【数模学习笔记】TOPSIS优劣解距离法计算得分

原创

已于 2024-01-27 15:08:11 修改 · 689 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#学习 #笔记 #数学建模 #matlab

于 2024-01-27 15:07:27 首次发布

TOPSIS计算得分的过程主要分为3步：

一、矩阵正向化

二、正向化矩阵标准化

三、计算得分并归一化

一、矩阵正向化

1.极小型转化成极大型

x_return = max(x)-x; 
% x为处理的列向量，max(x)取得列向量中的最大值
% 广播机制使得max(x)扩充为和x同型的列向量

2.中间型转换成极大型

距离best最远的为0分，best为1分，根据xi距离best的距离换算得分，这样就变成了极大型

best = input

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

级数展开

关注关注

9
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

TOPSIS法 —— matlab

PY洋洋

01-30

1万+

1.TOPSIS法介绍 2. 计算步骤（1）数据标准化（2）得到加权后的矩阵（3）确定正理想解和负理想解（4）计算各方案到正（负）理想解的距离（5）计算综合评价值 3.实例研究 3.1 读取数据 3.2 数据标准化 3.3 得到信息熵 3.4 计算权重并计算权重数据 3.5得到最大值和最小值距离 3.6 计算得分总代码

数学建模笔记二，优劣解距离法TOPSIS（评价类问题）

qq_44892550的博客

07-06

1921

建模小白的自学分享之路注：本文是对数学建模的学习笔记，来源于清风“数学建模算法讲解” 优劣解距离法TOPSIS笔记一.TOPSIS介绍引入二.一个指标的评价1. 优化2.补充一.TOPSIS介绍 TOPSIS可翻译为理想解排序法，国内常称为优劣解距离法。TOPSIS是一种常用的综合评价方法。其能充分利用原始数据的信息。其结果能精确的反映各评价方案之间的差距。引入对于上次提到的层次分析法，我们可以用它来得到各评价方案的得分以及评价方案用的指标的指标权重。但是层次分析法是有局限性的。一，决策层不能.

参与评论您还未登录，请先登录后发表或查看评论

数模第二次作业：TOPSIS法计算得分

qq_52641289的博客

10-18

487

学习数模自用，方便队友复制粘贴写论文。

TOPSIS算法

CNSuperhero的博客

07-19

2021

TOPSIS

【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

最新发布

YQ_LP的博客

02-16

361

数学建模导论二 [202502] 笔记开源内容：https://github.com/datawhalechina/intro-mathmodel在线学习网站：http://www.datawhale.cn/learn/summary/85课程编号：085

TOPSIS法

qq_54809548的博客

06-29

6076

译为：逼近理想解排序法，常简称为优（最大值）劣（最小值）解距法。是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反应各评价方案之间的差距。指标可分为：（可能题目中都涉及）1.极大型指标(效益型指标) ：比如成绩越高越好2.极小型指标(成本型指标) : 比如与他人争吵次数越少越好在处理前，首先需要统一指标类型将所有指标转化为极大型称为指标正向化（最常用）极小转极大公式： max-x为消除不同指标量纲(即单位)的影响，需要对已经正向化的矩阵进行标准化处理标准化处理计算公式：如何

topsis中指标的正向化.zip

05-13

TOPSIS中各种指标的正向化（极小，中间，区间）,将极小型指标，中间型指标，区间型指标化为极大型，是根据清风老师的课件整理的

建模学习笔记（二）Topsis模型算法步骤

weixin_47066458的博客

02-14

8706

三点解释比较的对象一般要远大于两个。（例如比较一个班级的成绩）比较的指标也往往不只是一个方面的，例如成绩、工时数、课外竞赛得分等。有很多指标不存在理论上的最大值和最小值，例如衡量经济增长水平的指标：GDP增速。指标分类极大型指标（效益型指标）：越高（大）越好，如：成绩极小型指标（成本型指标）：越少（越小）越好，如坏品率中间型指标：越接近某个值越好，如水质量评估时的PH 区间型指标：落在某个区间最好，如体温，水中植物性营养物量建模步骤 1.将原始矩阵正向化 极小型指标 ->

