数学建模——TOPSIS法

基本原理

基本概念

• TOPSIS法（逼近理想解排序法）：
  常称为优劣解距离法，是一种常用的综合评价方法，其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

TOPSIS法基本过程：

1. 将数据矩阵统一指标类型（一般正向化处理）
2. 标准化处理消除量纲
3. 计算对象与最优/最劣方案的距离
4. 计算得分并归一化

TOPSIS法详细过程

步骤a 统一指标类型

常见的四种指标及正向化方法：

名称	特点	转换函数
极大型指标	越大(多)越好	None
极小型指标	越小(少)越好	$max-x(常用)、1/x(需为正数)$
中间型指标	越接近某个值越好	$1-\frac{|x_i-x_{best}|}{M}$，其中 M = m a x { ∣ x i − x b e s t ∣ } M=max\{\vert x_i-x_{best}\vert \} M=max{∣xi​−xbest​∣}
区间型指标	落在某个区间最好	$x_i$ 见下文

M = m a x { a − m i n { x i } } , m a x { x i } − b ， x i = { 1 − a − x i M , x i < a 1 , a ≤ x i ≤ b 1 − x i − b M , x > b M = max\{a-min\{x_i\}\}, max\{x_i\}-b， x_i=\left\{ \begin{array}{lll} 1-\frac{a-x_i}{M} &, & x_i<a\\ 1 & , & a \leq x_i\leq b \\ 1-\frac{x_i-b}{M} & , & x>b \end{array} \right. M=max{a−min{xi​}},max{xi​}−b，xi​=⎩⎨⎧​1−Ma−xi​​11−Mxi​−b​​,,,​xi​<aa≤xi​≤bx>b​

---

步骤b 正向化矩阵标准化，消除量纲

标准化矩阵元素：$z_{ij}=x_{ij}/\sqrt{{\sum }_{i=1}^n{x}_{ij}^2}$
$（每一个元素/\sqrt{其所在列的元素的平方和}）$

---

步骤c 计算对象与最优/最劣方案的距离

定义：

• 最大值$Z^{+}=(Z_1^{+},Z_2^{+},\cdots ,Z_m^{+})$ [每一列的最大值组成]
• 最小值$Z^{-}=(Z_1^{-},Z_2^{-},\cdots ,Z_m^{-})$ [每一列的最小值组成]
• 对象与最大值距离$D_i^{+}=\sqrt{{\sum }_{j=1}^m(Z_j^{+}-z_{ij}{)}^2}$
• 对象与最小值距离$D_i^{-}=\sqrt{{\sum }_{j=1}^m(Z_j^{-}-z_{ij}{)}^2}$

步骤d 计算得分并归一化

得分 $S_i=\frac{D_i^{-}}{D_i^{+}+D_i^{-}}，0\le S_i\le 1，S_i越大，越接近最大值$

归一化：$\widetilde{S_i}/{\sum }_{i=1}^n{S}_i$

---

模型拓展：

• 该方法默认了指标权重相同，可在算最大距离时考虑权重的影响
  ——利用层次分析法或熵权法(客观)

---

代码汇总

---

%%%%%%%%%%%%%%%%%%%%%%%%%%% 代码0：函数清单 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%
help load
help repmat
help sort

---

%%%%%%%%%%%%%%%%%%%%%%%%%%% 代码1：统一指标类型 %%%%%%%%%%%%%%%%%%%%%%%%%%%

load('data_water_quality.mat');			% 载入初始数据矩阵
[row, col] = size(X);
best = 7;								% 中间型对应的值
sec_min = 10;							% 区间型下限
sec_max = 20;							% 区间型上限
% 以上数据根据建模题目修改，下文不需要修改

disp('请输入处理向量，min2max——1，mid2max——2，sec2max——3, max==max——0')  
deal_A = input('处理向量：');				% 长度 == col

for i = 1:col
    x = X(:,i);
    if deal_A(i) == 1
        A(:,i) = max(x) - x;			% 极小型转极大型
        
    elseif deal_A(i) == 2
        M1 = max(abs(x-best));
        A(:,i) = 1-abs(x-best)./M1;		% 中间型转极大型
        
    elseif deal_A(i) == 3				% 区间型转极大型
        M2 = max([sec_min-min(x),max(x)-sec_max]);
        for j = 1:length(x)
            if x(j) > sec_max 
                x(j) = 1-(x(j)-sec_max)/M2;
            elseif x(j) < sec_min
                x(j) = 1-(sec_min-x(j))/M2;
            else 
                x(j) = 1;
            end
        end
        A(:,i) = x;
        
    elseif deal_A(i) == 0
        A(:,i) = x;
    end
end
A										% A矩阵即为所求正向化矩阵

---

%%%%%%%%%%%%%%% 代码2：正向化矩阵标准化、计算距离与得分、归一化 %%%%%%%%%%%%%%%%

Z = A./sqrt(sum(A.^2));					% Z为标准化矩阵
z_max = max(Z);
z_min = min(Z);

% 注意矩阵维数
d_max = sqrt(sum((repmat(z_max, row, 1)-Z).^2, 2));
d_min = sqrt(sum((repmat(z_min, row, 1)-Z).^2, 2));

s = d_min./(d_max+d_min);				% 计算得分
s_end = s ./sum(s);						% 归一化得分

% 得分按降序排列，返回排序后得分及其索引，即为最终结果
[sorted_s,index] = sort(s_end ,'descend')