数学建模-优劣解距离法(TOPSIS)

本文同步发表于本人博客哔哔哔哔-数学建模-优劣解距离法(TOPSIS),未经允许严禁转载

前言

优劣解距离法,又称逼近理想解法,是应用于评价类问题的解法,能够反应原始数据的信息.
层次分析法(AHP)无法处理时,常用TOPSIS处理.

指标

指标类型

指标类型 描述
极大型指标 越大越好
极小型指标 越小越好
中间型指标 越接近某个值越好
区间型指标 在某个区间最好

矩阵的生成

Step1. 指标的统一

将所有指标统一为极大型指标的过程,称为指标正向化.

1. 极小型 → \rightarrow 极大型

构造计算公式
x i ~ \tilde{x_i} xi~= m a x − x i max-x_i maxxi
若所有 x x x均为正数,则可以用以下公式表示
x i ~ \tilde{x_i} xi~= 1 x i \frac{1}{x_i} xi1

2. 中间型 → \rightarrow 极大型

首先找出每个 x i x_i xi与最优值之间距离的最大值 M M M
M M M= m a x max max{ ∣ x i − x b e s t ∣ |x_i-x_{best}| xixbest}
x i ~ \tilde{x_i} xi~=1- ∣ x i − x b e s t ∣ M \frac{|{x_i}-x_{best}|}{M} Mxixbest

3.区间型 → \rightarrow 极大型

假设 { x i } \{x_i\} { xi}的最佳区间为 [ a . b ] [a.b] [a.b]
M M M= m a x max max { a − m i n { x i } , m a x { x i } − b } \{a-min\{x_i\},max\{x_i\}-b\} { amin{ xi},max{ xi}b}
x i ~ = { 1 − a − x M , x < a 1 , a ≤ x ≤ b 1 − x − b M , x > b \tilde{x_i}=\left\{ \begin{aligned} 1-\frac{a-x}{M},x<a \\ 1,a\leq x\leq b \\ 1-\frac{x-b}{M},x>b \end{aligned} \right. xi~

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值