【数学建模】优劣解距离法（TOPSIS法）

最新推荐文章于 2022-07-13 16:54:08 发布
最新推荐文章于 2022-07-13 16:54:08 发布
阅读量414 收藏 2
点赞数
分类专栏： 数学建模学习 文章标签： 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_56956615/article/details/125686633
版权

文章目录

优劣解距离法

用途

评价类问题，充分利用原始数据的信息，精确反应各个评价方案之间的差距。

一、模型介绍

一个经典例题

决策层中指标的数据是已知的，如何利用这些数据使评价更加准确？

在这里插入图片描述

1.将原始矩阵正向化

在这里插入图片描述

1.1 极小型指标->极大型指标

公式不唯一
在这里插入图片描述

1.2 中间型指标->极大型指标

公式不唯一（但我也没想到更好的）
在这里插入图片描述

1.3 区间型指标->极大型指标

不唯一
在这里插入图片描述

2.正向化矩阵标准化

目的是去除量纲（也就是单位）的影响

不唯一，这只是前人论文中用的较多的一种标准化方法。
在这里插入图片描述

3.计算得分并归一化

归一化的目的是为了对结果有更加清晰直观的印象

只有一个指标的时候

在这里插入图片描述

有多个评价指标

在这里插入图片描述

二、代码详解

未完待续…

三、模型拓展

带权重的得分

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

层次分析法的主观性过强，用熵权法客观赋值更好。

青山的青衫
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数学建模国赛获奖论文分类整理:优劣解距离法topsis
05-21
数学建模国赛获奖论文整理，使用优劣解距离法topsis做的论文集合，可以系统的学习优劣解距离法topsis在数学建模中的应用，非常有用。
TOPSIS优劣解距离法--代码部分
sup1feng的博客
01-01 2703
TOPSIS优劣解距离法–代码部分 代码的讲解与书写
数学建模暑期集训7：TOPSIS法（优劣解距离法）
兴趣使然的创作者
07-19 1520
在本专栏第28篇数学建模学习笔记（二十八）评价类：TOPSIS模型中，简单介绍了TOPSIS模型。本篇内容参照清风数学建模课程，对该部分内容进行重新整理和补充。 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。 1.指标正向化 为了方便计算，需要将所有指标均转换成极大型。 1.1极小型-&gt
优劣解距离法（TOPSIS）
weixin_51711289的博客
05-03 1890
方法步骤 1.将原始矩阵正向化 最常见的四种指标： 原始矩阵正向化的本质其实是要将所有的指标类型统一转化为极大型指标。 极小型指标 -> 极大型指标 公式：max - x 如果所有元素均为正数，那么也可以使用1/x。 中间型指标 -> 极大型指标 中间型指标：指标值既不要太大，也不要太小，去某特定值最好（如水质量评估PH值） 公式： 区间型指标 -> 极大型指标 区间型指标： 指标值落在某个区间内最好，例如人的体温在36°～ 37°这个区间比较好。 {xi}是一组区间型指标序列，且最佳的
TOPSIS算法（优劣解距离法）的使用举例与matlab实现
热门推荐
Yucohny
01-28 1万+
文章目录一、算法的提出二、TOPSIS算法的一般步骤1.形成决策矩阵2.计算加权决策矩阵（1）指标正向化处理a.极大值指标正向化b.极小型指标极大正向化c.中间型指标极大正向化d.区间型指标极大正向化（2）指标标准化处理得到新矩阵（3）计算加权决策矩阵3.计算每个方案的优劣值（1）计算每个参数对应的最大最小值（2）计算每个方案距离最优最劣解的距离（3）计算每个方案的优劣值三、使用举例1.形成决策矩阵2.计算加权决策矩阵（1）指标正向化处理 一、算法的提出   ​　　C.L.Hwang和K.Yoon
topsis_matlab优劣解距离法_topsis_
10-01
matlab程序，topsis工具箱 ，本代码仅供参考，非本人原创
TOPSIS法（优劣解距离法）例子源码和拓展资料
11-09
该文件是全国大学生数学建模知识中的一个算法Topsis优劣解距离法的源码和建模赛题拓展资料，具体的讲解内容可以参考本人博客【优劣解距离法】
topsis优劣解距离法MATLAB代码实现
08-14
数学建模优劣解距离法的案例程序
topsis加入了权重的代码_TOPSIS优劣距离法_
10-02
TOPSIS加了权重的代码，可在MATLAB中实现，亲测可用
数模笔记——二、优劣解距离法（TOPSIS）
qq_50737715的博客
08-27 448
二、优劣解距离法（TOPSIS） 文章目录二、优劣解距离法（TOPSIS）（一）适用问题（二）模型建立1.将原始矩阵正向化（1）常见的四种指标（2）指标转化的公式2.正向化矩阵标准化3.计算得分并归一化（三）代码模板（四）例题分析 （一）适用问题 一种常用的综合评价方法，能充分利用原始数据的信息，精确地反映各评价方案之间的差距 若评价的准则层太多，或准则层中的指标（相对权重已知），则不能用层次分析法评价，要用优劣解距离法 （二）模型建立 1.将原始矩阵正向化 将原始矩阵正向化就是将所有指标类型统一转化为极大
