数学建模_灰色关联分析

灰色关联分析法的优势在于，它弥补了采用数理统计方法系统分析所导致的缺憾，对样本量的多少和样本有无规律都适用，而且计算量小，十分方便，更不会出现与定性结果不符合的情况。但是灰色关联分析仅在我国有部分学者使用，在国际上并没有得到太多认可，而且当数据量较大的时候，使用标准化回归的方法是更好的选择，只有在数据很少万不得已的情况下，才考虑灰色关联分析，当然，你也可以两者综合考虑。值得一提的是，在灰色关联分析中，母序列有多个的情况，我们只需要分开计算即可，也就是说，每一个母序列，都对应一个完整的子序列。

1：灰色关联度分析 GRA(Grey Relation Analysis ) 灰色预测的概念： 白色系统是指一个系统的内部特征是完全已知的 黑色系统是指一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系加以研究 灰色系统内部信息一部分是已知的，另一部分信息是未知的，系统内各因素间有不确定的关系 灰色关联度分析 对系统进行因素分析，这些因素那些对系统是主要的，那些是次要的，那些需要发展，那些需要抑制。那些是潜在的，那些是明显的。因素间关联性如何，关联程度如何量化是系统分析的关键。

对两个系统或两个因素之间关联性大小的量度，称为关联度。它描述系统发展过程中因素间相对变化的情况，也就是变化大小、方向及速度等指标的相对性。如果两者在系统发展过程中相对变化基本一致，则认为两者关联度大；反之，两者关联度就小。灰色系统理论的关联度分析与数理统计学的相关分析是不同的，两者的区别在于第一，它们的理论基础不同。关联度分析基于灰色系统的灰色过程，而相关分析则基于概率论的随机过程；第...

记两级最小差：a = min(min(xi(k)-x0(k)))，记两极最大差：b=max(max(xi(k)-x0(k)))；第六步：通过比较三个子序列和母序列的关联度可以得出：该地区在2000年-2005年间的国内生产总值受到第三产业的影响最大（因为其灰色关联度最大）。absx0_xi = abs(x - repmat(y,1,size(x,2))) % 计算|X0-Xi|矩阵(在这里我们把X0定义为了Y)（2）子序列（又称为比较序列，子指标）：影响系统行为的因素组成的数据系列（类似于自变量X）。..

介绍了灰色关联度的使用，并与 Pearson/Spearman 相关系数进行了对比。

灰色系统理论由中国学者邓聚龙于1982年提出，是一种研究“部分信息已知、部分信息未知”的不确定性系统的理论。其核心思想是通过对有限数据的生成、开发和提取，挖掘隐藏规律，实现系统行为的预测和控制。介于“白色系统”（信息完全明确）与“黑色系统”（信息完全未知）之间，适用于贫信息、小样本的复杂系统分析。

灰色关联是有监督学习，TOPSIS是无监督学习。灰色关联如果取某个参考列，就是求和某个其他特征和这个特征的关联程度。如果先正向化，标准化，再取每个特征的最优值作为参考列，才是求每个样本评价。只能得出相关度大小，不能得出正相关还是负相关。

经济管理（资源分配、投资决策）、能源政策、人才评价、生产计划、科研选题等。

智能优化算法

基于二人爱情耦合系统动力学、稳定性与最优策略的综合性理论的数值模拟与分析

生活中很多系统的状态变化是随机的（比如天气、股价、疾病传播），如果要预测未来状态，通常需要知道“所有历史状态”——但这太复杂了！马尔可夫链的核心价值在于：用“无记忆性”简化问题，即未来只和现在有关，和过去无关。比如预测明天的天气，只需要今天的天气，不需要知道上周的天气。这种简化让随机过程的建模和计算变得可行，是数学建模中处理随机动态系统的“利器”。通俗理解：明天的状态只取决于今天，和昨天、前天无关。比如：数学定义：若用随机过程{Xn,n=0,1,2,...}\{X_n, n=0,1,2,...\}{Xn​,