TOPSIS适用情况
TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法,是在现有的对象中进行相对优劣的评价。其中最优解是指评价指标的最大值,最劣解是指评价指标的最小值。
预备了解:指标类型
极大型指标
数值越大越好。如收入,成绩。
极小性指标
数值越小越好。如成本,损失。
中间型指标
越接近某个固定值越好。如水的ph值。
区间型指标
落在某个区间上最好,如人的体温。
TOPSIS法操作步骤
Step1 原始矩阵正向化
我们往往需要把实际问题中所给出的问题原始矩阵转化为以极大型指标类型的矩阵。以下是三种非极大型指标的转换方法:
- 极小性指标
x ~ i = m a x − x i ( 不 唯 一 ) \tilde{x}_i=max-x_i(不唯一) x~i=max−xi(不唯一) - 中间型指标
M = max { ∣ x i − x b e x t ∣ } , x ~ i = 1 − ∣ x i − x best ∣ M M=\max \left\{\left|x_{i}-x_{b e x t}\right|\right\}, \quad \tilde{x}_{i}=1-\frac{\left|x_{i}-x_{\text {best }}\right|}{M} M=max{ ∣xi−xbext∣},x~i=1−M∣xi−xbest ∣ - 区间型指标
M = max { a − min { x i } , max { x i } − b } , x ~ i = { 1 − a − x i M , x i < a 1 , a ≤ x i ≤ b 1 − x i − b M , x i > b M=\max \left\{a-\min \left\{x_{i}\right\}, \max \left\{x_{i}\right\}-b\right\}, \tilde{x}_{i}=\left\{\begin{array}{ll} 1-\frac{a-x_i}{M} & , x_i<a \\ 1 & , a \leq x_i \leq b \\ 1-\frac{x_i-b}{M} & , x_i>b \end{array}\right. M=max{ a−min{ xi},max{ xi}−b},x~i=⎩⎨⎧1−Ma−xi