数学建模笔记2Topsis法

例题分析

在这里插入图片描述
对以上四名同学进行评分,合理描述成绩的高低。
需要构造计算评分(x-最高成绩)/(最高成绩-最低成绩);
构造后如下:
在这里插入图片描述
注意:1.比较的对象需要远大于两个
2.比较的指标往往不是一个方面的,例如成绩,竞赛。
3.有很多指标不存在理论的最大值最小值
4.构造计算评分的公式:
在这里插入图片描述

增加指标

极大型与极小型

当增加一个指标时,再进行评分
在这里插入图片描述
成绩是越大越好,称为极大型指标(效益型指标)与他人争吵的次数是越小越好,称为极小型指标(成本型指标)
这时候评价需要将所有的指标转化成极大型(指标正向化),极小型转变成极大型公式max-x,得到如下:在这里插入图片描述

标准化处理

为了消去不同指标量纲的影响,需要对已经正向化的矩阵进行标准化处理。
假设n个评价对象,m个评价指标,对构成的正向化矩阵标准化,只需要z中每一个元素除以该列根号下所有元素平方和,公式如下:
在这里插入图片描述

计算得分

评价公式进行变形后可以看成在这里插入图片描述
定义第i个评价对象与最大值的距离在这里插入图片描述
与最小值的距离
在这里插入图片描述
得到第i个未归一化评分在这里插入图片描述
Si越大Di+越小,越接近最大值
可得计算例题如下:
在这里插入图片描述
归一化后
在这里插入图片描述

步骤

原始矩阵正向化

这里是常见的几种指标在这里插入图片描述
正向化即将所有指标转化成极大型指标

1.极小型->极大型:max-x或者1/x(这个要求所有元素均为正数)
2.中间型->极大型:在这里插入图片描述
在这里插入图片描述
M=max{|Xi-Xbext|}={|6-7|,|7-7|,|8-7|,|9-7|}=2
3.区间型->极大型
在这里插入图片描述
在这里插入图片描述
M=max{36-35,38,4-37}=1.4;

正向化矩阵标准化

在这里插入图片描述

利用公式:在这里插入图片描述

计算得分并归一

在这里插入图片描述

拓展

当指标的权重不同的时候,公式需要进行变化,此时:在这里插入图片描述
(可以用层次分析法确定权重)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值