数学建模(2)Topsis
逼近理想解、优劣解距离法
指标正向化
所有指标都要改成极大型指标
极小型指标:
m
a
x
−
x
max-x
max−x
中间型指标:
x
b
e
s
t
x_{best}
xbest是最优的
M
=
m
a
x
{
∣
x
i
−
x
b
e
s
t
∣
}
M=max\{|x_i-x_{best}|\}
M=max{∣xi−xbest∣}
x
i
^
=
1
−
∣
x
i
−
x
b
e
s
t
∣
M
\widehat{x_i}=1-\frac{|x_i-x_{best}|}{M}
xi
=1−M∣xi−xbest∣
区间型指标:在[a,b]之间是最优的
M
=
m
a
x
{
a
−
m
i
n
{
x
i
}
,
m
a
x
{
x
i
−
b
}
}
M=max\{a-min\{x_i\},max\{x_i-b\}\}
M=max{a−min{xi},max{xi−b}}
{
\left \{ \\ \right.
{
x i ^ = { 1 − a − x M ; x < a 1 ; a ≤ x ≤ b 1 − x − b M ; x > b \widehat{x_i}= \left\{\begin{matrix} 1-\frac{a-x}{M};\qquad x<a\\ 1;\qquad a≤x≤b\\ 1-\frac{x-b}{M};\qquad x>b \end{matrix}\right. xi =⎩⎨⎧1−Ma−x;x<a1;a≤x≤b1−Mx−b;x>b
标准化
z i j = x i j ∑ i = 1 n x i j 2 z_{ij}=\frac{x_{ij}}{\sqrt{\sum_{i=1}^{n}x_{ij}^2}} zij=∑i=1nxij2xij
求优劣距离
构造计算评分的公式:
x − m i n m a x − m i n \frac{x-min}{max-min} max−minx−min
可以看作
x − m i n m a x − m i n = x − m i n ( m a x − x ) + ( x − m i n ) \frac{x-min}{max-min}=\frac{x-min}{(max-x)+(x-min)} max−minx−min=(max−x)+(x−min)x−min
即
x 与 最 小 值 的 距 离 x 与 最 大 值 的 距 离 + x 与 最 小 值 的 距 离 \frac{x与最小值的距离}{x与最大值的距离+x与最小值的距离} x与最大值的距离+x与最小值的距离x与最小值的距离
这里直接计算欧式距离:
D i + = ∑ j = 1 m ( Z − + − z i j ) 2 D^+_i=\sqrt{\sum^m_{j=1}(Z^+_--z_{ij})^2} Di+=j=1∑m(Z−+−zij)2
D i − = ∑ j = 1 m ( Z − − − z i j ) 2 D^-_i=\sqrt{\sum^m_{j=1}(Z^-_--z_{ij})^2} Di−=j=1∑m(Z−−−zij)2
计算得分:
S i = D i − D i − + D i + S_i=\frac{D^-_i}{D^-_i+D^+_i} Si=Di−+Di+Di−
S i S_i Si越大,得分越高