数学建模之Topsis法

层次分析法的局限性 1、评价的决策层不能太多，太多的话n会很大，判断矩阵和一致矩阵差异可能会很大。 2、层次分析法真正的核心是判断矩阵的填写，但是判断矩阵受人为因素比较大，所以最后计算得出的权重也比较主观。 3、如果决策层中指标的数据是已知的，那么我们如何利用这些数据来使得评价更加准确呢（就是每个方案层关于各指标的得分已知，不用通过判断矩阵去求具体的结果）

TOPSIS法的步骤 指标正向化 将所有的指标转化为极大型称为指标正向化（最常用）

指标名称	指标特点	例子
极大型（效益型）指标	越大（多）越好	成绩、企业利润
极小型（成本型）指标	越小（少）越好	费用、污染程度
中间型指标	越接近某个值越好	水质量评估PH值
区间型指标	落在某个区间最好	体温、营养物的含量

极小型指标→极大型指标 公式： 如果所有元素都为正数，也可以使用

中间型指标→极大型指标 中间型指标：指标值不要太大也不要太小，取某特定值最好       （水质量评估PH的值） { }  是一组中间型指标数组，最佳的数组为 公式 如下：

区间型指标→极大型指标 区间型指标：指标值落在某个区间里最好，例如人的体温在36°—37°最好。 { }是一组中间型指标数组，最佳的区间为[a,b]，公式如下：

指标标准化处理 标准化的目的：消除不同指标量纲的影响

每一个元素/

计算得分并对结果进行归一化

定义第i(i = 1,2,…，n)个评价对象与最大值的距离为：

定义第i(i = 1,2,…，n)个评价对象与最小值的距离为：

评价对象未归一化后的评价得分：

很明显0<Si ​<1,且​ Si 越大Di+ ​越小，说明越接近评价得分的最大值。 最后在对未归一化的得分进行归一化。 TOPSIS简介 C.L.Hwang 和 K.Yoon 于1981年首次提出 TOPSIS  (Technique for Order Preference by Similarity to an 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，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： （1）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； （2）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； （3）并找到有限方案中的最优方案和最劣方案； （4）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； （5）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。 具体流程图如下所示： TOPSIS法的评估 Topsis法的优点： （1）避免了数据的主观性，不需要目标函数，不用通过检验，而且能够很好的刻画多个影响指标的综合影响力度。 （2）对于数据分布及样本量、指标多少无严格限制，既适于小样本资料，也适于多评价单元、多指标的大系统,较为灵活、方便。 Topsis法的缺点： （1）需要的每个指标的数据，对应的量化指标选取会有一定难度。 （2）不确定指标的选取个数为多少适宜，才能够去很好刻画指标的影响力度。 （3）必须有两个以上的研究对象才可以进行使用。