1.TOPSIS的介绍
由C.L.Hwang 和 K.Yoon 首次提出,可翻译为逼近理 想解排序法,常简称为优劣解距离法。TOPSIS 法是一种常用的综合评价方法,能充分利用原始数据的 信息,其结果能精确地反映各评价方案之间的差距。
其基本过程为先将原始数据矩阵统一指标类型(一般正向化处理,把不同类型的指标转化为极大型指标)得到正向化的矩阵,再对正向化的矩阵进行标准化处理以消除各指标量纲的影响,并找到有限方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案(优解)和最劣方案(劣解)间的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据。该方法对数据分布及样本含量没有严格限制,数据计算简单易行 。
2.为什么要引入优劣解距离法(层次分析法的局限性)
①评价的决策层不能太多,太多的话n会很大,会导致判断矩阵和一致矩阵差异可能会很大(平均随机一致性指标RI的表格中n最多是15)
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 | 1.59 |
②如果决策层中指标的数据是已知的,那就不能用层次分析法去评价,我们又怎么样利用这些数据去评价的更准确呢?(主要原因就是优劣解距离法能充分利用题中的原始数据,而层次分析法是做不到的)
3.两种构造计算评分的选取
3.两种构造计算评分的选取
①(x-min)/(max-min)【在一组已知的数据中最大值和最小值】(√)
②(x-min)