ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

数学建模方法--TOPSIS方法

2022-07-18 21:34:58  阅读:269  来源: 互联网

标签:方案 各个 TOPSIS -- 矩阵 建模 指标 正向


Topsis方法

针对多项指标、多个方案的分析方法:即根据已存在的数据判断各个方案的优劣。TOPSIS方法首先确定各个指标的最优理想解和最劣理想解,最优对应各个属性值都达到各方案中最好的值,最劣对应各个属性值达到各方案中最坏的值。再计算各个方案到最优最劣的加权欧式距离,得到各方案接近程度作为评判标准。

TOPSIS方法衡量标准

例如:班上有50位同学,每个同学都有绩点、比赛加分、德育分,根据这些条件确定出三好学生。这里方案很多,指标也很多,层次分析法难以完成。这里使用TOPSIS 逼近理想解的算法来进行分析

第一步 将原始矩阵正向化

多个指标之间评价的单位不同,如次数,分数,时间等,这时需要标准化处理公式统一评价的指标

原始矩阵中的指标类型有以下4种:

  • 极大型 :越多越好 与之对应极小型
  • 中间型 :越接近某个值越好
  • 区间型 : 落在某个区间最好

正向化是将所有指标类型统一转化为极大值,以下是构建正向化矩阵的一个转化例子

首先对所有指标类型都转化为极大值类型

第二步 构建正向化矩阵

假设有n个评价对象,m个正向化后评价指标,构建的正向化矩阵如下:

对其标准化的矩阵计为Z;则Z中每一个元素:

第三步 计算得分 归一化

得到的Z就是构造出的各个对象的数据,接下来要计算各个对象的得分。可以简单相加,但不够精确。通过将公式进行变化得到:

这里计算出Z的最大值矩阵和Z的最小值矩阵。计算出各个对象的值与最大最小值的欧式距离

欧氏距离定义: 欧氏距离( Euclidean distance)是一个通常采用的距离定义,它是在m维空间中两个点之间的真实距离。

标签:方案,各个,TOPSIS,--,矩阵,建模,指标,正向
来源: https://www.cnblogs.com/ioname/p/16492067.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有