0


评价类模型---TOPSIS法

TOPSIS法

可翻译为逼近理想解排序法,国内常简称优劣解距离法,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,其结果能精确地反应各评价方案之间的差距。

我们如果要对一个人进行评分,但是对他进行评分的这个指标有多个的话,我们就可以将所有的指标转化一下。
如果这个指标是越高越好,那么这样的指标是极大型指标(效益性指标);如果这个指标是越小越好,那么这样子的指标是极小型指标(成本型指标)。

统一指标类型

我们一般把所有的指标转化为极大型称为指标正向化(最常用)
极小型指标转化为极大型指标的公式=max-x

标准化处理

为了消去不同指标量纲的影响,需要对已经正向化的矩阵进行标准化。
在这里插入图片描述
在这里插入图片描述
看到这个公式,我们现在可以再来想一下什么是优劣解评价距离。
在这里插入图片描述

我们根据例子让大家更好的知道应该如何计算

在这里插入图片描述
在这里插入图片描述

总结

在这里插入图片描述

第一步:将原始矩阵正向化

在这里插入图片描述
①刚刚已经介绍了极小型指标如何转化为极大型指标。
极小型指标转换为极大型指标的公式:max-x;
如果所有的元素均为正数,那么也可以使用:1/x;
②中间型指标转换为极大型
在这里插入图片描述
如果是水的话,PH值为7
③区间型指标转化为极大型指标
在这里插入图片描述

第二步:正向化矩阵标准化

在这里插入图片描述

第三步:计算得分并归一化

在这里插入图片描述

练习题

在这里插入图片描述
我们可以先将EXCEL中的数据导入Matlab当中

模型的扩展

我们刚刚在计算D+/D-的时候,我们的指标的权重都是默认相同了的。
所以我们在计算的时候,用w来代替权重,然后计算权重的话,想想上一篇层次分析法是如何确定权重的,这里就是如何确定的。
在这里插入图片描述
我们也把这个称为带权重的TOPSIS
在这里插入图片描述

代码运行的几个问题

1、首先是load xxx.mat的运行,这个mat文件要在当前运行的文件夹里面
2、我们作图的时候,要尽可能的使数据较清晰,方便看。
3、TOPSIS的评价指标需要赋予权重的时候,我们可以使用熵权法。

基于熵权法对TOPSIS模型的修正

在这里插入图片描述
变异程度又叫方差。
在这里插入图片描述

熵权法的步骤

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
最后说一下,这个熵权法,如果是写论文的话,还是尽量不要用这个方法,但是如果是参加比赛的话,可以用。因为这个方法的理论依据不是特别的牢靠。


本文转载自: https://blog.csdn.net/qq_51408826/article/details/125910933
版权归原作者 摩卡摩卡~ 所有, 如有侵权,请联系我们删除。

“评价类模型---TOPSIS法”的评论:

还没有评论