2023-01-11優(yōu)劣解距離法(TOPSIS)

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):

將擁擠程度和票價(jià)正向化后

(2)構(gòu)建標(biāo)準(zhǔn)化矩陣

該元素除以所在列平方和再開(kāi)根號(hào)
Excel處理

(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:

wj代表權(quán)重

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)

結(jié)果

https://www.spsspro.com/analysis/operation/3944531?project_id=2180288&name=topsis%E4%BE%8B%E9%A2%98.xlsx

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

總結(jié)

圖表不需要設(shè)置首行縮進(jìn)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末却紧,一起剝皮案震驚了整個(gè)濱河市桐臊,隨后出現(xiàn)的幾起案子胎撤,更是在濱河造成了極大的恐慌,老刑警劉巖断凶,帶你破解...
    沈念sama閱讀 206,126評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件伤提,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡认烁,警方通過(guò)查閱死者的電腦和手機(jī)肿男,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)却嗡,“玉大人舶沛,你說(shuō)我怎么就攤上這事〈凹郏” “怎么了如庭?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,445評(píng)論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀(guān)的道長(zhǎng)撼港。 經(jīng)常有香客問(wèn)我坪它,道長(zhǎng),這世上最難降的妖魔是什么帝牡? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,185評(píng)論 1 278
  • 正文 為了忘掉前任往毡,我火速辦了婚禮,結(jié)果婚禮上靶溜,老公的妹妹穿的比我還像新娘开瞭。我一直安慰自己,他們只是感情好罩息,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布嗤详。 她就那樣靜靜地躺著,像睡著了一般扣汪。 火紅的嫁衣襯著肌膚如雪断楷。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 48,970評(píng)論 1 284
  • 那天崭别,我揣著相機(jī)與錄音冬筒,去河邊找鬼。 笑死茅主,一個(gè)胖子當(dāng)著我的面吹牛舞痰,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播诀姚,決...
    沈念sama閱讀 38,276評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼响牛,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起呀打,我...
    開(kāi)封第一講書(shū)人閱讀 36,927評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤矢赁,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后贬丛,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體撩银,經(jīng)...
    沈念sama閱讀 43,400評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,883評(píng)論 2 323
  • 正文 我和宋清朗相戀三年豺憔,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了额获。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 37,997評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡恭应,死狀恐怖抄邀,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情昼榛,我是刑警寧澤境肾,帶...
    沈念sama閱讀 33,646評(píng)論 4 322
  • 正文 年R本政府宣布,位于F島的核電站褒纲,受9級(jí)特大地震影響准夷,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜莺掠,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望读宙。 院中可真熱鬧彻秆,春花似錦、人聲如沸结闸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,204評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)桦锄。三九已至扎附,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間结耀,已是汗流浹背留夜。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,423評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留图甜,地道東北人碍粥。 一個(gè)月前我還...
    沈念sama閱讀 45,423評(píng)論 2 352
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像黑毅,于是被迫代替她去往敵國(guó)和親嚼摩。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容