TOPSIS改进及matlab应用

该博客介绍了TOPSIS方法的基本原理和标准步骤,探讨了其在处理决策矩阵时的不足,并提出了一种改进方法,通过熵权法和主观权重计算综合权重。文章通过实例分析,展示了如何在MATLAB中应用该改进方法处理包含46个方案和10个属性的决策问题,解决了传统TOPSIS的逆排序问题。
摘要由CSDN通过智能技术生成

1.标准的TOPSIS方法
TOPSIS为逼近理想解的排序方法。正理想解,各个属性值都达到各候选方案种的最好的值。负理想解,各个属性值都达到各候选方案种的最差的值。
评价步骤:
在这里插入图片描述
2.改进的TOPSIS法
TOPSIS法的一般解法存在以下不足:对初始决策矩阵所有指标的规范化处理没有区别;事先确定的权重值往往是主观值;取评估指标的最大值和最小值作为正理想解和负理想解,当评估目标个数改变时需要重新计算,可能出现前后结果相互矛盾的逆排序问题;目标值与理想值二者间的欧氏距离无法和权重建立起联系等等。
改进方法:
首先,利用熵权法和主观权重构造综合权重w;
其次,利用规范化矩阵和综合权重构造加权综合矩阵
在这里插入图片描述
再次,确定绝对理想解。本文中采用求绝对理想解的方法对传统理想点法进行改进可以很好地解决逆排序问题。

  • 6
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)是一种常用的多准则决策方,用于综合评估和排序。在MATLAB中,可以使用以下代码实现TOPSIS评估方: 1. 准备数据:首先,准备评估的多准则决策矩阵(DM)和权重向量(W)。 2. 数据标准化:对于DM中的每个准则,计算每个方案的规范化值。可以使用min-max标准化方或者z-score标准化方。 3. 确定理想解和负理想解:根据规范化的DM,分别计算每个准则的最大值与最小值,得到理想解和负理想解。 4. 计算方案到理想解和负理想解的距离:使用欧氏距离或者曼哈顿距离计算每个方案到理想解和负理想解的距离。 5. 确定每个方案的综合评估指数:根据每个方案到理想解和负理想解的距离,计算每个方案的综合评估指数。 6. 排序:根据综合评估指数对方案进行排序,得到最终的评估结果。 以下是TOPSIS评估方MATLAB代码示例: ``` % 准备数据 DM = [1, 2, 3; 4, 5, 6; 7, 8, 9]; % 多准则决策矩阵 W = [0.4, 0.3, 0.3]; % 权重向量 % 数据标准化 normalizedDM = normalize(DM, 'range'); % 使用min-max标准化方 % 确定理想解和负理想解 idealSolution = max(normalizedDM); % 理想解 negativeIdealSolution = min(normalizedDM); % 负理想解 % 计算方案到理想解和负理想解的距离 distanceToIdeal = pdist2(normalizedDM, idealSolution); % 方案到理想解的距离 distanceToNegativeIdeal = pdist2(normalizedDM, negativeIdealSolution); % 方案到负理想解的距离 % 确定每个方案的综合评估指数 performanceIndex = distanceToNegativeIdeal ./ (distanceToIdeal + distanceToNegativeIdeal); % 排序 [sortedIndex, rank] = sort(performanceIndex, 'descend'); % 输出最终的评估结果 disp('方案排序:'); disp(rank); ``` 以上代码中,我们首先准备了一个3x3的多准则决策矩阵和对应的权重向量。然后使用min-max标准化方对决策矩阵进行标准化,计算理想解和负理想解。接着,根据标准化后的决策矩阵,计算每个方案到理想解和负理想解的距离。最后,根据综合评估指数对方案进行排序,得到最终的评估结果。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

计量小虫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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