第二讲综合评价分析—TOPSIS法

席桑

已于 2022-08-01 11:32:12 修改

阅读量1.5w

点赞数 15

分类专栏： matlab算法模型文章标签：线性代数 matlab

于 2022-07-25 14:57:33 首次发布

本文链接：https://blog.csdn.net/qq_63767210/article/details/125959388

版权

10 篇文章 10 订阅

订阅专栏

TOPSIS法简称优劣解距离法，是一种常用的综合评价法，其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。

例如：

如何利用已知的数据来推举出优秀学生？（显然不能使用层次分析法，这时应使用TOPSIS法）

（1）比较的对象一般要远大于两个。（例如比较一个班级的成绩）
（2）比较的指标也往往不只是一个方面的，例如成绩、工时数、课外竞赛得分等。
（3）有很多指标不存在理论上的最大值和最小值，例如衡量经济增长水平的指标：GDP增速。

构造计算评分的公式：

成绩是越高（大）越好，这样的指标称为极大型指标（效益型指标）。
与他人争吵的次数越少（越小）越好，这样的指标称为极小型指标（成本型指标）。

这种时候应统一指标类型：将所有的指标转化为极大型称为指标正向化（最常用）

极小型指标转换为极大型指标的公式： max-x

姓名成绩（分）与他人争吵的次数（次）正向化后的争吵次数
小明 89   2   1
小王 60   0 3
小张    74    1     2
清风 99    3   0
指标类型极大型极小型极大型

为了消去不同指标量纲的影响，需要对已经正向化的矩阵进行标准化处理。

标准化不会影响相对大小。

只有一个指标的时候:
构造计算评分的公式：

变形：

可看作：

𝒙与最小值的距离 / 𝒙与最大值的距离 + 𝒙与最小值的距离

归一化得出得分后进行排序。

1.将原始数据矩阵统一指标类型（一般正向化处理）得到正向化的矩阵，

2.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，

3.分别计算各评价对象与最优方案和最劣方案间的距离，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。