1 简介
topsis算法又称理想算法,一般用于解决数模中的评价类问题,属于客观赋权的一种,是一种有效的多指标评价方法,其通过构造评价问题的正解理想和负解理想,即各指标的最优和最劣解,通过计算来比较达到理想解的程度进行排序从而选出最优方案。
1.1 方法与原理
设多属性决策方案集(待评价对象)为D={d1,d2...,dm},衡量方案优劣的属性变量为x1,...,xn(如经济水平,地理位置等等)每个方案都存在n个属性值,此时每个方案的n个属性值构成的向量是[ai1,ai2,...ain],作为n纬空间的一个点,能唯一表征方案di。
正理想解C*是方案集中并不存在的虚拟的最佳方案,他的每个属性值都是决策方阵中该属性的最好值,负理想解C0同理。
在n纬空间中,将集合D的各备选方案di与C*和C0的距离进行比较,既靠近C*又远离C0的就是方案集D中的最佳方案;并可以排定D中各备选方案的优先序。
(1) 用向量规划法求得规范决策矩阵,设多属性决策问题的决策矩阵A=(aij)mxn,规范化决策矩阵B=(bij)mxn,其中
以上公式的目的为了消除单位的影响。
(2) 构成加权规范阵C=(cij)mxn,设由决策人给定各属性的权重向量为w=[w1,w2,...,wn]T,则cij=wjxbij,i=1,2...,m, j =1,2,...,n。
第二步是为了解决权重影响。
(3) 确定正理想解C*和负理想解C0
(4) 计算各方案到正理想解和负理想解的距离,备选方案di到正理想解的距离为
同理到负理想解的距离为
(5)计算各方案的排队指标值(即综合评价指数)
(6) 按fi由大到小排列方案的优劣次序
1.2 解决问题中的属性规范化的方法
(1)线性变换
原始的决策矩阵为A=(aij)mxn(m个方案n个属性),变换后的决策矩阵记为B=(bij)mxn,i=1,2...,m;j=1,2,...,n。设aj(max)是决策矩阵第j列在的最大值,同理aj(min)是最小值。
若xj为效益性属性,则
bij=aij/aj(max)
采用上式进行属性规换化时,变换的最差属性值不一定为0,最佳属性值为1。
若xj为成本型属性,则
bij=1-aij/aj(max)
采用上式时,变换的最佳属性值不一定为1,最差属性值为0.
(2)标准0-1变化(归一化)
变换后最优值为1且最差值为0。
对效益性xj,令
对成本型属性xj,令
(3)区间型属性的变换
假定给定的最优区间[aj0,aj*],aj'为无法容忍下限,aj''为无法容忍上限,则
变换后的属性值bij与原属性值aij之间的函数图形为一般梯形。当属性值最优区间的上下限相等时,最优区间退化成一个点时,函数图形退化成三角形。
以上