数学建模：Topsis法（优劣解距离法）

一、Topsis法（优劣解距离法）

TOPSIS 法是一种常用的组内综合评价方法，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。基本过程为基于归一化后的原始数据矩阵，采用余弦法找出有限方案中的最优方案和最劣方案，然后分别计算各评价对象与最优方案和最劣方案间的距离，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。该方法对数据分布及样本含量没有严格限制，数据计算简单易行。

二、介绍

1. 由于层次分析法有限制，当决策层的个数大于一定程度时，就不能够使用了，因为平均随机一致性指标最大为15
2. 如果题目内决策层数据已知，就需要由这些数据去反映出评价的精度

三、介绍

1. 常见几种指标
   
   （1）、极小型指标->极大型指标
   公式：max-x
   如果数据元素全为正数，也可以用1/x(不建议用，有条件限制)
   正向化公式不唯一，结合自己数据进行修改
   （2）、中间型指标->极大型指标
   
   图中M为数据距离最佳点的最远距离，用每个元素减最佳值再除以M，如果M越大，说明越远离最佳点，也就说明正向化后的数据值越小。
   （3）、区间型指标->极大型指标
   
   M为到达适宜区间端点的最大距离，如果点落在a-b之间，说明最佳，如果落在x<a处，则x越远离a，正向化后的值越小，同理x>b,点越远离b点值越小。

四、步骤

1、第一步将原始矩阵正向化
根据题意化为同一指标，一般化为极大型指标。
2、将正向化矩阵标准化（消除不同量纲的影响）

3、计算得分并归一化

Z+为每列元素的最大值，
Z-为每列元素的最小值。
Di+为第i行元素每列的元素减本列的最大值元素Z+平方和相加
Di-为第i行元素每列的元素减本列的最小值元素Z-平方和相加
Si为每行元素计算后的得分
要使标准化，则让Si除以所有Si相加后的和即可归一化。