【数学建模】清风视频笔记2、TOPSIS法(优劣解距离法)

TOPSIS法(优劣解距离法)

例子

小明和同学第一学期高数成绩

姓名成绩排名修正后的排名评分
小明89233/10=0.3
小王60 10411/10=0.1
小张74322/10=0.2
清风99 90144/10=0.4

只要排名不变评分就不会变

最高成绩max:99

最低成绩min:60

姓名成绩未归一化的评分归一化评分
小明89(89-60)/(99-60)=0.740.74/2.1=0.35
小王60(60-60)/(99-60)=00/2.1=0
小张74(74-60)/(99-60)=0.360.36/2.1=0.17
清风99(99-60)/(99-60)=11/2.1=0.48

x − m i n m a x − m i n \frac{x-min}{max-min} maxminxmin
原因:

1、比较对象一般远大于两个

2、比较的指标往往不只是一方面的

3、很多指标不存在理论上的最大值和最小值

姓名成绩争吵次数
小明892
小王600
小张741
清风993

成绩是越高越好,这样的指标称为极大型指标(效益型指标)

争吵是越少越好,这样的指标称为极小型指标(成本型指标)

**指标正向化:**把所有的指标转化为极大型。 m a x − x max-x maxx

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
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=1nxij2 xij
当只有一个指标的时候可看作:
x 与 最 小 值 的 距 离 x 与 最 大 值 的 距 离 + x 与 最 小 值 的 距 离 \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+xx
如何计算得分

姓名正向化后的成绩正向化后的争吵次数
小明0.54370.2673
小王0.36650.8018
小张0.45200.5345
清风0.60480

最 大 值 : [ 0.6048 , 0.8018 ] , 最 小 值 : [ 0.3665 , 0 ] 最大值:[0.6048,0.8018],最小值:[0.3665,0] :[0.6048,0.8018],[0.3665,0]

D 小 明 + = ( 6048 − 0.5437 ) 2 + ( 0.8018 − 0.2673 ) 2 = 0.5380 D_{小明}^+=\sqrt{(6048-0.5437)^2+(0.8018-0.2673)^2}=0.5380 D+=(60480.5437)2+(0.80180.2673)2 =0.5380

D 小 明 − = ( 0.3665 − 0.5437 ) 2 + ( 0 − 0.2673 ) 2 = 0.3206 D_{小明}^-=\sqrt{(0.3665-0.5437)^2+(0-0.2673)^2}=0.3206 D=(0.36650.5437)2+(00.2673)2 =0.3206

D 小 王 + = ( 0.6048 − 0.3665 ) 2 + ( 0.8018 − 0.8018 ) 2 = 0.2382 D_{小王}^+=\sqrt{(0.6048-0.3665)^2+(0.8018-0.8018)^2}=0.2382 D+=(0.60480.3665)2+(0.80180.8018)2 =0.2382

D 小 王 − = ( 0.3665 − 0.3665 ) 2 + ( 0.8018 − 0 ) 2 = 0.8018 D_{小王}^-=\sqrt{(0.3665-0.3665)^2+(0.8018-0)^2}=0.8018 D=(0.36650.3665)2+(0.80180)2 =0.8018

总结

步骤:

1、将所有数据极大化

  • 极小型: m a x − x max-x maxx
  • 中间型: M = m a x { ∣ x i − x b e s t ∣ } , x i ‘ = 1 − ∣ x i − x b e s t ∣ M M=max\left\{|x_i-x_{best}|\right\},x_i^`=1-\frac{|x_{i}-x_{best}|}{M} M=max{xixbest},xi=1Mxixbest
  • 区间型: M = m a x { a − m i n { x i } , m a x { x i } − b } M=max\left\{a-min\left\{x_i\right\},max\left\{x_i\right\}-b\right\} M=max{amin{xi},max{xi}b}

在这里插入图片描述

2、正向化矩阵标准化

3、计算得分并归一化

  • 0
    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

风间野鹤

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