TOPSIS方法研究讲解
TOPSIS方法介绍
TOPSIS 方法介绍TOPSIS 法是C. L. Hwang 和K. Yoon 于1981年首次提出，是多目标决策分析中一种常用的有效方法。
仍设有m 个备选方案，n 项评价指标，第i 方案的第j 项指标值为ij x ，TOPSIS 法基本步骤如下：（1）建立初始化决策矩阵111212122212n n m m mn x x x x x x X x x x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦L LL L L L L（2）决策矩阵规范化处理将最优指标规范化后为1，最劣指标规范化后为0，ij y 为规范化后的指标，规范化公式如（4-9）与（4-10），可以得到标准化判断矩阵：111212122212n n m m mn y y y y y y Y y y y ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦L L L L L L L（3）决策加权矩阵根据4.4.1节熵值法获得的权重，得到属性权重矩阵：12000000n B ωωω⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦L L L L L L L则决策加权矩阵如下：111211111212122222122212120000=0n n n n m m mn n m m mn y y y f f f y y y f f f F y y y f f f ωωω⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦L L L L L L L L L L L L L L L L L L LLL（4）确定正理想解和负理想解“正理想解”和“负理想解”是TOPSIS 法中的两个基本概念，其定义如下： 定义8 正理想解（positive ideal solution ）：是指最优的方案，该方案的各个属性值都达到各备选方案中的最好的值。
定义9 负理想解（negative ideal solution ）：是指最劣的方案，该方案的各个属性值都达到各备选方案中的最差的值。
正理想解j f *：()()12max ,min ,ij jij f j J f f j J *⎧∈⎪=⎨∈⎪⎩负理想解0j f ：()()102min ,max ,ij jij f j J f f j J ⎧∈⎪=⎨∈⎪⎩式中，1J ——效益型指标；2J ——成本型指标。
topsis-模糊综合评判法
TOPSIS与模糊综合评判法：多属性决策方法比较与选择一、引言在决策分析中，多属性决策问题是一个常见的问题类型。
这些问题涉及多个属性或指标，需要对这些属性进行权重分配和综合评价，以确定最优方案。
TOPSIS和模糊综合评判法是两种常用的多属性决策分析方法。
本文将介绍这两种方法，并通过比较它们的优缺点，为实际应用提供选择依据。
二、TOPSIS 方法TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一种多属性决策分析方法，它通过计算每个方案与理想解和负理想解的距离，来评估方案的优劣。
理想解是所有方案中最好的解，负理想解是最差的解。
步骤：1.构建属性权重向量，确定各属性的权重。
2.归一化属性值，将各属性的值转换到同一量纲。
3.计算每个方案与理想解和负理想解的距离。
4.计算每个方案的相对接近度，根据相对接近度的大小，对方案进行排序。
优点：1.可以处理不同的属性类型，包括效益型、成本型和区间型。
2.可以考虑属性的不同权重。
3.易于理解和计算。
缺点：1.对数据分布敏感，如果数据分布不均匀，可能导致评价结果失真。
2.对属性值的小幅变化敏感，可能导致评价结果不稳定。
三、模糊综合评判法模糊综合评判法是一种基于模糊逻辑的多属性决策分析方法。
它通过模糊集合和模糊规则来描述属性之间的模糊关系，从而对方案进行综合评价。
步骤：1.确定属性集合和方案集合。
2.确定属性之间的模糊关系，建立模糊矩阵。
3.确定属性权重向量，确定各属性的权重。
4.进行模糊运算，得到每个方案的隶属度和优先度。
5.根据隶属度和优先度对方案进行排序。
优点：1.可以处理不确定性和模糊性。
2.可以考虑属性的不同权重。
3.可以结合专家的经验和知识。
缺点：1.对模糊规则的描述需要较高的专业知识水平。
2.计算复杂度高，需要较高的计算成本。
3.对数据分布的稳定性要求较高。
四、比较与选择通过对TOPSIS和模糊综合评判法的介绍和比较，我们可以发现它们各有优缺点。
TOPSIS_综合评价法
TOPSIS_综合评价法TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）综合评价法是一种多属性决策方法，用于评价多个方案或决策对象的优劣。
其基本思想是将各个方案与理想解进行比较，根据它们之间的相似性确定最优方案。
以下是对TOPSIS综合评价法的详细介绍。
首先，TOPSIS方法的关键是确定一个参考点，即理想解。
理想解有两个不同的情况，一个是最大化的理想解，即所有属性中最好的值；另一个是最小化的理想解，即所有属性中最坏的值。
通过确定理想解，我们可以将各个方案与其进行比较，从而确定最优方案。
其次，TOPSIS方法需要对各个方案进行属性权重的确定。
属性权重反映了各个属性对决策结果的重要程度，可以通过专家判断、统计分析等方法来确定。
属性权重的确定需要考虑到实际情况和需求，以使得评价结果更加准确和可信。
然后，TOPSIS方法通过计算各个方案与理想解之间的相似性来评价它们的优劣。
相似性可以使用欧几里得距离、闵可夫斯基距离等度量方法来计算。
对于最大化的理想解，相似性越大，方案越优；对于最小化的理想解，相似性越小，方案越优。
通过计算方案与理想解之间的相似性，我们可以得出一个综合评价值，用于比较各个方案的优劣。
最后，TOPSIS方法可以通过综合评价值的大小来确定最优方案。
评价值越大，方案越优；评价值越小，方案越差。
通过对各个方案的综合评价值进行排序，我们可以确定最优方案。
TOPSIS方法的优点是简单易懂，计算简单快速。
其基本思想也符合人们在实际决策中的常识。
此外，TOPSIS方法还可以考虑不同属性的重要程度，对于不同属性给予不同的权重。
这使得TOPSIS方法更加灵活和适应不同的决策问题。
然而，TOPSIS方法也存在一些局限性。
首先，TOPSIS方法对属性值的数据类型要求较高，只能处理数值类型的属性值。
对于其他类型的属性值，需要进行适当的转换才能应用TOPSIS方法。
topsis
TOPSIS（Technique for Order of Preference by Similarity to IdealSolution）算法简介TOPSIS（Technique for Order of Preference by Similarity to Ideal Solution）算法是一种多准则决策分析方法，用于在给定的一组候选项中，选择出最佳的解决方案。
该算法是在研究和探索决策问题中非常有用的工具之一。
TOPSIS算法的思想是通过将每个候选项与理想解决方案进行比较，然后评估它们之间的相似性，从而确定最佳的解决方案。
该算法的关键步骤包括：计算正向理想解决方案、负向理想解决方案以及每个候选项与这两个解决方案之间的相似性。
