。
Topsis 熵权法是一种结合了逼近理想解排序法（Topsis）和熵权法的多准则决策分析方法，主要用于解决多指标评价问题。其核心思想是通过熵权法客观确定指标权重，再利用 Topsis 对方案进行排序。
原理如下：
包括数据标准化、熵权计算、加权矩阵构建、理想解确定、距离计算和排序
立即观看
0