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
1 x 或 者 m a x − x \frac{1}{x} 或者 max-x x1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 b e s t x_{best} xbest
如水的PH最佳为7则正向化公式为:
M = m a x ∣ x i − x b e s t ∣ M = max{|x_{i}-x_{best}|} M=max∣xi−xbest∣1 − ∣ x i − x b e s t ∣ M 1-\frac{|x_{i}-x_{best}|}{M} 1−M∣xi−xbest∣
-
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
=
[
z
11
z
12
.
.
.
z
1
m
z
21
z
22
.
.
.
z
2
m
z
31
z
32
.
.
.
z
3
m
z
n
1
z
n
2
.
.
.
z
n
m
]
Z= \begin{bmatrix} 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{bmatrix}
Z=⎣⎢⎢⎡z11z21z31zn1z12z22z32zn2............z1mz2mz3mznm⎦⎥⎥⎤
z i j = x i j ∑ i = 1 n x i j 2 z_{ij} = \frac{x_{ij}}{\sqrt{\sum_{i = 1}^{n}} x_{ij}^{2} } zij=∑i=1nxij2xij
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 + ) Z^{+} = (Z_{1}^{+},Z_{2}^{+},...,Z_{m}^{+}) Z+=(Z1+,Z2+,...,Zm+)
$ =(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 − ) Z^{-}= (Z_{1}^{-},Z_{2}^{-},...,Z_{m}^{-}) Z−=(Z1−,Z2−,...,Zm−) **
定义第 i ( i = 1 , 2 , 3 , . . . , n ) i(i=1,2,3,...,n) i(i=1,2,3,...,n)个评价对象与最大值的距离 D + = ∑ j = 1 m ( Z j + − Z i j ) 2 D^{+} = \sqrt{\sum_{j=1}^{m}(Z_{j}^{+} - Z_{ij})^{2}} D+=∑j=1m(Zj+−Zij)2
同理定义最小值的距离 D − D^- 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 = S i ∑ i = 1 n S i S_{i} = \frac{S_{i}}{ \sum_{i=1}^{n}S_{i} } Si=∑i=1nSiSi
最终的结果就是通过该方法得出的各评价对象的权重比