算法步骤1.构建决策矩阵：将问题转化为一个决策矩阵，其中的每一行代表一个候选项，每一列代表一个准则。
2.归一化决策矩阵：对于每个准则，将其值标准化在[0, 1]范围内。
常用的标准化方法包括线性标准化和零一标准化。
3.确定正向理想解决方案和负向理想解决方案：根据每个准则的类型，确定正向理想解决方案和负向理想解决方案。
对于最大化的准则，正向理想解决方案的值为每个准则的最大值，负向理想解决方案的值为每个准则的最小值。
对于最小化的准则，正向理想解决方案的值为每个准则的最小值，负向理想解决方案的值为每个准则的最大值。
4.计算每个候选项与正向理想解决方案的相似性：通过计算每个候选项与正向理想解决方案之间的欧氏距离，得到每个候选项与正向理想解决方案的相似性。
5.计算每个候选项与负向理想解决方案的相似性：通过计算每个候选项与负向理想解决方案之间的欧氏距离，得到每个候选项与负向理想解决方案的相似性。
6.计算综合评价指数（Closeness Coefficient）：通过计算每个候选项与正向理想解决方案的相似性与与负向理想解决方案的相似性之比，得到每个候选项的综合评价指数。
7.根据综合评价指数排序：按照综合评价指数对候选项进行排序，得到最佳的解决方案。
TOPSIS方法介绍
TOPSIS方法介绍TOPSIS（Technique for Order Preference by Similarity toIdeal Solution）方法是一种多属性决策分析方法，用于帮助决策者选择最佳解决方案。
TOPSIS方法通过比较每个解决方案与理想解决方案的相似程度，将解决方案排序，从而快速准确地选择最佳解决方案。
1.选择评价指标：首先，决策者需要确定用于评估解决方案的评价指标。
这些评价指标可以包括成本、效益、可持续性等。
决策者需要根据具体情况选择适当的评价指标。
2.确定权重：决策者需要为每个评价指标分配权重，以反映其重要性。
这些权重可以根据决策者的主观判断或使用数学模型进行确定。
3.构建决策矩阵：构建一个决策矩阵，其中每一行代表一个解决方案，每一列表示一个评价指标。
根据所选择的评价指标，将每个解决方案在每个指标上的表现分值填入矩阵中。
4.标准化决策矩阵：对决策矩阵进行标准化处理，以消除不同指标之间的量纲差异。
可以使用最大最小标准化方法或者正向化方法。
5.构建加权标准化矩阵：将标准化的决策矩阵与权重向量相乘，得到加权标准化矩阵。
这一步可以将权重考虑到标准化的决策矩阵中。
6.确定理想解决方案和负理想解决方案：根据每个指标的性质（例如成本指标越小越好，效益指标越大越好），确定理想解决方案和负理想解决方案。
7.计算与理想解决方案和负理想解决方案的相似程度：计算每个解决方案与理想解决方案和负理想解决方案之间的距离（可以使用欧几里得距离或其他距离度量方法）。
距离越小，说明解决方案越接近理想解决方案。
8.计算相对接近度指标：根据与理想解决方案和负理想解决方案的距离，计算每个解决方案的相对接近度指标。
相对接近度指标越大，说明解决方案越优秀。
9.排序和选择最佳解决方案：根据相对接近度指标，将解决方案进行排序，选取最高的几个作为最佳解决方案。
综上所述，TOPSIS方法是一种有效的多属性决策方法，可以帮助决策者在面对多个评价指标的情况下选择最佳解决方案。
评价类模型——TOPSIS法（优劣解距离法）
评价类模型——TOPSIS法（优劣解距离法）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，国内常简称为优劣解距离法TOPSIS 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。
基本过程为先将原始数据矩阵统⼀指标类型（⼀般正向化处理）得到正向化的矩阵，再对正向化的矩阵进⾏标准化处理以消除各指标量纲的影响，并找到有限⽅案中的最优⽅案和最劣⽅案，然后分别计算各评价对象与最优⽅案和最劣⽅案间的距离，获得各评价对象与最优⽅案的相对接近程度，以此作为评价优劣的依据。
该⽅法对数据分布及样本含量没有严格限制，数据计算简单易⾏。
例题1：请你为以下四名同学进⾏评分，该评分能合理的描述其⾼数成绩的⾼低。
分析：此评价指标只有⼀项即“成绩”，评价对象为4个。
topsis分析⽅法如下：解：1.取指标成绩中，最⾼成绩max ： 99 最低成绩min：60构造计算评分的公式：2.根据评分公式为每⼀评价对象进⾏打分，构建如下评分表格、并归⼀化3.打分完成，接下来可以由评分确定谁的成绩最好，谁的最差。
可见，清风的成绩最好，⼩王的最差例题2：请你为以下四名同学进⾏评分，该评分能合理的描述其综合评价。
分析：例题1考虑的评价指标只有⼀个，例题2转化为两个评价指标，且评价时指标⼀（成绩）应该越⼤越好，指标⼆（与他⼈争吵次数）应该越⼩越好。
这就引发⽭盾，怎么确定评分使得兼顾两种不同取向的指标？注：成绩是越⾼（⼤）越好，这样的指标称为极⼤型指标（效益型指标）。
与他⼈争吵的次数越少（越⼩）越好，这样的指标称为极⼩型指标（成本型指标）。
解：1.将所有的指标转化为极⼤型指标，即指标正向化。
极⼩型指标转换为极⼤型指标的公式：max-x正向化后得到的表格如下：2. 为了消去不同指标量纲的影响，需要对已经正向化的矩阵进⾏标准化处理。
topsis 变异系数法
topsis 变异系数法摘要：1.TOPSIS 简介2.TOPSIS 变异系数法的原理3.TOPSIS 变异系数法的应用4.TOPSIS 变异系数法的优缺点正文：【1.TOPSIS 简介】TOPSIS（Technique for Ordering Preference by Similarity to Ideal Solution）是一种排序方法，其主要用于根据偏好顺序对多个方案进行排序。
TOPSIS 方法最初由Hwang 和Yang 于1982 年提出，它主要基于对理想解决方案的相似度进行排序。
【2.TOPSIS 变异系数法的原理】TOPSIS 变异系数法是TOPSIS 方法的一种扩展，它通过计算变异系数来衡量各个方案的优劣。
变异系数是方案的平均变异程度，它反映了方案的离散程度。
TOPSIS 变异系数法的原理是，首先计算各个方案的变异系数，然后根据变异系数对方案进行排序，变异系数越小，方案越优。
【3.TOPSIS 变异系数法的应用】TOPSIS 变异系数法广泛应用于多准则决策分析、项目评估、产品选型等领域。
例如，在多准则决策分析中，TOPSIS 变异系数法可以用于对多个方案进行排序，以便于决策者进行选择。
在项目评估中，TOPSIS 变异系数法可以用于对多个项目进行排序，以便于投资者进行投资决策。
在产品选型中，TOPSIS 变异系数法可以用于对多个产品进行排序，以便于消费者进行购买决策。
【4.TOPSIS 变异系数法的优缺点】TOPSIS 变异系数法的优点在于，它可以对多个方案进行排序，以便于决策者进行选择。
此外，TOPSIS 变异系数法考虑了方案的离散程度，因此，它可以更准确地衡量各个方案的优劣。
TOPSIS 变异系数法的缺点在于，它只考虑了方案的平均变异程度，而没有考虑方案的离散程度。
TOPSIS方法研究讲解
TOPSIS方法研究讲解TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) 方法是一种多属性决策方法，用于评估多个候选解的优劣。
该方法基于候选解与理想解的相似性，通过计算每个候选解与理想解的距离，确定最优解。
