美赛笔记02_优劣解距离法模型

美赛笔记02

第二讲:TOPSIS法
TOPSIS法(Technique for Order Preference by similarity to Ideal Solution)可翻译为逼近理想解排序法，国内常简称为优劣解距离法
TOPSIS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。

0.引例

这里我们的分母不采用100-0，因为很多指标不存 在理论上的最大值和最小值。

1.极大型指标和极小型指标

2.指标正向化（写入论文！）

3.标准化处理消去量纲

公式含义：将每一列的长度作为一个单位长度，该列中到的每一个元素在单位长度下的度量就是计算结果。
1/sqrt（1²+2²+3²）=0.2673




TOPSIS法是一种常用的综合评价方法，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。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。

4.中间型矩阵和区间型矩阵

5.本方法的实现步骤

①将原始矩阵正向化
所谓的将原式矩阵正向化，就是要将所有的指标类型统一转化为极大型指标。(转换的函数形式可以不唯一哦~)


②正向矩阵标准化
③计算得分并归一化