topsis方法

前言：昨天写了一篇熵权法的文章，我想可能有部分数模小白们只是根据公式来机械的实现代码，而并没有很好的理解算法的内涵，所以我想用比较通俗易懂的方法来解释这些算法。希望能够帮助到同样热爱数模的同学们，我们一起学习，一起进步！

topsis法，又称优劣解距离法，是数学建模中很经典的方法。

一.正向化

同熵权法一样，我们需要进行数据的规范化处理，并且这里了解到了对多种指标的处理方法：

上面这些公式需要在编程的时候实现，然而很多时候我们没有很好地理解它们的内涵。

稍稍解释一下区间型指标正向化操作的意义：

将脱离最优区间之外的指标的值化为它与这个区间端点（可能是最大值也可能是最小值）的距离，然后用1-（距离/最大距离）作为这个区间外指标正向化之后的值，区间内指标值直接赋值为1 。同时中间型指标只不过是将区间型指标的两端变为相同的数，其意义是一样的。

二.标准化

标准化的方法有很多种，有zi=xi/Σxi的方法，也有zi=xi/sqrt(Σxi**2) 的方法

但这些标准化的目标都是为了去量纲

三.topsis距离计算

假设有m个指标，n个单位

每一个指标下都有最大值和最小值：

用m维空间中的点来描述能够更好地理解

各个指标下的最大值构成m维空间中的一个最大参照点

各个指标下的最小值构成m维空间中的一个最小参照点

每个单位的在各个指标下的所有数据都是m维空间中的一个点

每个点到最大参照点的距离为Di+

每个点到最小参照点的距离为Di-

（距离的定义类似二维平面和三维空间里的距离）

最终每个单位的得分即为Si=Di-/(Di- + Di+)

显然Di-越大，Di+就越小，表明该单位的总体表现更接近最大参照点，得分就越高

最后归一化，使各单位的得分总和为1

具体实例参见【清风数学建模学习笔记—TOPSIS法】

希望能对你有所帮助！~~