数学建模——TOPSIS法

lmx1458070445的博客

08-26

3088

学习小结——TOPSIS法基本原理基本概念TOPSIS法详细过程步骤a 统一指标类型步骤b 正向化矩阵标准化，消除量纲步骤c 计算对象与最优/最劣方案的距离步骤d 计算得分并归一化代码汇总基本原理基本概念 TOPSIS法（逼近理想解排序法）：常称为优劣解距离法，是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距 TOPSIS法基本过程：将数据矩阵统一指标类型（一般正向化处理）标准化处理消除量纲计算对象与最优/最劣方案的距离计算得分并归一化 TO

评价类模型（二）TOPSIS法（优劣解距离法）

m0_74246769的博客

01-29

1609

注意：层次分析法和带权重的TOPSIS法都要使用熵权法来进行客观赋值！极小型指标（成本型指标）：越小（少）越好。1、极大型指标（效益型指标）：越大（多）越好。公式：max-x (如果所有的元素均为正数，那么也可以使用倒数1/x)2、正向化矩阵标准化（标准化的目的是消除不同指标量纲的影响）1、原始矩阵正向化（即将所有类型的指标都转化为极大型）考虑指标权重不同：（即带权重的TOPSIS）（1）极小型指标 to 极大型指标。（2）中间型指标 to 极大型指标。（3）区间型指标 to 极大型指标。

TOPSIS法详细原理+MATLAB代码

weixin_62616638的博客

12-05

9702

❑ TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法是一种多属性决策方法，通过比较备选解与理想解之间的距离来确定最佳的排序顺序。正理想解是在每个属性上都达到最佳值的解，而负理想解则是在每个属性上都达到最差值的解。❑ 为了确定备选解与理想解的距离，首先计算每个备选解与理想解之间的欧式距离或其他合适的距离度量。然后，计算备选解与理想解之间的正标准化距离和负标准化距离。

数学建模方法之TOPSIS优劣解距离法

L15364283的博客

01-29

2071

在前面的学习中，我们学习了层次分析法，但是层次分析法还有很多的缺陷，比如：（1）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很大。平均随机一致性指标RI的表格中n最多是15。（2）如果决策层中指标的数据是已知的，那么我们如何也无法利用这些数据来使得评价的更加准确。所以我们引出了TOPSIS法去解决这一系列问题。 TOPSIS （Technique for Order Preference by Similarity to an Ideal Solution ）法是C.

算法总结.

weixin_52481403的博客

11-07

891

根据65123.pdf阅读所知，我们了解到了主要是本篇论文是主要是为了解决城市规划问题，在此篇论文之中，我们了解到了本篇论文采用了层次分析法，TOPSIS算法，k-means算法，svm算法，等等本次分析也主要是解析这几种算法。 K-means算法是无监督学习领域最为经典的算法之一。接触聚类算法。K均值聚类是最基础常用的聚类算法。它的基本思想是，通过迭代寻找K个簇（Cluster）的一种划分方案，使得聚类结果对应的损失函数最小。其中，损失函数可以定义为各个样本距离所属簇中心点的误差平方和。K-means算法

【数学建模入门】TOPSIS算法

YangJinHong2003的博客

12-20

3818

TOPSIS法可翻译为逼近理想解排序法，国内常简称为优劣解距离法与层次分析法相比，topsis的先决条件是有初始的数据，所以我们更应该通过这些数据进行分析。

【数学建模】TOPSIS法（优劣解距离法）

shaozheng0503的博客

08-25

2779

TOPSIS法是一种综合评价方法，其全称为“Technique for Order Preference by Similarity to Ideal Solution”，中文可译为“逼近理想解排序法”，国内常简称为优劣解距离法。该方法能充分利用原始数据信息，结果能够精确反映各评价方案之间的差距。TOPSIS法的基本思想是基于每个方案与理想解（最优解）和负理想解（最劣解）的距离来评价方案的好坏。TOPSIS法是由C.L.Hwang和K.Yoon于1981年提出的。

MATLAB实现的TOPSIS优劣解距离法工具箱

资源摘要信息:"topsis_matlab优劣解距离法_topsis_" 知识点一：多属性决策分析方法（TOPSIS） TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一种多属性决策分析方法，中文名为逼近...