博客
关于我
数学建模——TOPSIS优劣解距法
阅读量:692 次
发布时间:2019-03-17

本文共 979 字,大约阅读时间需要 3 分钟。

TOPSIS方法:在数据分析中精准对决

什么是TOPSIS?

TOPSIS(Technique for Order Preference by Similarity to Ideal Solution,技术用于按照理想解决方案相似性进行排序)是一种多目标排序决策方法,广泛应用于数据分析尤其是综合评价场景。它通过充分挖掘原始数据的内在特征,能够精准反映各评价方案之间的差异,帮助决策者做出最优选择。

TOPSIS的核心优势

TOPSIS的核心优势在于能够利用原始数据的信息特征,避免过度依赖人工主观判断。与其他方法相比,TOPSIS能够提供更为客观的评价结果,具有较高的数据利用率和结果精准度。

TOPSIS的步骤解析

在实际应用中,TOPSIS方法通常包括以下几个关键步骤:

1.1 正向化原始数据

正向化是将原始矩阵转换为极大型的标准。对于不同类型的指标etric,转换方法如下:

(i)极小型指标转换为极大型指标

对于极小型指标xi,最佳数值为xbest。[ M = \max{|x_i - x_{best}} ]正向化后:[ x_i' = 1 - \frac{|x_i - x_{best}|}{M} ]

(ii)中间型指标转换为极大型指标

对于中间型指标xi,最佳数值为xbest。[ M = \max{|x_i - x_{best}} ]正向化后:[ x_i' = 1 - \frac{|x_i - x_{best}|}{M} ]

(iii)区间型指标转换为极大型指标

对于区间型指标,定义最佳区间为[a, b]。[ x_i' = \frac{x_i - a}{b - a} ]

1.2 标准化处理

在进行TOPSIS分析之前,需要对正向化后的矩阵 进行标准化处理,消除不同指标量量级的影响。标准化后形成的矩阵Z,将在0-1范围内。

1.3 计算得分并归一化

根据标准化后的Z矩阵,对各评价方案进行得分计算,并归一化至0-1区间。

应用场景

TOPSIS方法在多个领域具有广泛应用,尤其在以下方面:

  • 综合评价:用于评价和选择多个方案综合优势。
  • 决策支持:协助决策者在面临复杂多变的情况下做出最优选择。
  • 需求分析:帮助企业识别市场需求或产品特点。

通过以上步骤,TOPSIS目的是将复杂的数据转化为易于理解和对决的评分体系,从而为决策提供有力支持。

转载地址:http://bmehz.baihongyu.com/

你可能感兴趣的文章
mysql 常用
查看>>
MySQL 常用列类型
查看>>
mysql 常用命令
查看>>
Mysql 常见ALTER TABLE操作
查看>>
MySQL 常见的 9 种优化方法
查看>>
MySQL 常见的开放性问题
查看>>
Mysql 常见错误
查看>>
mysql 常见问题
查看>>
MYSQL 幻读(Phantom Problem)不可重复读
查看>>
mysql 往字段后面加字符串
查看>>
mysql 快速自增假数据, 新增假数据,mysql自增假数据
查看>>
Mysql 批量修改四种方式效率对比(一)
查看>>
Mysql 报错 Field 'id' doesn't have a default value
查看>>
MySQL 报错:Duplicate entry 'xxx' for key 'UNIQ_XXXX'
查看>>
Mysql 拼接多个字段作为查询条件查询方法
查看>>
mysql 排序id_mysql如何按特定id排序
查看>>
Mysql 提示:Communication link failure
查看>>
mysql 插入是否成功_PDO mysql:如何知道插入是否成功
查看>>
Mysql 数据库InnoDB存储引擎中主要组件的刷新清理条件:脏页、RedoLog重做日志、Insert Buffer或ChangeBuffer、Undo Log
查看>>
mysql 数据库中 count(*),count(1),count(列名)区别和效率问题
查看>>