TOPSIS方法的步骤如下：1.确定决策指标：首先，需要明确用于评估的决策指标。
决策指标可以是数值型，例如利润、成本或效益，也可以是质性的，如市场份额或品牌评级。
决策指标应代表决策问题的关键要素。
2.归一化决策矩阵：决策矩阵是由多个候选解在不同决策指标下的取值组成。
为了在不同决策指标之间进行比较，需要将决策矩阵进行归一化处理。
常用的归一化方法有线性变换和标准化等。
3.构建评估矩阵：根据候选解在每个决策指标上的取值，构建归一化后的评估矩阵。
评估矩阵的行表示候选解，列表示决策指标。
4.确定理想解：在TOPSIS方法中，理想解有两个：正理想解和负理想解。
正理想解是在每个决策指标上取最大值时得到的解，负理想解则是在每个决策指标上取最小值时得到的解。
正理想解代表了最好的性能，而负理想解代表了最差的性能。
5.计算每个候选解与理想解之间的距离：使用欧氏距离或其他距离度量方法，计算每个候选解与正理想解和负理想解之间的距离。
距离越小，候选解与理想解越接近。
6.确定每个候选解与理想解之间的相似度：根据候选解与正理想解之间的距离和候选解与负理想解之间的距离，计算每个候选解与理想解之间的相似度。
相似度越大，候选解越接近理想解。
7.确定最优解：根据每个候选解与理想解之间的相似度，确定最优解。
相似度最大的候选解即为最优解。
TOPSIS方法的优点是能够考虑多个决策指标，客观地评估候选解的优劣。
它将决策问题转化为数学模型，使得决策过程更加系统化和科学化。
此外，TOPSIS方法还可以通过调整决策指标的权重，考虑不同指标对最终结果的影响。
topsis方法讲解
0.2095 0.4191 0.2794 0.8381
0.9410 0.2091 0.1882 0.1882
0.2167 0.5688 0.4550 0.6500
把归一化后的表列成矩阵可知
正理想解： Z＋＝(0.8381, 0.9410, 0.6500)
负理想解： Z－＝(0.2095, 0.1882, 0.2167)
方案
每个寝室人数 宿舍楼（电）
/人
梯出口/个
人口密度
方案1
8
方案2
4
方案3
6
方案4
2
2
0.21
9
0.08
10
0.1
10
0.07
评价安全性指标转化表
安全性指标
基于宿舍方案指标
关系
同寝室人数
每个寝室人数
反比
人流量
宿舍楼梯、电梯出口
反比
管理难度
宿舍楼人口密度
反比
▪ 为了符合人类常规思维模式，用倒数法，
将所有负向指标都转化为正向指标
0.5035
1
学生宿舍设计方案评价模型 ——逼近理想解排序法（TOPSIS）篇
——张雄丰 曹辉辉
问题:
从经济性、舒适性和安全性等方面 考虑学生宿舍的价值性。
TOPSIS方法
▪ TOPSIS方法是一种逼近理想解排序方法，
其基本思想是：
▪
把综合评价的问题通过列成矩阵，通
过矩阵归一确定理想解和负理想解，然后
通过计算每一个被评价对象与理想解和负
用倒数法同趋化后的表
方案
每个寝室人数
宿舍楼（电） 梯出口
人口密度
方案1 方案2 方案3 方案4
多属性决策中的TOPSIS法研究
三、结论
本次演示提出了一种基于TOPSIS的混合型多属性群决策方法。该方法将 TOPSIS方法和权重参数相结合，可以更好地反映多属性群决策问题中各属性的重 要性。通过确定理想解和负理想解以及计算距离和综合得分，该方法可以有效地 解决多属性群决策问题。
谢谢观看
因此，本次演示旨在研究TOPSIS法的应用，同时探讨其改进方法，为多属性 决策问题提供更准确的解决方案。
文献综述
TOPSIS法是由韩国学者首次提出的一种多属性决策方法。自提出以来， TOPSIS法在多个领域得到了广泛的应用，并逐渐成为一种主流的多属性决策方法。 在现有研究中，TOPSIS法主要应用于供应商选择、项目评估、投资决策等领域。 与此同时，研究者们也对TOPSIS法进行了一些改进，如通过引入新的评价函数来 减少主观性等。
在实际决策问题中，属性值往往同时具有这两种不确定性。例如，对于一个 产品的质量评价，评价者可能对产品的某些方面有很明确的看法（如使用年限）， 而对其他方面（如外观设计）的看法则可能比较模糊。此外，评价者也可能对产 品的各方面都有一个大致的评价范围（如8-10分）。在这种情况下，我们需要一 种方法能够同时处理这两种不确定性。
二、TOPSIS方法介绍
TOPSIS是一种常用的多属性决策方法，它的基本思想是在理想解和负理想解 之间选择一个最优解。理想解是指所有属性都达到最优值的解，而负理想解则是 所有属性都达到最劣值的解。TOPSIS方法首先计算每个方案到理想解和负理想解 的距离，然后计算每个方案的相对接近度，最后选择相对接近度最大的方案作为 最优解。
2、选择属性和权重：根据问题需求选择适当的属性，并确定各属性的权重。 3、确定理想解和负理想解：计算出各方案与理想解和负理想解之间的距离。
TOPSIS方法研究讲解
TOPSIS分析方法研究摘要本文主要介绍了TOPSIS分析方法理论及其主要思想，运用数学理论，对其算法进行了详细的分析，并指出原始方法存在的优缺点；在此基础上提出了一种改进的TOPSIS分析方法，给出具体求权重的方法，突出其客观公正性.本文还分析了TOPSIS方法逆序产生的原因及其改进的方法，突出其实用性，推广其应用范围.关键词TOPSIS法; 改进的TOPSIS; 权重；逆序TOPSIS ANALYSIS METHODABSTRACTThis paper describes a method of theory—TOPSIS, and its main idea. Using mathematical theory, its algorithm for a detailed analysis and noted the advantages and disadvantages of the original methods. On this base ,an improved TOPSIS method is given, and specific for weight, in order to highlight its objective impartiality. The paper also analyzes the causes of TOPSIS Reverse and its improved methods, highlight its practicality and the promotion of its use.Keywords TOPSIS method; Improved TOPSIS; weight; Reverse目录中文摘要 (Ⅰ)英文摘要 (Ⅱ)引言 (1)1 一般TOPSIS分析方法1.1 TOPSIS分析方法概念 (2)1.2 TOPSIS分析方法的一般解题步骤 (2)1.3 应用实例 (4)2 改进的TOPSIS法2.1 一般TOPSIS解法的缺点 (5)2.2 改进的TOPSIS法 (5) (5)2.2.2 指标权重的确定 (6)2.2.3 各方案优劣排序 (7)2.3 实例分析 (7)3. 关于TOPSIS法的逆序问题 (9)3.1 逆序产生的原因 (9)3.1.1 由于增加新的方案产生逆序 (9)3.1.2 由于指标权重改变原始数据结构产生逆序 (10)3.2 逆序消除的方法 (11)结论 (13)参考文献 (13)引言TOPSIS的全称是“逼近于理想值的排序方法”(Technique for Order Preference bv Similarity to Ideal Solution)，是Hwang和Yoon于1981年提出的一种适用于根据多项指标、对多个方案进行比较选择的分析方法.