数学建模 TOPSIS法

TOPSIS法（优劣解距离法）

\1. 构造计算评分的公式：(x-min)/(max-min)

\2. 统一指标类型 转化为极大型 指标正向化

极小型指标转换公式：max-x

中间型指标

区间型指标：

\3. 正向化矩阵标准化

\4. 计算得分并归一化：x-min/(max-x)+(x-min)

\5. 带权重的TOPSIS

\6. 熵权法

代码：

%% 第一步：把数据复制到工作区，并将这个矩阵命名为X

% （1）在工作区右键，点击新建（Ctrl+N)，输入变量名称为X

% （2）在Excel中复制数据，再回到Excel中右键，点击粘贴Excel数据（Ctrl+Shift+V）

% （3）关掉这个窗口，点击X变量，右键另存为，保存为mat文件（下次就不用复制粘贴了，只需使用load命令即可加载数据）

% （4）注意，代码和数据要放在同一个目录下哦，且Matlab的当前文件夹也要是这个目录。

clear;clc

load data_water_quality.mat

%% 注意：如果提示: 错误使用 load，无法读取文件 ‘data_water_quality.mat’。没有此类文件或目录。

% 那么原因是因为你的Matlab的当前文件夹中不存在这个文件

% 可以使用cd函数修改Matlab的当前文件夹

% 比如说，我的代码和数据放在了: D:第2讲.TOPSIS法（优劣解距离法）\代码和例题数据

% 那么我就可以输入命令：

%% 第二步：判断是否需要正向化

[n,m] = size(X);

disp([‘共有’ num2str(n) '个评价对象, ’ num2str(m) ‘个评价指标’])

Judge = input([‘这’ num2str(m) '个指标是否需要经过正向化处理，需要请输入1 ，不需要输入0： ']);

if Judge == 1

Position = input('请输入需要正向化处理的指标所在的列，例如第2、3、6三列需要处理，那么你需要输入[2,3,6]： '); %[2,3,4]

disp('请输入需要处理的这些列的指标类型（1：极小型， 2：中间型， 3：区间型） ')

Type = input('例如：第2列是极小型，第3列是区间型，第6列是中间型，就输入[1,3,2]： '); %[2,1,3]

% 注意，Position和Type是两个同维度的行向量

for i = 1 : size(Position,2) %这里需要对这些列分别处理，因此我们需要知道一共要处理的次数，即循环的次数

​ X(:,Position(i)) = Positivization(X(:,Position(i)),Type(i),Position(i));

% Positivization是我们自己定义的函数，其作用是进行正向化，其一共接收三个参数

% 第一个参数是要正向化处理的那一列向量 X(:,Position(i)) 回顾上一讲的知识，X(:,n)表示取第n列的全部元素

% 第二个参数是对应的这一列的指标类型（1：极小型， 2：中间型， 3：区间型）

% 第三个参数是告诉函数我们正在处理的是原始矩阵中的哪一列

% 该函数有一个返回值，它返回正向化之后的指标，我们可以将其直接赋值给我们原始要处理的那一列向量

end

disp('正向化后的矩阵 X = ')

disp(X)

end

%% 第三步：对正向化后的矩阵进行标准化

Z = X ./ repmat(sum(X.*X) .^ 0.5, n, 1);

disp('标准化矩阵 Z = ')

disp(Z)

%% 第四步：计算与最大值的距离和最小值的距离，并算出得分

D_P = sum([(Z - repmat(max(Z),n,1)) .^ 2 ],2) .^ 0.5; % D+ 与最大值的距离向量

D_N = sum([(Z - repmat(min(Z),n,1)) .^ 2 ],2) .^ 0.5; % D- 与最小值的距离向量

S = D_N ./ (D_P+D_N); % 未归一化的得分

disp(‘最后的得分为：’)

stand_S = S / sum(S)

[sorted_S,index] = sort(stand_S ,‘descend’)

% A = magic(5) % 幻方矩阵

% M = magic(n)返回由1到n^2的整数构成并且总行数和总列数相等的n×n矩阵。阶次n必须为大于或等于3的标量。

% sort(A)若A是向量不管是列还是行向量，默认都是对A进行升序排列。sort(A)是默认的升序，而sort(A,‘descend’)是降序排序。

% sort(A)若A是矩阵，默认对A的各列进行升序排列

% sort(A,dim)

% dim=1时等效sort(A)

% dim=2时表示对A中的各行元素升序排列

% A = [2,1,3,8]

% Matlab中给一维向量排序是使用sort函数：sort（A），排序是按升序进行的，其中A为待排序的向量；

% 若欲保留排列前的索引，则可用 [sA,index] = sort(A,‘descend’) ，排序后，sA是排序好的向量，index是向量sA中对A的索引。

% sA = 8 3 2 1

% index = 4 3 1 2

function [posit_x] = Positivization(x,type,i)

% 输入变量有三个：

% x：需要正向化处理的指标对应的原始列向量

% type： 指标的类型（1：极小型， 2：中间型， 3：区间型）

% i: 正在处理的是原始矩阵中的哪一列

% 输出变量posit_x表示：正向化后的列向量

if type == 1 %极小型

​ disp([‘第’ num2str(i) ‘列是极小型，正在正向化’] )

​ posit_x = Min2Max(x); %调用Min2Max函数来正向化

​ disp([‘第’ num2str(i) ‘列极小型正向化处理完成’] )

​ disp(‘分界线’)

elseif type == 2 %中间型

​ disp([‘第’ num2str(i) ‘列是中间型’] )

​ best = input('请输入最佳的那一个值： ');

​ posit_x = Mid2Max(x,best);

​ disp([‘第’ num2str(i) ‘列中间型正向化处理完成’] )

​ disp(‘分界线’)

elseif type == 3 %区间型

​ disp([‘第’ num2str(i) ‘列是区间型’] )

​ a = input('请输入区间的下界： ');

​ b = input('请输入区间的上界： ');

​ posit_x = Inter2Max(x,a,b);

​ disp([‘第’ num2str(i) ‘列区间型正向化处理完成’] )

​ disp(‘分界线’)

else

​ disp(‘没有这种类型的指标，请检查Type向量中是否有除了1、2、3之外的其他值’)

end

end