基于案例学习的TOPSIS方法研究
02-21
基于案例学习的TOPSIS方法研究，王兵，陈晔，多属性排序问题中研究和应用的难点是如何有效获取指标属性的偏好信息，本文提出了一种通过案例学习获取偏好信息的TOPSIS改进方法。
topsis方法讲解.ppt
04-10
综合评价方法，topsis方法详细讲解，专业PPT格式
TOPSIS法作业题
LIUQIN_117的博客
03-03 4007
河流水质评价 一、问题重述 1.1问题背景 我国是水资源极度贫乏的国家，虽然年水资源总量可达2.8万亿多吨，居世界第六位，但由于我国人口众多，人均水量不足2400立方米，仅为世界人均水量的1/4，世界排名第110位。本就先天不足，还要遭受到后天污染。国家环保局副局长汪纪戎表示：高强度的经济活动造成废物水的排放量相对的超过了流域的环境容量，我们中国的很多河流都是污水比例大，径流量偏小，所以水质的改善是相当艰巨的任务。由此观之，我国水资源现状不容乐观。 1.2问题重述 /mL）\植物性营养..
数学建模常用模型09 ：优劣解距离法(TOPSIS法)
HaLosec_Wei
08-20 1万+
优劣解距离法(TOPSIS法)（备用） 优劣解距离法(TOPSIS)又称理想解法，是一种有效的多指标评价方法。这种方法通过构造评价问题的正理想解和负理想解，即各指标的最大值和最小值，通过计算每个方案到理想方案的相对贴近度，即靠近正理想解和远离负理想解的程度，来对方案进行排序，从而选出最优方案。 TOPSIS过程比较简单，请参考司守奎第二版14章第一节，但是TOPSIS的代码暂时无法直接运用，因...
【数学建模】清风视频笔记2、TOPSIS法（优劣解距离法）
showmas的博客
02-05 629
TOPSIS法（优劣解距离法） 例子 小明和同学第一学期高数成绩 姓名 成绩 排名 修正后的排名 评分 小明 89 2 3 3/10=0.3 小王 60 10 4 1 1/10=0.1 小张 74 3 2 2/10=0.2 清风 99 90 1 4 4/10=0.4 只要排名不变评分就不会变 最高成绩max：99 最低成绩min：60 姓名 成绩 未归一化的评分 归一化评分 小明 89 （89-60）/（99-60）=0.74 0.74/2.1=0.3
数学建模二：TOPSIS法（优劣解距离法） 附代码详解
Mamo_Z7的博客
10-14 5354
数学建模二：TOPSIS法（优劣解距离法）及熵权法 附代码详解 TOPSIS法（优劣解距离法）用于评价类问题。 层次分析法因为受限于一致性检验指标的数量，最多只能选择15个准则或方案。同时层次分析法也难以处理已经存在评价数据的问题。而TOPSIS法（优劣解距离法）则没有这些问题。 TOPSIS法（优劣解距离法）步骤： 1.原始矩阵正向化。 2.正向化矩阵标准化。 3.计算得分并归一化。 例：评价下表中20条河流的水质情况。 注：含氧量越高越好；PH值越接近7越好；细菌总数越少越好；植物性营养物量介于10‐2
Matlab实现优劣解距离法（TOPSIS法）
Lianj.Qin
02-27 1546
优劣解距离法（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。附计算过程及Matlab代码。
数学建模：2.优劣解距离法（TOPSIS法）
qq_52558389的博客
07-13 383
（以下有大量的个人理解，可能有所偏差） 一、 上一节学过的层次分析法存在一定的局限性
优劣解距离法（TOPSIS法）的原理简析_实例应用_代码
weixin_44598996的博客
09-27 2771
优劣解距离法（TOPSIS法）的原理简析_实例应用_代码TOPSIS算法步骤TOPSIS算法举例模型注意事项模型局限性代码 TOPSIS算法步骤 TOPSIS算法举例 模型注意事项 模型局限性 代码
优劣解距离法topsis原理
最新发布
05-10
优劣解距离法（TOPSIS）是一种多目标决策分析方法，用于确定最优解或最优解集。它基于两个假设：1）每个决策对象都有一个评价矩阵，其中每个决策对象都与若干个评价因素相关联；2）每个评价因素都有不同的权重，以反映其在决策中的相对重要性。 该方法的基本原理是通过计算每个决策对象与最优解和最劣解之间的距离来确定其相对优劣程度。具体来说，该方法首先对评价矩阵进行规范化处理，将其转化为无量纲的形式，以避免权重差异对距离计算的影响。然后，计算每个决策对象与最优解和最劣解之间的欧几里德距离或曼哈顿距离，并计算其相对接近程度。最后，根据相对接近程度对决策对象进行排序，从而确定最优解或最优解集。 TOPSIS方法的优点在于它能够处理多个评价因素和复杂的决策问题，并且可以为决策者提供有用的参考信息。其缺点包括对权重的敏感性和距离计算方法的依赖性。 总之，TOPSIS方法是一种有用的决策分析工具，适用于各种决策问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值