这种方法的中心思想在于首先确定各项指标的正理想值和负理想值，所谓正理想解是一设想的最好值(方案) ,它的各个属性值都达到各候选方案中最好的值,而负理想解是另一设想的最坏值(方案)，然后求出各个方案与理想值、负理想值之间的加权欧氏距离，由此得出各方案与最优方案的接近程度，作为评价方案优劣的标准.TOPSIS法是有限方案多目标决策的综合评价方法之一，它对原始数据进行同趋势和归一化的处理后，消除了不同指标量纲的影响，并能充分利用原始数据的信息，所以能充分反映各方案之间的差距、客观真实的反映实际情况，具有真实、直观、可靠的优点，而且其对样本资料无特殊要求，故应用日趋广泛.TOPSIS法较之单项指标相互分析法，能集中反映总体情况、能综合分析评价，具有普遍适用性.例如，其在评价卫生质量、计划免疫工作质量、医疗质量；评价专业课程的设置、顾客满意程度、软件项目风险评价、房地产投资选址；评价企业经济效益、城市间宏观经济效益、地区科技竞争力、各地区农村小康社会等方面都已得到广泛、系统的应用.尽管如此，该方法在评价各类不同问题过程中还存在着不同的问题，例如权重信息是事先给定，因此结果有一定主观性；另外此方法在应用中由于新增加方案而容易产生逆序问题等，需要对其进行更加具体深入的分析研究.1．一般TOPSIS 分析方法1．1 TOPSIS 分析方法概念TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)称为逼近于理想解的排序方法.它的基本思想是：对归一化后的原始数据矩阵，确定出理想中的最佳方案和最差方案，然后通过求出各被评方案与最佳方案和最差方案之间的距离，得出该方案与最佳方案的接近程度，并以此作为评价各被评对象优劣的依据.假设有m 个目标，每个目标都有n 个属性，则多属性决策问题的数学描述如式(1)所示：Z=max ／min{ij z | i=l ，2，…m ，j=l ，2，….n} (1)1．2 TOPSIS 分析方法的一般解题步骤○1．设有m 个目标(有限个目标)，n 个属性,专家对其中第i 个目标的第j 个属性的评估值为ij x ,则初始判断矩阵V 为：1112121222112n ni ijm mmn x x x x x x V x x x x x =(2)○2．由于各个指标的量纲可能不同，需要对决策矩阵进行归一化处理：'''11121'''21222''1'''12'nni ijmm mnx x x x x x V xxx x x =(3)其中'ijx =ij x …m; j=1,2…n. （4）○3．根据DELPHI 法获取专家群体对属性的信息权重矩阵B ，形成加权判断矩阵：'''111121'''221222'''1'''120000n nji ijnm m mnw x x x w x x x Z V B w x x w x x x ===1112121222112n ni ijm m mnf f f f f f f f f f f （5）○4．根据加权判断矩阵获取评估目标的正负理想解：正理想解：**'max(),min(),ijj ij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,j n = (6) 负理想解：*''m i n (),m a x (),ij jij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,jn = (7) 其中，*J 为效益型指标，'J 为成本型指标. ○5．计算各目标值与理想值之间的欧氏距离：*1,2,...,,iS j n == (8)',1,2,...,.iS j n == (9) ○6．计算各个目标的相对贴近度：*'*'/(),1,2,...,.i i i i C S S S i m =+= (10)○7．依照相对贴近度的大小对目标进行排序，形成决策依据.1.3应用实例某公司需要对其信息化建设方案进行评估，方案由4家信息咨询公司分别提供，记为方案一(S1)、方案二(S2)、方案三(S3)、方案四(S4). 每套方案的评估标准均包括以下6项内容：Pl(目标指标)、P2(经济成本)、P3(实施可行性)、P4(技术可行性)、P5(人力资源成本)、P6(抗风险能力).，四个方案作为4个目标，6个评价标准作为6个属性. 其中，P2和P5是成本型指标，其他为效益型指标. 这里每个目标所对应的属性值均由4名评估专家分别给出，表l 列出了去模糊化之后4位专家评估值的集结结果，并把它作为多属性决策的初始矩阵，每个属性在评估结果中所占的比重(W)根据德尔菲法获得，整个决策方法的处理步骤如下所述：表1 专家评估值结果表○1．初始条件：根据表l 的专家决策结果生成初始判断矩阵V 利用德尔菲法则，生成集结后的群体偏好矩阵：T (2.3,5.1,4.0,6.5,4.8,3.2)B .○2．正、负理想解如下： ○3．结果(计算贴近度)：*i C = （0.6621，0.4666，0.6106，0.5851），依据*i C 从小到大的顺序对决策方案进行排序可知2C 〈4C 〈3C 〈1C ，表明方案一更优.结果分析: 根据方案的排序结果，可以看出, 技术可行性占方案的比重最大，经济成本次之，他们对整个评估结果的影响也最大.2.改进的TOPSIS 法2.1 一般TOPSIS 解法的缺点从TOPSIS 法的排序决策步骤可知，TOPSIS 法存在如下的缺点：① 用(4)式求规范决策矩阵时比较复杂，不易求出正理想解和负理想解；②权重j ω (j=l ，2，… ，n)是事先确定的，其值通常是主观值，因而具有一定的随意性；③当方案i z ，j z 关于*f 和'f 的连线对称时，由于*i f =*j f ，'i f ='j f ， 因而无法比较i z 、j z 的优劣. 文献[10]提出了一种改进的TOPSIS 法，既保留了TOPSIS 法的优点，同时又克服了TOPSIS 法存在的三个缺点.2.2 改进的TOPSIS 法此处举一工程招标的例子来说明改进的TOPSIS 法的求解步骤. 一般来说，对承包单位的选择需要从招标单位的利益出发，考虑的因素包括投标单位的工程报价、工程工期等等，由于评标方案有多指标性特点，各方案指标的优劣程度可能会不统一. 除此之外，在这类评标过程中，对客观、公正性要求较高，因此，我们运用改进的理想解法对各个承包单位进行优选.设经过资格初审后的投标单位有m 家，评标采用的指标有n 个，设第i 家投标单位的第j 个指标值为ij x ，构成一个m 行n 列的评价矩阵：A=n m ij x ⨯)(. 显然ij x 是从各投标单位在投标或资格初审时提供的资料中获取的. 求解步骤：○1．求矩阵进行规范化，将其统一为效益型指标，得到标准化矩阵()ij m n R r ⨯=对于效益型指标min max min max min max min ()/(),1.ij j j j j j ij j j x x x x x x r x x --≠⎧=⎨=⎩(1)对于成本型指标max max min max min max min ()/(),1.j ij j j j j ij j j x x x x x x r x x --≠⎧=⎨=⎩(2)②. 