TOPSIS 法(优劣解距离法)
1、什么是TOPSIS法(优劣解距离法)?
TOPSIS 法是一种理想目标相似性的顺序选优技术,在多目标决策分析中是一种非常有效的方法。它通过归一化后的数据规范化矩阵,找出多个目标中最优目标和最劣目标 (分别用理想解和反理想解表示) , 分别计算各评价目标与理想解和反理想解的距离,获得各目标与理想解的贴近度,按理想解贴近度的大小排序,以此作为评价目标优劣的依据。贴近度取值在 0~1 之间,该值愈接近 1, 表示相应的评价目标越接近最优水平;反之,该值愈接近 0, 表示评价目标越接近最劣水平。
2、解法步骤
统一指标类型
常见的四种指标
将所有指标转化位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:
1、公式: m a x − x max-x max−x
2、如果所有的元素均为正数,那么也可以使用 1 / x 1/x 1/x -
中间型指标转换为极大型指标: M = m a x { ∣ x i − x b e s t ∣ } , x z = 1 − ( ∣ x i − x b e s t ∣ / M ) M=max\left \{ |x_{i}-x_{best}|\right \},x_{z}=1-(|x_{i}-x_{best}|/M) M=max{∣xi−xbest∣},xz=1−(∣xi−xbest∣/M)
- 区间型指标转换为极大型指标:
标准化处理(消除不同指标量纲的影响)
假设有n个需要评价的对象,m个评价指标(全部正向化)构成的正向化矩阵:
通过逐一计算出zij的数值可以列出标准化矩阵Z
通过标准化矩阵计算评分
在标准化矩阵Z中
找出最大值 Z+
Z
+
=
(
Z
1
+
,
Z
2
+
,
.
.
.
,
Z
m
+
)
Z^{+}=(Z_{1}^{+},Z_{2}^{+},...,Z_{m}^{+})
Z+=(Z1+,Z2+,...,Zm+)
其中每一个元素为标准化矩阵中该元素所在列的最大值:
找出最小值 Z-
Z
−
=
(
Z
1
−
,
Z
2
−
,
.
.
.
,
Z
m
−
)
Z^{-}=(Z_{1}^{-},Z_{2}^{-},...,Z_{m}^{-})
Z−=(Z1−,Z2−,...,Zm−)
其中每一个元素为标准化矩阵中该元素所在列的最小值:
计算出评价对象与最大 / 小值的的距离
最后进行归一化处理
最后得到的S越大则代表目标越优