优劣解距离法

用途

评价类问题，充分利用原始数据的信息，精确反应各个评价方案之间的差距。

一、模型介绍

一个经典例题

决策层中指标的数据是已知的，如何利用这些数据使评价更加准确？

1.将原始矩阵正向化

1.1 极小型指标->极大型指标

公式不唯一

1.2 中间型指标->极大型指标

公式不唯一（但我也没想到更好的）

1.3 区间型指标->极大型指标

不唯一

2.正向化矩阵标准化

目的是去除量纲（也就是单位）的影响

不唯一，这只是前人论文中用的较多的一种标准化方法。

3.计算得分并归一化

归一化的目的是为了对结果有更加清晰直观的印象

只有一个指标的时候

有多个评价指标

二、代码详解

未完待续…

三、模型拓展

带权重的得分

层次分析法的主观性过强，用熵权法客观赋值更好。

【数学建模】优劣解距离法（TOPSIS法）相关推荐

TOPSIS法（优劣解距离法）笔记
TOPSIS法什么时候用? TOPSIS法是根据有限个评价对象与理想化目标的接近程度进行排序的方法,是在现有的对象中进行相对优劣的评价 [其中最优解的各指标值都达到各评价指标的最优值,最劣解的各指 ...
数学建模二：TOPSIS法（优劣解距离法）附代码详解
数学建模二:TOPSIS法(优劣解距离法)附代码详解 TOPSIS法(优劣解距离法)用于评价类问题. 层次分析法因为受限于一致性检验指标的数量,最多只能选择15个准则或方案.同时层次分析法也难以处理已 ...
【数学建模】Topsis优劣解距离法
内容来自这篇 https://blog.csdn.net/weixin_43819566/article/details/112342602 评价方法大体上可分为两类,其主要区别在确定权重的方法上.一 ...
数学建模学习笔记（二）——Topsis优劣解距离法
(续上篇文章)层次分析法的局限上一篇文章中,层次分析法有这样的局限评价决策层不能太多: 数据是已知的的话,便无法使用层次分析法进行精确的分析评价: 因此,为对这些情况做出更为精准的分析,我们可以使 ...
数学建模——TOPSIS法（优劣解距离法）学习笔记（一）
一.TOPSIS方法 TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution) 可翻译为逼近理想解排序法,国内常简 ...
数学建模学习笔记（2）：TOPSIS方法（优劣解距离法）和熵权法修正
文章目录 TOPSIS方法概述 TOPSIS方法步骤(重点) 熵权法对TOPSIS模型的修正熵权法的步骤(重点) TOPSIS方法由C.L.Hwang和K.Yoon在1981年首次提出,在国内常简称 ...
TOPSIS法笔记（优劣解距离法）
一.概述 C.L.Hwang 和K.Yoon 于1981年首次提出TOPSIS (Technique for Order Preference by Similarity to an Ideal So ...
Python实现TOPSIS分析法（优劣解距离法）
文章目录 (1).题目 (2).读取Excel表中的数据 (3).将不同的指标转换为极大型指标 (4).正向化矩阵标准化 (5).计算得分并归一化 (6).主函数 (7).完整代码部分 (8).计算结 ...
【2.1】数学建模值之TOPSIS（优劣解距离模型）的具体算法步骤详解
一.回顾层次分析法的局限性二.topsis模型的介绍三.模型的具体算法步骤四.该模型的两个注意点一.回顾层次分析法的局限性评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异可能会 ...

【数学建模】优劣解距离法（TOPSIS法）

文章目录

优劣解距离法

用途

一、模型介绍

一个经典例题

1.将原始矩阵正向化

1.1 极小型指标->极大型指标

1.2 中间型指标->极大型指标

1.3 区间型指标->极大型指标

2.正向化矩阵标准化

3.计算得分并归一化

只有一个指标的时候

有多个评价指标

二、代码详解

三、模型拓展

【数学建模】优劣解距离法（TOPSIS法）相关推荐

最新文章

热门文章