Topsis

写在前面
在bilibili上听“数学建模学习交流”课程的一些笔记
网址：
https://www.bilibili.com/video/BV1DW411s7wi?p=3

Topsis

一种常用的综合评价方法 ，根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。

归一化评分 ：

其中x是对象的某属性取值 ； min，max 分别是该数据集中该属性的最高值和最低值

指标 ：

极大型指标 ： 效益，利润等 ；（数值越大越好）
极小型指标 ： 成本等 ； （数值越小越好）

统一指标类型（还没有归一化后的指标） ：

指标正向化（将非极大型的指标变成极大型的指标） ：
具体参考 ：
https://blog.csdn.net/weixin_45615071/article/details/105796782

标准化处理 （消去不同指标量纲的影响）

假设有n个评价的对象，m个评价指标（已经正向化）构成的正向化矩阵如下 ：

那么对于标准化矩阵Z ， Z中每个元素z_{ij} ：

matlab代码 ：

X %矩阵 ； 
[n,m] = size(X) 
X ./ repmat(sum(X.*X) .^ 0.5 , n , 1) %标准化矩阵

不过相比于写代码，我更喜欢用spss上点点点的傻瓜操作

多指标归一化 ：

在标准化后的 Z ， 归一化后 ， 得到的 新 矩阵 S

d_{ij}^{+}是z_{ij} 与 Z的最大值的距离
d_{ij}^{-}是z_{ij} 与 Z的最小值的距离
Z的最大值的定义 ：

Z的最小值的定义 ：

因此 ： （i = 1 ， 2 ， …… ， n ）