优劣解距离法,简称TOPSIS,根据有限个评价对象与理想化目标的接近程度进行排序,是在现有的对象中进行相对优劣的评价。
分析步骤
- 对数据进行规范化处理
- 确定指标权重,构造权重规范化矩阵
- 确定理想解 A ∗ A^* A∗和反理想解 A − A^{-} A−
- 计算评价对象与理想解和反理想解的 n n n维欧氏距离 S ∗ S^* S∗与 S − S^- S−
- 计算评价对象与理想解的接近程度 C ∗ C^* C∗并排序
具体操作
-
我们将指标的类型分为效益型(属性值越大越好)、成本型(属性值越小越好)、固定型(属性值越接近定值 α \alpha α越好)、偏离型(属性值越远离定值 α \alpha α越好)、区间型(属性值越接近定区间 [ α , β ] [\alpha,\beta] [α,β]越好)、偏离区间型(属性值越远离定区间 [ α , β ] [\alpha,\beta] [α,β]越好)。
为了消除量纲对决策结果的影响,利用下列公式对决策矩阵 D D D进行处理:
效 益 型 : r i j = a i j max a i j 或 r i j = a i j − min a i j max a i j − min a i j 成 本 型 : r i j = min a i j a i j 或 r i j = max a i j − a i j max a i j − min a i j 固 定 型 : r i j = 1 − a i j − α max ∣ a i j − α ∣ 偏 离 型 : r i j = ∣ a i j − α ∣ − min ∣ a i j − α ∣ max ∣ a i j − α ∣ 区 间 型 : r i j = { 1 − max ( α − a i j , a i j − β ) max ( α − min a i j , max a i j − β ) a i j ∉ [ α , β ] 1 a i j ∈ [ α , β ] 偏