优劣解距离法Topsis模型（1）

目录

使用条件：

一、步骤

分数越高越好的指标

分数越低越好的指标

以上两种指标结合的情况

2.进行标准化处理：

其他类型指标的正向化处理方式​

中间型：越接近某个值越好

区间型：落在某个区间最好

 二、总结

---

题目中已给明确数据，或数据量较多时（>15），层次分析法可能不那么好用了，我们使用优劣解距离法。

使用条件：

（1)比较的对象一般要远大于两个

（2）比较的指标不只一个方面

（3）有很多指标不存在理论上的最大值和最小值，例如GDP增长值

一、步骤

先来解释，分数越高越好的指标称为极大型指标（效益性指标），分数越低越好的指标称为极小型指标（成本型指标）

分数越高越好的指标

适用于，成绩、GDP增长、企业利润

我们构造计算评分公式：x-min/max-min

这样能算出每个数据与最高分相差多少的比例，使数据更有说服力。

然后归一化评分。

分数越低越好的指标

适用于费用、坏频率、污染程度

首先，统一指标类型，将指标转化为极大型指标（指标正向化）max-x

然后按照极大型指标进行计算。

以上两种指标结合的情况

1.先将分数越低约好的指标正向化

2.进行标准化处理：

标准化的目的是消除不同指标量纲的影响

利用公式求评分：

然后进行归一化，得出结论。

若两种指标权重不同，则在前面乘上权重大小：

其他类型指标的正向化处理方式

中间型：越接近某个值越好

适用于评估水的PH值

将中间型变为极大型指标，再按照极大型指标进行计算

区间型：落在某个区间最好

适用于体温、水中植物性营养物量

将区间型变为极大型指标，再按照极大型指标进行计算

 二、总结

一、将原始矩阵正向化

二、 矩阵标准化

三、计算得分并归一化

【参照清风】