TOPSIS算法入门基础

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