数学建模评价类模型：优劣解距离法(TOPSIS法)

目录

1. 原始矩阵正向化

2. 正向化矩阵标准化

3. 计算得分并归一化

---

TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)，简称优劣解距离法，该方法是一种常用的综合评价方法，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。

前面文章中提到的层次分析法存在一些局限性：

(1) 评价的决策层不能太多，即n不能太大，否则判断矩阵和一致矩阵差异会很大,平均随机一致性指标RI的表格中n最多为15

(2) 层次分析法不适用于决策层中指标的数据已知的情况

TOPSIS法的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）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。

总结下来，TOPSIS法可以分为3步：

1. 原始矩阵正向化

首先要知晓常见的四种指标，如下图所示，将原始矩阵正向化，就是要将所有指标类型统一转化为极大型指标。

  

(1) 极小型指标转化为极大型指标

极小型指标转换为极大型指标的公式：