确定标准化矩阵的理想解：*11max ,min ,ij i m j ij i mr j J r r j J +≤≤-≤≤⎧∈⎪=⎨∈⎪⎩ ， 1,2,...j n = . （3） 其中J +为效益型指标集，J -为成本型指标集，*j r 表示第j 个指标的理想值.显然，对于矩阵R ，因为都统一为效益型指标了，故理想解*j R =(1，1，…，1)，负理想解j R -=(0，0，…，0). 2.2.2 指标权重的确定从上面的分析中可知，应用改进理想解法进行评价必须先确定各指标的权重. 确定指标权重通常有两类方法：一类是主观方法，如专家打分法、层次分析法、经验判断法等；另一类是客观方法，如熵权计算法、主成分分析法等. 因评标过程中，指标的权重对被评价对象的最后得分影响很大，要做到评标尽可能客观，所以采用客观计算法来计算指标的权重比较合适. 即根据决策矩阵的数值信息建立目标规划优化评标模型，通过一定的高等数学求解方法来计算权重.求解步骤：设有指标1G ,2G ,…，n G ，对应的权重分别为1w ,2w ,…，n w , 各方案正理想解和负理想解的加权距离平方和为12()(,,....)i i n f w f w w w ==22211(1)nnj ij j j j w r w ==-+∑∑2ij r (4)在距离意义下，()i f w 越小越好，由此建立如下的多目标规划模型12min ()((),(),.....())m f w f w f w f w = ， (5)其中 11nj j ω==∑，0,1,2,...,j j n ω≥=.由于()0,1,2,....,,i f w i m ≥=上述多目标规划可以化为单目标规划1min ()()mi j f w f w ==∑， (6)其中 11nj j ω==∑，0,1,2,...,j j n ω≥=.构造拉格朗日函数222111(,)((1))(1)mnnjij ijj i j j F w w r r w λλ====-+--∑∑∑. (7)令 22112((1))010mj ij ij j i nj j F w r r w F w λλ==∂=-+-=∂∂=-=∂⎧∑⎪⎨∑⎪⎩（8）解之得 1/,nj j j j w μμ==∑ . （9）其中 2211/((1))mj ij ij i r r μ==-+∑. （10）2.2.3 各方案优劣排序根据（4）式可求出各方案()i f w 的值，将其由大到小排序，即可得优劣顺序.2.3 实例分析某公司拟向国内外招标，现有数家单位投标，经资格预选后，有4家单位达到条件标准，可参与最后的竞标，其具体资料如下表所示表2 4家单位竞标资料○1．由上述各指标，显然在评标中优良工程率、施工经验率、合同完成率是作为效益指标处理；其他作为成本型指标处理. 这些指标构成决策矩阵 46()(1,2,3,4;1,2,...,6)ij X x i j ⨯===，按改进理想解的步骤，首先由 （1）（2）式对ij x 进行标准化处理得标准化矩阵46()ij Y y ⨯= ，计算结果见表3.表3 ij x 经标准化处理后得标准化矩阵Y○2．根据标准化矩阵y ，用本文给出求权重的方法，即由式(9)可求得各指标的权重分别为j W = ( 0.1905, 0.1548,0.1548, 0.1905, 0.1548,0.1548)T .○3．利用改进理想解法，求得()if ω的值并排序.由(4)式得： ()i f ω=(0.024，0.0525，0.1128，0.1206)1234()()()()f f f f ωωωω<<<，因此，方案优劣排序为：甲>乙>丙>丁.从上述结果可知，改进理想解法的评标结果同文献[8]中的线性规划优化模型评标结果相吻合. 这表明，将改进理想解法应用于工程评标是合理有效的，且在技术操作上显得更简便、易行.3.关于TOPSIS 法的逆序问题3.1 逆序产生的原因3.1.1 由于增加新的方案产生逆序下面，举一个简单的例子来说明使用传统的TOPSIS 法很容易产生逆序情况.假设多指标问题仅有两个指标(即n=2)，且两指标权重相等，则每一个方案都可以用点12(,)i i i A x x 表示. 设有4个可行方案，分别为1A (1，2)，2A (2，2)，3A (1.9，2.2)，4A (2，3).根据TOPSIS 法计算步骤，首先将原始数据标准化处理，有1A (0.2817，0.4280)， 2A (0.5634，0.4280)， 3A (0.5352，0.4708)， 4A (0.5634，0.6420)，可求得负理想解 A -=(0.2817，0.4280)， 正理想解 *A =(0.5634，0.6420)，点2A 距负理想解的距离 2A S -=0.2817， 距理想解的距离 2*A S =0.2140， 所以点2A 的相对贴近度2222**A A A A S C S S --=+=0.5682 .计算点3A 距负理想解的距离3A S -=0.2571,距理想解的距离3*A S =0.1735, 点3A 的相对贴近度3333*0.5971A A n A A S C S S --==+.可得4个方案的优劣排序为：4A >3A >2A >1A .设现又增加了一个方案 5A (5，2).，则将原始数据标准化后有1A (0.1631，0.3934)，2A (0.3261，0.3934)，3A (0.3098，0.4328)，4A (0.3261，0.5902)，5A (0.8153，0.3934)，由此知负理想解 -A =(0.1631，0.3934)，理想解 *A =(0.8153，0.3934)，点2A 距负理想解的距离为 -2A S =0.1630， 距理想解的距离为 *2A S =0.5273， 点2A 的相对贴近度为 2*A C =0.2361； 点3A 距负理想解的距离为 3A S -=0.1510， 距理想解的距离为 *3A S =0.5294， 点3A 的相对贴近度为 *3A C =0.221． 同理可计算出点4A 和5A 的相对贴近度分别为 *4A C =0.3431，*5A C =0.7682． 这样5个方案的优劣排序为54231A A A A A >>>>, 比较以上两个排序结果可以发现，当只有4个方案时，3A 优于2A ，而增加了一个方案，其他方案均无变化时，2A 优于3A ，出现了逆序.产生逆序的根本原因是因为增加新的决策方案后，决策问题的理想解和负理想解发生了变化，从而引起评价标准的变化，这样就会产生方案优劣顺序的变化.3.1.2 由于指标权重改变原始数据结构而产生逆序当给出各指标权重W=T n ).....21ωωω，，（时，传统的TOPSIS 法是将其直接加权于标准化后的数据.设4个可行方案分别为1A (1，2)，2A (2，2)，3A (1.9，2.1)，4A (2，3). 若不考虑指标的权重，则经过计算可求得4个方案的优劣顺序为4A 〉3A 〉2A 〉1A .现设给出的指标权重为(0.6，0.4)，则标准化后的数据经指标加权后为：1A (0.1690，0.1729)2A (0.3380，0.1729)3A (0.3211，0.1815)4A (0.3380，0.2594),由此知负理想解 1A =(0.1690，0.1729)，理想解 4A =(0.3380，0.2594)，点2A 距负理想解的距离 -2A S =0.169， 距理想解的距离 *2A S =0.0865， 点A2的相对贴近度 *2A C =0.6614； 点3A 距负理想解的距离 -3A S =0.1523， 距理想解的距离 *3A S =0.0797， 点3A 的相对贴近度 *3A C =0.6565． 