学习笔记---基于熵权法的优劣解距离法

原理

   其基本原理，是通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最好；否则不为最优。其中最优解的各指标值都达到各评价指标的最优值。最劣解的各指标值都达到各评价指标的最差值。它是一种常用的综合评价方法，能充分利用原始数据的信息，其结果可以精确地反映各评价方案之间的差距。

引例

   我们想通过四名同学的高数成绩对他们评分，

姓名	成绩	排名	修正后排名	得分
小明	89	2	3	3\10=0.3
小王	96	1	4	4\10=0.4
小李	60	4	1	1\10=0.1
小赵	75	3	2	2\10=0.2

   但是倘若成绩变化如下，

姓名	成绩	排名	修正后排名	得分
小明	89	2	3	3\10=0.3
小王	96 90	1	4	4\10=0.4
小李	60 10	4	1	1\10=0.1
小赵	75	3	2	2\10=0.2

   很明显，只要四名同学的排名不变，得分就不会发生改变，所以这样的打分方式还不够严谨。
   于是我们构造公式
$$d=\frac{x-min}{max-min}$$

姓名	成绩	排名	修正后排名	得分
小明	89	2	3	(89-60)\(96-60)=0.81
小王	96	1	4	(96-60)\(96-60)=1
小李	60	4	1	(60-60)\(96-60)=0
小赵	75	3	2	(75-60)\(96-60)=0.42

步骤

1. 正向化指标
      在引例中，我们不难发现“成绩”是越高越好，“排名”是越小越好，我们在计算时习惯性的认为得分越高越好，所以如果我们在利用排名进行得分时需要加以修正，即指标正向化。

指标类型	指标特点	举例	转换成极大型指标
极大型指标	越大越好	成绩、GDP、利润	\
极小型指标	越小越好	空气污染指数、费用	$max-x$或者$\frac{1}{x}$
中间型指标	越接近某个值越好	吉他的调音	$\tilde{x}=1-\frac{\mid x_i-x_{best}\mid }{\mid x_{max}-x_{best}\mid }$
区间型指标	落在某个区间最好	体温、池塘里的含氧量	（见下文）

   区间型指标正向化：
   { x i } \{x_i\} { xi​}是一组区间型指标序列，且最佳区间为[a,b]，则
M = m a x { a − m i n { x i } , m a x { x i } − b } M=max\{a-min\{x_i\},max\{x_i\}-b\} M=max{ a−min{ xi​},max{ xi​}−b}
$${\tilde{x}}_i=\{\begin{array}{ll}1-\frac{a-x_i}{M}& x_i<a\\ 1& a\le x_i\le b\\ 1-\frac{x_i-b}{M}& x_i>b\end{array}$$
2. 标准化数据