以下内容来自司守奎编写的数学建模算法与应用学习,主要是记录自己的学习历程,转载还请标明出处!
一、综合评价与决策方法
评价方法大体上可分为两类:
1.主观赋权法:综合指数法、模糊综合评判法、层次分析法、功效系数法等
2.客观赋权法:主成分分析法、因子分析法、TOPSIS法、秩和比法、灰色关联法、熵权法、层次分析法、模糊评价法、物元分析法、价值工程法、聚类分析法、神经网络法等
知识点
14.1 理想解法(TOPSIS)
解决多属性决策的排序法:理想点法、简单线性加权法、加权平方和法、主程序分析法、功效系数法、可能满意度法、交叉增援矩阵法等。
14.1.1 方法和原理
理想解法的定义简单来说就是将各个方案与理想中的最优解和理想中的最差解来比较,计算当前方案分别与最优解和最差解的距离,以此来选出所给方案中的最佳方案。
14.1.2 TOPSIS法的算法步骤
需要注意的几点:
1.决策矩阵、规范决策矩阵的定义及求解
2.加权规范阵的求解(见上图)
14.1.3 示例
第一步 数据预处理
数据的预处理又称为属性值的规范化。
属性值的类型:效益型、成本型、区间型
属性值规范化的作用:①属性值有多种,对数据进行预处理,使得表中任一属性下性能越优的方案变换后的属性值越大。②非量纲化。在用各种多属性决策方法进行分析评价时,需要排除量纲的选用对决策或评估结果单影响。③归一化。为了便于采用各种多属性决策与评估方法进行评价,需要把属性值表中的数值归一化,即把表中数值均变换到[0,1]区间上。
常用的属性规范化方法:
注:应该要注意下面的几种方法的适用范围
(1)线性变换