TOPSIS法（小白必看&文章包含详细源代码及注释）

时间

2020年5月4日

组别

数学建模

姓名

Zkaisen

  本

  周

  完

  成

  工

  作

  总

  结

这一周我主要学习了TOPSIS法即优劣解距离向量法。

1.AHP的局限性

前两周主要学习了层次分析法，层次分析法存在这样一些局限性：

（1）层次分析法主观性很强，我们建模过程中判断矩阵都是自己手动填写的。

（2）层次分析法方案层不能太多，太多的话，构建的判断矩阵很可能不能通过一致性检验。而且随机一致性指标RI表中n也只给到了15。

（3）层次分析法是根据成对比较法和1~9尺度表构建判断矩阵得到数据的，对于一些有已知数据题目，层次分析法是不能很好利用原始数据的。

2.TOPSIS优点

针对AHP的上述局限性，学习TOPSIS可以弥补层次分析法的一些缺点:

（1）优劣解距离法可以充分利用原始数据信息，且其结果能充分反应各评价方案与最优方案的接近程度。

（2）对样本容量没有严格限制，数据计算简单易行，无需数据检验。（topsis法适用于两个以上）

3.Topsis法简介

1981年，C.L.Hwang和K.Yoon首次提出了Topsis，全称Technique for Order Preference by Similarity to an Ideal Solution，可翻译为逼近理想解排序法，国内常称为优劣解距离法。它是一种常用的综合评价方法。

4.Topsis的基本过程

（1）原始矩阵正向化，得到正向化矩阵

a.指标类型

  指标类型一般分为四种，极大型指标、极小型指标、中间型指标、  区间型指标。

  极大型指标越大越好，极小型指标越小越好，中间型指标越接近中    间值越好，区间型指标落在区间内最好。

b.正向化的公式

正向化就是将原始数据指标都转化为极大型指标。

极小型——极大型： 

当指标值中没有“0”时也可用公式：

中间型——极大型：（其中mid为中间值）

区间型——极大型：