(二)【数学建模】优劣解距离法(TOPSIS)

(二)【数学建模】优劣解距离法(TOPSIS)文章目录 1 模型介绍 2 TOPSIS 应用例子 3 算法步骤 1 将原始矩阵正向化 1 极小型到极大型 2 中间型到极大型 3 区间型到极大型 2 正向化矩阵标准化 3 计算得分并归一化 1 模型

大家好,欢迎来到IT知识分享网。

(1)模型介绍

  • TOPSIS法(Technique for Order Preference by Similarity to ideal Sulution)可翻译为逼近理想解排序法,国内简称为优劣解距离法。(优解:最大值;劣解:最小值)
  • TOPSIS法是一种常用的综合评价方法,其能充分利用原始数据的信息,其结果能精确地放映各评价方案之间地差距。
  • 层次分析法地一些局限性在这里插入图片描述

差异太大,可能无法通过一致性检验

(2)TOPSIS应用例子:

在这里插入图片描述

在这里插入图片描述
排名越小越好,但评分越高越好,所以要进行修正。在这里插入图片描述

在这里插入图片描述
问题:第一名与最后一名无论成绩为多少评分都是1和0,为什么要用上图的公式,不用下图的公式?在这里插入图片描述

解释:
在这里插入图片描述
1>如果评价的人数很多,只有最前与最后两个有影响,无所谓。
2> 小明一个指标得分为零,但有其他指标弥补
3>…
在这里插入图片描述
指标类型不同,要进行统一处理: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
在这里插入图片描述
在这里插入图片描述

Z − 与 Z + Z^-与Z^+ ZZ+每个指标的最小值,最大值
D i − 与 D i + D_i^-与D_i^+ DiDi+第i个评价对象的每个评价指标与最大值的距离之和。
在这里插入图片描述
在这里插入图片描述

(3)算法步骤

1)将原始矩阵正向化

在这里插入图片描述

<1>极小型到极大型

在这里插入图片描述

<2>中间型到极大型

在这里插入图片描述

<3>区间型到极大型

在这里插入图片描述
修改: M = m a x ( ∣ x 1 − x b e s t ∣ , ∣ x 2 − x b e s t ∣ , . . . ) M = max(|x_1-x_{best}|, |x_2-x_{best}|, …) M=max(x1xbest,x2xbest,...)

∣ x i − x b e s t ∣ |x_i-x_{best}| xixbest越大,转换后值越小

2)正向化矩阵标准化

在这里插入图片描述

3)计算得分并归一化

在这里插入图片描述

最 后 一 行 应 该 是 : D i + 越 小 最后一行应该是:D^+_i越小 Di+

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/153624.html

(0)
上一篇 2025-03-02 20:33
下一篇 2025-03-02 20:45

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信