则4个方案的优劣顺序为 4A >2A >3A >1A与前排序结果相比可以看出，由于在原始数据上人为地乘上权系数，从而改变了原决策数据间的关系结构，从而使排序结果产生逆序．传统TOPSIS 法在计算中直接将指标权重作用于原始数据，这样做不仅会改变原决策数据间的关系结构，而且也不符合权重使用的原意．3.2 逆序消除的方法根据前面模型，传统TOPSIS 法的理想解和负理想解分别为理想解 **'max(),min(),ij jij f j J f f j J ⎧∈⎪=⎨∈⎪⎩ 1,2,..j n = （1） 负理想解 *''min(),max(),ij j ij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,.j n = （2） 由此可以看出，这样定义的理想解和负理想解与决策方案是紧密相连的，因此是相对的. 如果能够定义一种绝对理想解和负理想解(即在决策的有效区域内，任何决策方案都不会比绝对理想解更好，也不会比绝对负理想解差)，则可以证明，这样使用TOPSIS 方法就不会出现逆序的现象.基于这一思想，提出一种改进的TOPSIS 法-RTOPSIS [2]法. RTOPSIS 法的计算步骤为： ①．用向量归一化法对决策矩阵作标准化处理，得到标准化矩阵：y= n m ij y ⨯)( (3)其中，∑==mi ij ij ij x x y 12/ ，i=1，2…m;j=1,2…n.②． 确定绝对理想解和负理想解：绝对理想解和负理想解可以由决策者自己根据对决策问题的了解设定，也可由有关专家根据经验确定.设 ),...,(**2*1*n V V V V =, ），，（----=n V V V V ...21.③．计算各决策方案距绝对理想解和负理想解的距离：*i S = , i=1,2,…,m .(4) i S -=, i=1,2,…,m . (5)④．计算相对贴近**i ii i S C S S --=+ , i=1,2,…,m. ⑤．按照相对贴近度的大小对决策方案进行排序.由(2)、(3) 式可见，使用绝对理想解和负理想解，由于*i S 和j S -值不发生任何变化，无论再增加或减少决策方案，相对贴近度没有任何变化，因此不会出现逆序的问题.使用RTOPSIS 法的关键是要确定合理的绝对理想解和负理想解，这点在实践中并不难做到. 特别是在对原始数据进行标准化处理后，决策数据均转化为[0，1]之间的值， 故绝对理想解可以设定为向量11(1,1...,1)T n ⨯=；绝对负理想解可以设定为向量10(0,0...,0)T n ⨯=，更加便于计算.结论：TOPSIS 法是系统工程中用于综合评价的一种方法,近几年已开始用于经济和卫生领域. 该法对原始数据进行同趋势和归一化处理,不仅消除了不同指标量纲的影响,又能充分利用原始数据信息,可以定量评价不同单元的优劣程度、结果客观、准确.本文讨论了一般TOPSIS 法的缺点及其改进，并讨论了该法逆序问题产生的原因及改进的方法.应用TOPSIS 法进行综合评价,对数据分布、样本含量指标多少均无严格限制,既适用于小样本资料,也适用于多评价单元、多指标的大系统资料,既可用于横向(多单位之间) 对比,也可用于纵向(不同年度) 分析,应用灵活,数学计算比较简单,结果量化客观,因此认为该法在经济领域工作质量、经济效益等的综合评价中有一定的实用价值.参考文献[1]. 乔永辉. 一种基于TOPSIS 的多属性决策方法研究.企业技术开发，2006,25（9）：89-91[2]. 陈 伟. 关于TOPSIS 法应用中的逆序问题及消除的方法. 运筹与管理，2005,14（3）：39-43[3]. 李东坡，孙文生.各地区农村建设全面小康社会的TOPSIS 分析. 数理统计与管理，2006,25（4）：414-418[4]. 鞠丽荣,何 滨,杜 娟,常淑华. 应用TOPSIS 法对校外教学点进行综合评价分析. 西北医学教育，2004,12（6）：497-499[5]. 潘庆仲. 主成分分析及与TOPSIS 法用于医院候诊室卫生评价的对比分析. 数理医药学杂志，1999,12（2）：174-177[6]. 余雁，梁 墚. 多指标决策TOPSIS 方法的进一步探讨. 系统工程. 2003,21（2）：98-101[7]. 马菊红. 应用TOPSIS 法综合评价工业经济效益. 统计与信息论坛,2005,20(3):61-63[8]. 陈红艳. 改进理想解法及其在工程评标中的应用. 系统工程理论方法应用，2004,13（5）：471-473[9]. 赵静,王婷,牛东晓.用于评价的改进熵权TOPSIS 法. 北电力大学报，2004,31（3）：68-70[10]. 尤天慧，樊治平.区间数多指标决策的一种TO PSI S 方法. 东北大学学报，2002,23（9）：840-842。
topsis综合评价法介绍
topsis综合评价法介绍Topsis综合评价法是一种常用的多指标决策方法，用于评估和选择最佳方案。
它基于一系列评价指标，通过对方案进行综合评分，从而确定最优解。
本文将介绍Topsis综合评价法的基本原理和步骤，并探讨其应用领域和优缺点。
Topsis综合评价法的基本原理是将各个评价指标的值进行标准化处理，然后计算各个方案与理想解和负理想解之间的距离，最后根据距离值确定最优解。
具体步骤包括以下几个方面：1. 确定评价指标：首先，需要明确评价的目标和考虑的因素，确定需要评估的指标，这些指标应该能够客观地反映方案的优劣。
2. 数据标准化：对于每个评价指标，需要将其原始数据进行标准化处理，以确保各个指标具有可比性。
常用的标准化方法包括线性标准化和正态标准化。
3. 确定理想解和负理想解：根据评价指标的性质和评估对象的要求，确定理想解和负理想解。
理想解是指在所有评价指标上都取得最优值的方案，而负理想解是指在所有评价指标上都取得最差值的方案。
4. 计算距离值：根据标准化后的数据，计算每个方案与理想解和负理想解之间的距离。
常用的距离计算方法包括欧氏距离、曼哈顿距离和切比雪夫距离等。
5. 确定综合评分：根据距离值，计算每个方案的综合评分。
一般情况下，距离值越小，综合评分越高。
Topsis综合评价法在很多领域都有广泛的应用，例如企业绩效评价、投资项目评估、产品质量评估等。
它能够综合考虑多个评价指标，避免了单一指标评价的局限性，有助于提高决策的科学性和准确性。
然而，Topsis综合评价法也存在一些限制和缺点。
首先，该方法对评价指标的权重敏感，不同的权重设置可能导致不同的评价结果。
其次，该方法假设各个评价指标是相互独立的，忽略了它们之间的相互关系。
最后，该方法对数据的标准化要求较高，对数据的选择和处理有一定的要求。
Topsis综合评价法是一种有效的多指标决策方法，能够帮助我们进行综合评估和选择最佳方案。
但在使用时需要注意合理设置评价指标的权重，并结合具体情况进行分析和判断。
熵权—topsis方法
熵权—topsis方法嘿，朋友们！今天咱来聊聊这个听起来有点玄乎的熵权—topsis 方法。
你说这熵权—topsis 方法啊，就像是一个神奇的魔法棒！它能在一堆复杂的数据里找到关键的线索，就好比你在一堆乱糟糟的杂物里一下子就找到了你最心爱的宝贝。
想象一下啊，有一堆数据就像一片混乱的拼图，熵权呢，就是那个能帮你把这些拼图碎片整理出个大概模样的小助手。
