数模学习（二）---Topsis法

一 概述

Topsis法（逼近理想排序法）是系统工程中一种多目标决策方法，找出有限方案中的最优与最劣的方案，当某个可行解方案最靠近最优方案同时又远离最劣方案时，这个方案解的向量集就是最优影响评价指标。
Topsis法其作为一种综合指标的评价方法，区别于如模糊综合评判法，层次分析法，它的主观性比较强，不需要目标函数，也不需要通过相应的检验，即限制要求大大降低，这使它的适用范围更为广泛

二 Topsis影响力度算法步骤

2.1统一指标类型（一般正向化指标）

2.1.1 常见的四种指标总结

指标名称	指标特征	例子
极大型指标（利益型指标）	越大（多）越好	成绩、收益
极小型指标（成本型指标）	越小（少）越好	成本、污染程度、费用
中间型指标	中间值最好	水污染的pH值（最好是pH=7）
区间型指标	特定区间内最好	疫情期间你的温度、水中营养物的含量

因为各指标之间的评价指标不一样，所以我们需要对各个指标进行指标正向化（现在通常是全部转化为极大型指标进行评价）
接下来分别介绍各个指标正向化的步骤

2.1.2 其他指标的指标正向化

①极小型指标—>极大化指标

运用公式：$x_i(更新值)=max-x_i$¹

栗子：

姓名	成绩	吵架次数	极小型后的吵架次数
小明	98	4	0
小李	86	3	1
小红	61	0	4
小蓝	77	1	3

这个可以理解为我需要让他们的量化标准相同，所以脾气越好的个人加分越多，在选择方案时也需要按照相同的量化标准来进行评分²

②中间型指标—>极大型指标

运用公式：
M = m a x { ∣ x i − x b e s t ∣ } x ^ i = 1 − ∣ x i − x b e s t ∣ M M=max\lbrace\vert x_{i}-x_{best}\vert\rbrace\\ \hat x_{i}=1-\frac{\vert x_{i}-x_{best}\vert}{M} M=max{ ∣xi​−xbest​∣}x^i​=1−M∣xi​−xbest​∣​
栗子：

pH值（原）	pH值（更改后）
7	1-$\frac{|7-7|}{2}=1$
6	1-$\frac{|6-7|}{2}=\frac{1}{2}$
8	1-$\frac{|8-7|}{2}=\frac{1}{2}$
9	1-$\frac{}{2}$