topsis model(优劣解距离)

topsis model(优劣解距离)


1.指标正向化

  1. 极小型指标 转换为 极大型指标
    m a x − x max-x maxx
姓名成绩与他人争吵次数正向化后的争吵次数
小明8921
小王6003
小张7412
清风9930
指标类型极大型极小型极大型

  1. 中间型指标 转换为 极大型指标

M = m a x { ∣ x i − x b e s t ∣ } M = max\{| x_i - x_{best} | \} M=max{xixbest}
x i = 1 − ∣ x i − x b a s e ∣ M x_i = 1 - \frac{ | x_i - x_{base}| } {M} xi=1Mxixbase


  1. 区间型指标 转换为 极大型指标

类似中间型自己推倒

2.标准化

消去不同指标量纲的影响
z i j = x i j ∑ i = 1 n x i j 2 z_{ij} = \frac{x_{ij}} {\sqrt{\sum^n_{i = 1} x_{ij}^2}} zij=i=1nxij2 xij

姓名成绩正向化后的争吵次数
小明891
小王603
小张742
清风990
指标类型极大型极大型
% x为待处理矩阵
[n, m] = size(x)
z = x ./ repmat(sum(x .* x) .^ 0.5, n, 1)

3.最后得分(解距离)和归一化

Z + Z^+ Z+最大值
Z − Z^- Z最小值
D + D^+ D+与最大值距离(优解)
D − D^- D与最小值距离(劣解)
Z + = ( Z 1 + , Z 2 + , . . . Z m + ) Z^+ = (Z_1^+, Z_2^+, ...Z_m^+) Z+=(Z1+,Z2+,...Zm+)
Z − = ( Z 1 − , Z 2 − , . . . Z m − ) Z^- = (Z_1^-, Z_2^-, ...Z_m^-) Z=(Z1,Z2,...Zm)
D i + = ∑ j = 1 m w j ( Z j + − z i j ) 2 D_i^+ = \sqrt{\sum_{j = 1}^m w_j (Z_j^+ - z_{ij})^2 } Di+=j=1mwj(Zj+zij)2
D i − = ∑ j = 1 m w j ( Z j − − z i j ) 2 D_i^- = \sqrt{\sum_{j = 1}^m w_j (Z_j^- - z_{ij})^2 } Di=j=1mwj(Zjzij)2
S = D − D + + D − S = \frac{D^-}{D^++D^-} S=D++DD

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

。君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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