它通过一些奇妙的计算，给每个数据都赋予一个重要性的权重，让那些真正重要的数据凸显出来。
而 topsis 呢，就更厉害啦！它就像是一个超级侦探，拿着熵权整理好的线索，去找出那个最优秀、最理想的数据点。
它能在众多的选择中，一下子就挑出那个最接近完美的答案。
咱平时生活中不也经常会遇到类似的情况嘛！比如说你要选一件衣服，颜色、款式、材质等等好多因素呢，这时候不就像面对一堆数据嘛。
熵权—topsis 方法就能帮你综合考虑这些因素，找到那件最适合你的衣服。
你再想想，找工作的时候也是啊！各种公司、各种职位、各种待遇，怎么选？有了这个方法，不就能更科学地分析出哪个工作更适合自己嘛。
哎呀，这熵权—topsis 方法真的是太实用啦！它能让我们在面对复杂情况的时候不再那么头疼，不再那么纠结。
比如说搞研究的时候，要分析大量的数据，要是没有个好方法，那不得晕头转向啊。
可有了它，就像有了指明灯一样，能让我们快速找到方向。
而且啊，它还能应用在各种领域呢，什么经济啦、管理啦、工程啦等等。
就像一把万能钥匙，能打开好多扇门。
咱可别小看了这个方法，它虽然名字听起来有点拗口，但用起来那可是杠杠的！它能让我们的决策更加科学、更加合理。
你说，这么好的方法，咱能不好好了解了解、学习学习嘛！学会了它，就好像多了一件厉害的武器，能在各种复杂的情况下轻松应对。
总之呢，熵权—topis 方法就是一个超棒的工具，能帮我们在数据的海洋里畅游，找到我们想要的答案。
大家可一定要好好掌握它呀！让我们一起用这个魔法棒，创造出更美好的生活和未来吧！。
TOPSIS方法研究讲解
TOPSIS分析方法研究摘要本文主要介绍了TOPSIS分析方法理论及其主要思想，运用数学理论，对其算法进行了详细的分析，并指出原始方法存在的优缺点；在此基础上提出了一种改进的TOPSIS分析方法，给出具体求权重的方法，突出其客观公正性.本文还分析了TOPSIS方法逆序产生的原因及其改进的方法，突出其实用性，推广其应用范围.关键词TOPSIS法; 改进的TOPSIS; 权重；逆序TOPSIS ANALYSIS METHODABSTRACTThis paper describes a method of theory—TOPSIS, and its main idea. Using mathematical theory, its algorithm for a detailed analysis and noted the advantages and disadvantages of the original methods. On this base ,an improved TOPSIS method is given, and specific for weight, in order to highlight its objective impartiality. The paper also analyzes the causes of TOPSIS Reverse and its improved methods, highlight its practicality and the promotion of its use.Keywords TOPSIS method; Improved TOPSIS; weight; Reverse目录中文摘要 (Ⅰ)英文摘要 (Ⅱ)引言 (1)1 一般TOPSIS分析方法1.1 TOPSIS分析方法概念 (2)1.2 TOPSIS分析方法的一般解题步骤 (2)1.3 应用实例 (4)2 改进的TOPSIS法2.1 一般TOPSIS解法的缺点 (5)2.2 改进的TOPSIS法 (5) (5)2.2.2 指标权重的确定 (6)2.2.3 各方案优劣排序 (7)2.3 实例分析 (7)3. 关于TOPSIS法的逆序问题 (9)3.1 逆序产生的原因 (9)3.1.1 由于增加新的方案产生逆序 (9)3.1.2 由于指标权重改变原始数据结构产生逆序 (10)3.2 逆序消除的方法 (11)结论 (13)参考文献 (13)引言TOPSIS的全称是“逼近于理想值的排序方法”(Technique for Order Preference bv Similarity to Ideal Solution)，是Hwang和Yoon于1981年提出的一种适用于根据多项指标、对多个方案进行比较选择的分析方法.这种方法的中心思想在于首先确定各项指标的正理想值和负理想值，所谓正理想解是一设想的最好值(方案) ,它的各个属性值都达到各候选方案中最好的值,而负理想解是另一设想的最坏值(方案)，然后求出各个方案与理想值、负理想值之间的加权欧氏距离，由此得出各方案与最优方案的接近程度，作为评价方案优劣的标准.TOPSIS法是有限方案多目标决策的综合评价方法之一，它对原始数据进行同趋势和归一化的处理后，消除了不同指标量纲的影响，并能充分利用原始数据的信息，所以能充分反映各方案之间的差距、客观真实的反映实际情况，具有真实、直观、可靠的优点，而且其对样本资料无特殊要求，故应用日趋广泛.TOPSIS法较之单项指标相互分析法，能集中反映总体情况、能综合分析评价，具有普遍适用性.例如，其在评价卫生质量、计划免疫工作质量、医疗质量；评价专业课程的设置、顾客满意程度、软件项目风险评价、房地产投资选址；评价企业经济效益、城市间宏观经济效益、地区科技竞争力、各地区农村小康社会等方面都已得到广泛、系统的应用.尽管如此，该方法在评价各类不同问题过程中还存在着不同的问题，例如权重信息是事先给定，因此结果有一定主观性；另外此方法在应用中由于新增加方案而容易产生逆序问题等，需要对其进行更加具体深入的分析研究.1．一般TOPSIS 分析方法1．1 TOPSIS 分析方法概念TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)称为逼近于理想解的排序方法.它的基本思想是：对归一化后的原始数据矩阵，确定出理想中的最佳方案和最差方案，然后通过求出各被评方案与最佳方案和最差方案之间的距离，得出该方案与最佳方案的接近程度，并以此作为评价各被评对象优劣的依据.假设有m 个目标，每个目标都有n 个属性，则多属性决策问题的数学描述如式(1)所示：Z=max ／min{ij z | i=l ，2，…m ，j=l ，2，….n} (1)1．2 TOPSIS 分析方法的一般解题步骤○1．设有m 个目标(有限个目标)，n 个属性,专家对其中第i 个目标的第j 个属性的评估值为ij x ,则初始判断矩阵V 为：1112121222112n ni ijm mmn x x x x x x V x x x x x =(2)○2．由于各个指标的量纲可能不同，需要对决策矩阵进行归一化处理：'''11121'''21222''1'''12'nni ijmm mnx x x x x x V xxx x x =(3)其中'ijx =ij x …m; j=1,2…n. （4）○3．根据DELPHI 法获取专家群体对属性的信息权重矩阵B ，形成加权判断矩阵：'''111121'''221222'''1'''120000n nji ijnm m mnw x x x w x x x Z V B w x x w x x x ===1112121222112n ni ijm m mnf f f f f f f f f f f （5）○4．