数学建模—评价模型—TOPSIS优劣解分析

优点：在决策因素中指标数据已知，利用已知数据使评价更准确

一、概念

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、适用范围

评价对象得分，且各个指标值已知。

三、模型建立步骤

（一）统一指标类型

指标正向化

        指标分类：

                极大型指标（效益型指标）

                极小型指标（成本型指标）

                中间型指标（越接近某个值越好）

                区间型指标（落在某个区间最好）

        指标正向化：

                极小型指标转化为极大型指标：

                中间型指标转化为极大型指标：

                区间型指标转化为极大型指标：

 标准化处理

        消去不同指标量纲的影响，对已经正向化的矩阵进行标准化处理

        公式： （即矩阵中每个数字除以根号下所在列的所有数值平方和）

（二）构造计算评分   

公式：

公式原因：

        （1）比较对象一般远大于两个

        （2）比较指标往往不是一个方面

        （3）大多指标不存在理论上的最大值和最小值，例如衡量经济增长水平的指标：GDP增速等

（三）多指标计算得分

假设：n个需要评价的对象，m个评价指标，则标准化矩阵如下：

定义最大值;

定义最小值；

定义第i个评价对象与最大值的距离；

定义第i个评价对象与最小值的距离；

由此计算出各评价对象未归一化的得分

归一化计算后可评价各待评价对象