定义
- 一种多属性决策分析方法
- 用于对备选方案进行排序,以便从中选择出最佳方案
- 通过计算备选方案与理想解和负理想解之间的距离,然后根据距离值确定排序顺
求解步骤
- 确定决策矩阵:将评价对象的各个属性值组成一个决策矩阵,其中每行代表一个备选方案,每列代表一个评价指标。
- 归一化处理:对决策矩阵进行最大最小规范化,将各个指标的取值范围标准化到[0, 1]之间。
- 确定权重:对各个评价指标确定权重,通常可以使用加权平均或者层次分析法等方法确定权重。
- 计算正负理想解决方案:根据各个评价指标的权重,分别计算出正理想解(即每个指标取最大值的情况)和负理想解(即每个指标取最小值的情况)。
- 计算相似性度量:计算每个备选方案与正负理想解之间的相似性度量,通常使用欧几里得距离或其他距离度量方法。
- 确定综合得分:根据相似性度量,计算每个备选方案与正理想解之间的距离和与负理想解之间的距离,然后计算综合得分,通常使用比值计算方法或者其他适当的方法。
- 排序:根据综合得分对备选方案进行排序,得分最高的即为最佳选择。
优点
- 直观易懂、计算简单
- 适用于多属性决策问题的分析和决策
- 充分利用原始数据,其结果能够精确反映各评价指标之间的差异
- 对数据分布和样本含量没有严格限制,数据计算简单易行
缺点
- 对权重的敏感性较高,对数据的标准化要求严格。因此,在应用TOPSIS方法时需要谨慎选择评价指标和权重,并对数据进行适当处理。
拓展
Fuzzy TOPSIS
在计算备选方案与正理想解和负理想解之间的相似性度量时,考虑了模糊性。它使用模糊集理论中的模糊相似度度量,以便更好地处理决策问题中的模糊性和不确定性。