TOPSIS算法(优劣解距离法)的使用举例与matlab实现 |
您所在的位置:网站首页 › 中间型指标归一化 › TOPSIS算法(优劣解距离法)的使用举例与matlab实现 |
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
(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
4.根据优劣值进行排序得到结果
四、matlab代码实现
一、算法的提出
C.L.Hwang和K.Yoon在1981年首次提出TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution)算法,直接即逼近理想解排序法,国内通常称之为优劣解距离法。 相比较于层次分析法AHP与模糊综合评价法,TOPSIS算法能够充分利用原始数据的信息,并能更精确反映出各个状况/方案之间的优劣与差距。 TOPSIS算法的基本过程为先将原始数据矩阵(决策矩阵)进行正向化处理得到正向化矩阵,再进行标准化处理消除各指标量纲的影响。再通过AHP或其他方法得到各个因素之间的权重向量,构造出新的加权决策矩阵。 然后在所有的数据中找到最优和最劣方案,计算各个评价对象相对于最优方案与最劣方案的欧氏距离,最终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。 TOPSIS算法对数据的分布及含量等没有严格限制,且数据易处理计算简单,思路清晰,因而被广泛使用。 二、TOPSIS算法的一般步骤注意:下列的交标含义请仔细辨别,交标含义并未相同含义贯穿始终。 如果有不清楚的地方可以在评论区指出,有人指出后我再修改交标含义。 1.形成决策矩阵设共有 n n n个评价对象,每个评价对象含有 m m m个参数指标。将 n n n个评价对象的参数指标排列得到 n × m n×m n×m矩阵,即决策矩阵: [ x 11 x 12 … x 1 m x 21 x 22 … x 2 m … … ⋱ … x n 1 x n 2 … x n m ] \begin{bmatrix} x_{11} & x_{12} & \dots & x_{1m} \\ x_{21} & x_{22} & \dots& x_{2m}\\ \dots& \dots & \ddots& \dots\\ x_{n1}& x_{n2}& \dots& x_{nm}\end{bmatrix} ⎣⎢⎢⎡x11x21…xn1x12x22…xn2……⋱…x1mx2m…xnm⎦⎥⎥⎤ 2.计算加权决策矩阵 (1)指标正向化处理常见的四种指标(即评价对象的 m m m个参数指标所属类型) 指标类型 指标特点 举例 极大型指标(效益型) 越大越好 成绩、利润 极小型指标(成本型) 越小越好 成本、费用 中间型指标 越接近某个值越好 人体所处环境温度 区间型指标 落在某个区间最好 体温、饮用水中的矿物质含量为了后续处理,我们需要将所有类型的指标转换为极大值指标,且需要将所有指标类型统一转换为各自对应的正向化指标,准换的方式可以不一样,下面给出一些转换公式的参考。 a.极大值指标正向化x i ′ = x i − x m i n x m a x − x m i n x'_i=\frac{x_i-x_{min}}{x_{max}-x_{min}} xi′=xmax−xminxi−xmin b.极小型指标极大正向化x i ′ = x m a x − x i x m a x − x m i n x'_{i}=\frac{x_{max}-x_i}{x_{max}-x_{min}} xi′=xmax−xminxmax−xi c.中间型指标极大正向化x i ′ = 1 − ∣ x i − x b e s t ∣ ∣ x i − x b e s t ∣ m a x x'_i=1-\frac{|x_i-x_{best}|}{|x_i-x_{best}|_{max}} xi′=1−∣xi−xbest∣max∣xi−xbest∣ d.区间型指标极大正向化设最佳区间为 [ a , b ] [a,b] [a,b],且记 M = max { a − min { x i } , max { x i } − b } M=\max\{a-\min\{x_i\},\max\{x_i\}-b\} |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |