先舉個(gè)栗子:
我們想知道自己成績(jī)?cè)诎嗉?jí)的情況这溅,如果沒(méi)有排名,topsis評(píng)價(jià)就是找出班上最高分及最低分棒仍,計(jì)算自己與這兩個(gè)分?jǐn)?shù)的差距悲靴,從而得到自己成績(jī)好壞的客觀(guān)評(píng)價(jià)。
1. 優(yōu)劣解距離法(TOPSIS)概念
TOPSIS 法是一種常用的組內(nèi)綜合評(píng)價(jià)方法莫其,能充分利用原始數(shù)據(jù)的信息其結(jié)果能精確地反映各評(píng)價(jià)方案之間的差距癞尚。
基本過(guò)程為基于歸一化后的原始數(shù)據(jù)矩陣耸三,采用余弦法找出有限方案中的最優(yōu)方案和最劣方案,然后分別計(jì)算各評(píng)價(jià)對(duì)象與最優(yōu)方案和最劣方案間的距離浇揩,獲得各評(píng)價(jià)對(duì)象與最優(yōu)方案的相對(duì)接近程度仪壮,以此作為評(píng)價(jià)優(yōu)劣的依據(jù)。該方法對(duì)數(shù)據(jù)分布及樣本含量沒(méi)有嚴(yán)格限制胳徽,數(shù)據(jù)計(jì)算簡(jiǎn)單易行积锅。
適用范圍:評(píng)價(jià)對(duì)象得分,且各個(gè)指標(biāo)值已知膜廊。
指標(biāo)名稱(chēng) | 指標(biāo)特點(diǎn) | 例子 |
---|---|---|
級(jí)大型指標(biāo) | 越大越好 | 成績(jī)乏沸、GDP淫茵、利潤(rùn) |
級(jí)小型指標(biāo) | 越小越好 | 費(fèi)用爪瓜、污染程度 |
中間型指標(biāo) | 越接近某個(gè)值越好 | 水質(zhì)評(píng)估的pH |
區(qū)間型指標(biāo) | 落在某個(gè)區(qū)間好 | 體溫、水中植物性營(yíng)養(yǎng)物量 |
為了客觀(guān)地評(píng)價(jià)各風(fēng)景地點(diǎn)的性?xún)r(jià)比匙瘪,根據(jù)風(fēng)景铆铆、人文、擁擠程度丹喻、票價(jià)等因素對(duì)各風(fēng)景地點(diǎn)進(jìn)行評(píng)估薄货。
風(fēng)景和人文越高越——極大型指標(biāo)(效益型指標(biāo))
擁擠程度和票價(jià)越少越好——極小型指標(biāo)(成本型指標(biāo))
(1)原始數(shù)據(jù)同趨勢(shì)化
需要將極小型指標(biāo)正向化
對(duì)于極小型指標(biāo):x' = M - x (最大值-原值)
(此公式不唯一,若數(shù)據(jù)都為正數(shù)碍论,那么也可以使用1/x谅猾,此公式合理即可)
對(duì)于中間型指標(biāo):
對(duì)于區(qū)間型指標(biāo):
(2)構(gòu)建標(biāo)準(zhǔn)化矩陣
(3)計(jì)算個(gè)評(píng)價(jià)指標(biāo)與最優(yōu)及最劣向量之間的差距
定義第i個(gè)評(píng)價(jià)對(duì)象與最大值的距離:
權(quán)重可通過(guò)熵權(quán)法(有數(shù)據(jù))或?qū)哟畏治龇?無(wú)數(shù)據(jù))來(lái)確定
定義第i個(gè)評(píng)價(jià)對(duì)象與最小值的距離:
顯然,理想結(jié)果為D+值越小鳍悠,D-值越大
(4)評(píng)價(jià)對(duì)象與最優(yōu)方案的接近程度
C值越大税娜,表明評(píng)價(jià)對(duì)象越優(yōu)
模型拓展:熵權(quán)法
層次分析法的權(quán)重帶有很重的主觀(guān)色彩,而為了使權(quán)重更加客觀(guān)藏研,我們利用原始數(shù)據(jù)中的某些特性來(lái)確定權(quán)重敬矩。
一列數(shù)據(jù)方差越小,所反映的信息量也越少蠢挡,那么此時(shí)其權(quán)重就應(yīng)該越低弧岳。而一列數(shù)據(jù)所反映的信息量越少,其信息熵就越大业踏。所以指標(biāo)的信息熵就是這樣一個(gè)具有優(yōu)良性質(zhì)的特性禽炬。而且信息熵越大,權(quán)重就越低勤家。
必須要有數(shù)值才可以用熵權(quán)法腹尖,如果沒(méi)有數(shù)值是不可以用這種方法的。
數(shù)學(xué)建模筆記——評(píng)價(jià)類(lèi)模型之熵權(quán)法:http://www.reibang.com/p/bdfd8b6d28b5
圖表不需要設(shè)置首行縮進(jìn)