【数模学习笔记】TOPSIS优劣解距离法计算得分

TOPSIS计算得分的过程主要分为3步：

一、矩阵正向化

二、正向化矩阵标准化

三、计算得分并归一化

---

一、矩阵正向化

1.极小型转化成极大型

x_return = max(x)-x; 
% x为处理的列向量，max(x)取得列向量中的最大值
% 广播机制使得max(x)扩充为和x同型的列向量

2.中间型转换成极大型

距离best最远的为0分，best为1分，根据xi距离best的距离换算得分，这样就变成了极大型

best = input('请输入中间值: ');
M = max( abs(x-best) ); % |列向量中的元素-best|，取其中的最大值
x_return = 1 - abs(x-best) / M;

3.区间型转换成极大型

与中间型转换的方法相同，就是把中间型的点变成一个区间，区间内为1分，区间外根据距离打分

size_x = size(x, 1); % 获取x有多少个元素
bounds = input("请输入区间上下界: "); % 获得区间范围
left = bounds(1); % 获取上界
right = bounds(2); % 获取下界
M = max([left-min(x), max(x)-right]);
x_return = ones(size_x, 1); % 创建一个size行1列的矩阵
for i = 1: size_x
    if x(i) < left % 在区间左侧
        x_return(i) = 1 - (left - x(i)) / M;
    elseif x(i) > right % 在区间右侧
        x_return(i) = 1 - (x(i) - right) / M;
    else % 在区间内
        x_return(i) = 1;
    end

---

二、正向化矩阵标准化

标准化的是为了消除不同指标量纲的影响

D = X ./ repmat(sum(X.*X) .^ 0.5, r, 1);
disp("标准化后的矩阵为: ")
disp(D)

---

三、计算得分并归一化

计算得分的逻辑：一个指标中最低为0分，最高为1分，中间值根据距离打分

这也就是TOPSIS被称为优劣解距离法的原因

归一化是为了让结果更加清晰

D_max = max(D); % D矩阵中的最大值
D_min = min(D); % D矩阵中的最小值
weigh = input("请输入各项指标的权重(例如[0.4, 0.3, 0.2, 0.1], 没有请输入0): ");
if sum(weigh) == 0 % 不进行权重计算
    weigh = 1;
    % 或者weigh = ones(1,c) ./ c
else
    while true
        if sum(weigh)-1 < 0.000001 && size(weigh, 2) == c && size(weigh, 1) == 1
            break % 权重输入正确则跳出循环
        else
            weigh = input('输入权重有误，请重新输入: ');
        end
    end
end
S_P = sum(weigh .* (D_max - D).^2, 2) .^ 0.5; % 与最大值的距离
S_N = sum(weigh .* (D_min - D).^2, 2) .^ 0.5; % 与最小值的距离
S = S_N ./ (S_P + S_N); % 得分
disp('最后的得分为：')
final_S = S / sum(S) % 进行归一化
[sorted_S,index] = sort(final_S ,'descend') % 排降序

---

总代码

主函数

clear;clc
load data_water_quality.mat % 导入数据


 判断是否需要正向化
[r, c] = size(X); % 获取矩阵的行r和列c
disp(['共有' num2str(r) '个评价对象, ' num2str(c) '个评价指标']); % 多个字符串要用[]括起来，进行字符串拼接必须使用单引号,字符串之间隔开
Position = input("请输入需要正向化的列，如2、3列则输入[2,3]，若没有则输入0: "); % 获取输入
if Position ~= 0
    Type = input("请输入这些列的处理类型（1：极小型， 2：中间型， 3：区间型）：");
    for i = 1:size(Position, 2) % 获取需要处理的列数，处理这么多列就需要循环这么多次
        X(:, Position(i)) = Positivization(X(:,Position(i)),Type(i),Position(i));
        % Positivization为自己写的正向化的函数，
        % Position(i)是X中的需要处理的列索引
        % X(:,Position(i))是矩阵X中列索引的列向量
        % Type(i)是处理类型
        % 该函数的返回值是处理好的列向量，将X原本的列向量覆盖
    end
    disp("正向化后的矩阵X = ");
    disp(X);
end


正向化矩阵标准化
D = X ./ repmat(sum(X.*X) .^ 0.5, r, 1);
disp("标准化后的矩阵为: ")
disp(D)


计算得分并归一化
D_max = max(D); % D矩阵中的最大值
D_min = min(D); % D矩阵中的最小值
weigh = input("请输入各项指标的权重(例如[0.4, 0.3, 0.2, 0.1], 没有请输入0): ");
if sum(weigh) == 0 % 不进行权重计算
    weigh = 1;
    % 或者weigh = ones(1,c) ./ c
else
    while true
        if sum(weigh)-1 < 0.000001 && size(weigh, 2) == c && size(weigh, 1) == 1
            break % 权重输入正确则跳出循环
        else
            weigh = input('输入权重有误，请重新输入: ');
        end
    end
end
S_P = sum(weigh .* (D_max - D).^2, 2) .^ 0.5; % 与最大值的距离
S_N = sum(weigh .* (D_min - D).^2, 2) .^ 0.5; % 与最小值的距离
S = S_N ./ (S_P + S_N); % 得分
disp('最后的得分为：')
final_S = S / sum(S) % 进行归一化
[sorted_S,index] = sort(final_S ,'descend') % 排降序

正向化函数Position

function x_return = Positivization(x,type,i)
    if type == 1 % 极小型
        disp(['第' num2str(i) '列是极小型，正在正向化'] )
        x_return = max(x)-x;
        disp(['第' num2str(i) '列极小型正向化处理完成'])
        disp('~~~~~~~~~~~~~~~~~~~~分界线~~~~~~~~~~~~~~~~~~~~')
    elseif type == 2 % 中间型
        disp(['第' num2str(i) '列是中间型，正在正向化'] )
        best = input('请输入中间值: ');
        M = max(abs(x-best));
        x_return = 1 - abs(x-best) / M;
        disp(['第' num2str(i) '列中间型正向化处理完成'])
        disp('~~~~~~~~~~~~~~~~~~~~分界线~~~~~~~~~~~~~~~~~~~~')
    elseif type == 3 % 区间型
        disp(['第' num2str(i) '列是区间型，正在正向化'] )
        size_x = size(x, 1); % 获取x有多少个元素
        bounds = input("请输入区间上下界: "); % 获得区间范围
        left = bounds(1); % 获取上界
        right = bounds(2); % 获取下界
        M = max([left-min(x), max(x)-right]);
        x_return = ones(size_x, 1); % 创建一个size行1列的矩阵
        for i = 1: size_x
            if x(i) < left % 在区间左侧
                x_return(i) = 1 - (left - x(i)) / M;
            elseif x(i) > right % 在区间右侧
                x_return(i) = 1 - (x(i) - right) / M;
            else % 在区间内
                x_return(i) = 1;
            end
        end
        disp(['第' num2str(i) '列区间型正向化处理完成'])
        disp('~~~~~~~~~~~~~~~~~~~~分界线~~~~~~~~~~~~~~~~~~~~')
    else % 指标输入错误
        disp("指标输入错误，请重新输入")
    end