用MATLAB实现topsis评价法

最新推荐文章于 2024-04-21 21:09:28 发布

STONE10089

最新推荐文章于 2024-04-21 21:09:28 发布

阅读量6.3k

点赞数 6

文章标签： matlab 经验分享

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/STONE10089/article/details/121141198

版权

最近将topsis评价方法用matlab实现了，就此分享一下具体操作方法，以供大家参考纠正。1 将topsis的评价流程及函数方程列出1.1 对各评价对象的参数矩阵进行同向化处理。一般选择正向化处理，下面列举一些网络上其他博主的公式，以供参考使用。1.1.1 极大型指标正向化极大型指标所指意思为，这个指标越大越好，例如（升学率，毕业率等）X:各极大型属性指标的参数；Xmax：X参数中的最大参数；Xmin：X参数中的最小参数；1.1.2 极小型指标正向化同极大型

摘要由CSDN通过智能技术生成

最近将topsis评价方法用matlab实现了，就此分享一下具体操作方法，以供大家参考纠正。

1 将topsis的评价流程及函数方程列出

1.1 对各评价对象的参数矩阵进行同向化处理。

一般选择正向化处理，下面列举一些网络上其他博主的公式，以供参考使用。

1.1.1 极大型指标正向化

极大型指标所指意思为，这个指标越大越好，例如（升学率，毕业率等）

$Xp=\frac{X-Xmin}{Xmax-Xmin}$

X:各极大型属性指标的参数；

Xmax：X参数中的最大参数；

Xmin：X参数中的最小参数；

1.1.2 极小型指标正向化

同极大型指标，即此指标越小越好，例如（挂科率）

$Xp=\frac{Xmax-X}{Xmax-Xmin}$

公式中各变量意义同1.1.1

1.1.3 中间值型指标正向化

中间值型指标所指意思是，此指标取其中某一个值是最好的，例如（黄金比例）

$Xp=1-\frac{\left | X-Xbest \right |}{\left | X-Xbest \right |max}$

Xbest:此指标最优值；

1.1.4 区间型指标正向化

区间型指标所指意思为，此指标在某一个区间是最好的，例如（人的体温）

设最优区间[a，b]，参数M为<

最低0.47元/天解锁文章

关注

6
点赞
踩
78

收藏

觉得还不错? 一键收藏
0
评论
用MATLAB实现topsis评价法

最近将topsis评价方法用matlab实现了，就此分享一下具体操作方法，以供大家参考纠正。1 将topsis的评价流程及函数方程列出1.1 对各评价对象的参数矩阵进行同向化处理。一般选择正向化处理，下面列举一些网络上其他博主的公式，以供参考使用。1.1.1 极大型指标正向化极大型指标所指意思为，这个指标越大越好，例如（升学率，毕业率等）X:各极大型属性指标的参数；Xmax：X参数中的最大参数；Xmin：X参数中的最小参数；1.1.2 极小型指标正向化同极大型
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。