数学建模-TOPSIS（优劣解距离法）

TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）

优劣解距离法

TOPSIS是一种常用的综合评价方法，能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距

其基本过程为 先将原始数据矩阵统一指定类型（正向化处理），然后可以得到正向化的矩阵，再对正向化矩阵进行标准化处理以消除各指标 部分对于整体的影响，并找到有限方案中的最有方案和最劣方案，然后分别计算各评价对象与最优方案和最劣方案之间的距离，并获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据，

最常见的四种指标

1、极大型指标，特点越大越好，比如成绩、利润等

2、极小型指标，特点越少越好，比如费用，成本，坏品率

3、中间型指标，特点越接近某个数值越好，比如水质量评估中的PH数值

4、区间型指标，特点落在某个区间最好，比如人体体温最佳温度区间，水中的植物营养物数量

具体步骤如下

第一步：将原始的矩阵正向化

正向化是指所有的指标类型需要统一转换成极大型指标

• 第一种极小型–>极大型指标
  $$\frac{1}{x}或者max-x$$

  前面那个是需要数值都为正才可以

• 第二种中间型–>极大型指标

  中间型意味着有一个最佳的数值
  $$x_{best}$$
  如水的PH最佳为7

  则正向化公式为：
  $$M=max|x_i-x_{best}|$$

  $$1-\frac{|x_i-x_{best}|}{M}$$

• 第三种区间型指标–>极大型指标

第二步：正向化矩阵标准化

参考公式
$$Z=\left[\begin{array}{cccc}{z}_{11}& z_{12}& ...& z_{1m}\\ z_{21}& z_{22}& ...& z_{2m}\\ z_{31}& z_{32}& ...& z_{3m}\\ z_{n1}& z_{n2}& ...& z_{nm}\end{array}\right]$$

$$z_{ij}=\frac{x_{ij}}{\sqrt{{\sum }_{i=1}^n}{x}_{ij}^2}$$

第三步：计算得分并归一化

假设你的矩阵如上Z 假设有n各评价对象，m各评价指标的标准化矩阵

定义最大值 $Z^{+}=(Z_1^{+},Z_2^{+},...,Z_m^{+})$

​ $ =(max\left { z_{11},z_{21},…z_{n1}\right },max\left { z_{12},z_{22},…z_{n2}\right }…,max\left { z_{1m},z_{2m},…z_{nm}\right })$

**同理定义 最小值 $Z^{-}=(Z_1^{-},Z_2^{-},...,Z_m^{-})$ **

定义第$i(i=1,2,3,...,n)$个评价对象与最大值的距离$D^{+}=\sqrt{{\sum }_{j=1}^m(Z_j^{+}-Z_{ij}{)}^2}$

同理定义最小值的距离 $D^{-}$

从上述可知 第i 个评价对象未归一化的得分为：$S_{i}=\frac{D_{i}^{-}}{ D_{i}^{+}+D_{i}{-} } $

接着对每一个进行归一化操作 $S_i=\frac{S_i}{{\sum }_{i=1}^n{S}_i}$

---

最终的结果就是通过该方法得出的各评价对象的权重比