(一)方法介绍
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:
(二)数值算例与matlab程序
实例:
对3个方案的20个指标进行决策,其中指标1-18为收益型指标,指标19-20是成本型指标,决策矩阵如下,
A=[0.411 129.33 35.2 463.29 141.99 90.53 61.77 0.4 0.82 0.82 0.6934 0.647 0.5512 0.05 0.2909 0.2 0.37 0.7561 2981.7 30.8
0.218 136.09 21.84 192.52 56.46 16.5 31.1 0.44 0.84 0.83 0.0928 0.116 0.1567 0.85 0.3076 0.5 0.41 0.9697 1336.7 25.5
0.371 185.6 28.78 469.6 125.02 95.38 76.03 0.37 0.82 0.82 0.2138 0.237 0.2921 0.95 0.4015 0.3 0.35 0.9124 2243.2 23.6]
利用AHP法得到权重向量
W=[0.1683 0.0742 0.0247 0.0534 0.0162 0.0294 0.1794 0.0193 0.0078 0.0032 0.0965 0.0391 0.015
标准的TOPSIS方法及matlab应用
最新推荐文章于 2024-07-14 16:33:01 发布
本文介绍了TOPSIS(逼近理想解的排序方法)的决策过程,并提供了一个包含3个方案和20个指标的数值算例。通过MATLAB程序演示了如何运用该方法进行多属性综合评价,其中涉及收益型和成本型指标的权重计算。
摘要由CSDN通过智能技术生成