根据加权判断矩阵获取评估目标的正负理想解：正理想解：**'max(),min(),ijj ij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,j n = (6) 负理想解：*''m i n (),m a x (),ij jij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,jn = (7) 其中，*J 为效益型指标，'J 为成本型指标. ○5．计算各目标值与理想值之间的欧氏距离：*1,2,...,,iS j n == (8)',1,2,...,.iS j n == (9) ○6．计算各个目标的相对贴近度：*'*'/(),1,2,...,.i i i i C S S S i m =+= (10)○7．依照相对贴近度的大小对目标进行排序，形成决策依据.1.3应用实例某公司需要对其信息化建设方案进行评估，方案由4家信息咨询公司分别提供，记为方案一(S1)、方案二(S2)、方案三(S3)、方案四(S4). 每套方案的评估标准均包括以下6项内容：Pl(目标指标)、P2(经济成本)、P3(实施可行性)、P4(技术可行性)、P5(人力资源成本)、P6(抗风险能力).，四个方案作为4个目标，6个评价标准作为6个属性. 其中，P2和P5是成本型指标，其他为效益型指标. 这里每个目标所对应的属性值均由4名评估专家分别给出，表l 列出了去模糊化之后4位专家评估值的集结结果，并把它作为多属性决策的初始矩阵，每个属性在评估结果中所占的比重(W)根据德尔菲法获得，整个决策方法的处理步骤如下所述：表1 专家评估值结果表○1．初始条件：根据表l 的专家决策结果生成初始判断矩阵V 利用德尔菲法则，生成集结后的群体偏好矩阵：T (2.3,5.1,4.0,6.5,4.8,3.2)B .○2．正、负理想解如下： ○3．结果(计算贴近度)：*i C = （0.6621，0.4666，0.6106，0.5851），依据*i C 从小到大的顺序对决策方案进行排序可知2C 〈4C 〈3C 〈1C ，表明方案一更优.结果分析: 根据方案的排序结果，可以看出, 技术可行性占方案的比重最大，经济成本次之，他们对整个评估结果的影响也最大.2.改进的TOPSIS 法2.1 一般TOPSIS 解法的缺点从TOPSIS 法的排序决策步骤可知，TOPSIS 法存在如下的缺点：① 用(4)式求规范决策矩阵时比较复杂，不易求出正理想解和负理想解；②权重j ω (j=l ，2，… ，n)是事先确定的，其值通常是主观值，因而具有一定的随意性；③当方案i z ，j z 关于*f 和'f 的连线对称时，由于*i f =*j f ，'i f ='j f ， 因而无法比较i z 、j z 的优劣. 文献[10]提出了一种改进的TOPSIS 法，既保留了TOPSIS 法的优点，同时又克服了TOPSIS 法存在的三个缺点.2.2 改进的TOPSIS 法此处举一工程招标的例子来说明改进的TOPSIS 法的求解步骤. 一般来说，对承包单位的选择需要从招标单位的利益出发，考虑的因素包括投标单位的工程报价、工程工期等等，由于评标方案有多指标性特点，各方案指标的优劣程度可能会不统一. 除此之外，在这类评标过程中，对客观、公正性要求较高，因此，我们运用改进的理想解法对各个承包单位进行优选.设经过资格初审后的投标单位有m 家，评标采用的指标有n 个，设第i 家投标单位的第j 个指标值为ij x ，构成一个m 行n 列的评价矩阵：A=n m ij x ⨯)(. 显然ij x 是从各投标单位在投标或资格初审时提供的资料中获取的. 求解步骤：○1．求矩阵进行规范化，将其统一为效益型指标，得到标准化矩阵()ij m n R r ⨯=对于效益型指标min max min max min max min ()/(),1.ij j j j j j ij j j x x x x x x r x x --≠⎧=⎨=⎩(1)对于成本型指标max max min max min max min ()/(),1.j ij j j j j ij j j x x x x x x r x x --≠⎧=⎨=⎩(2)②. 确定标准化矩阵的理想解：*11max ,min ,ij i m j ij i mr j J r r j J +≤≤-≤≤⎧∈⎪=⎨∈⎪⎩ ， 1,2,...j n = . （3） 其中J +为效益型指标集，J -为成本型指标集，*j r 表示第j 个指标的理想值.显然，对于矩阵R ，因为都统一为效益型指标了，故理想解*j R =(1，1，…，1)，负理想解j R -=(0，0，…，0). 2.2.2 指标权重的确定从上面的分析中可知，应用改进理想解法进行评价必须先确定各指标的权重. 确定指标权重通常有两类方法：一类是主观方法，如专家打分法、层次分析法、经验判断法等；另一类是客观方法，如熵权计算法、主成分分析法等. 因评标过程中，指标的权重对被评价对象的最后得分影响很大，要做到评标尽可能客观，所以采用客观计算法来计算指标的权重比较合适. 即根据决策矩阵的数值信息建立目标规划优化评标模型，通过一定的高等数学求解方法来计算权重.求解步骤：设有指标1G ,2G ,…，n G ，对应的权重分别为1w ,2w ,…，n w , 各方案正理想解和负理想解的加权距离平方和为12()(,,....)i i n f w f w w w ==22211(1)nnj ij j j j w r w ==-+∑∑2ij r (4)在距离意义下，()i f w 越小越好，由此建立如下的多目标规划模型12min ()((),(),.....())m f w f w f w f w = ， (5)其中 11nj j ω==∑，0,1,2,...,j j n ω≥=.由于()0,1,2,....,,i f w i m ≥=上述多目标规划可以化为单目标规划1min ()()mi j f w f w ==∑， (6)其中 11nj j ω==∑，0,1,2,...,j j n ω≥=.构造拉格朗日函数222111(,)((1))(1)mnnjij ijj i j j F w w r r w λλ====-+--∑∑∑. (7)令 22112((1))010mj ij ij j i nj j F w r r w F w λλ==∂=-+-=∂∂=-=∂⎧∑⎪⎨∑⎪⎩（8）解之得 1/,nj j j j w μμ==∑ . （9）其中 2211/((1))mj ij ij i r r μ==-+∑. （10）2.2.3 各方案优劣排序根据（4）式可求出各方案()i f w 的值，将其由大到小排序，即可得优劣顺序.2.3 实例分析某公司拟向国内外招标，现有数家单位投标，经资格预选后，有4家单位达到条件标准，可参与最后的竞标，其具体资料如下表所示表2 4家单位竞标资料○1．由上述各指标，显然在评标中优良工程率、施工经验率、合同完成率是作为效益指标处理；其他作为成本型指标处理. 这些指标构成决策矩阵 46()(1,2,3,4;1,2,...,6)ij X x i j ⨯===，按改进理想解的步骤，首先由 （1）（2）式对ij x 进行标准化处理得标准化矩阵46()ij Y y ⨯= ，计算结果见表3.表3 ij x 经标准化处理后得标准化矩阵Y○2．根据标准化矩阵y ，用本文给出求权重的方法，即由式(9)可求得各指标的权重分别为j W = ( 0.1905, 0.1548,0.1548, 0.1905, 0.1548,0.1548)T .○3．利用改进理想解法，求得()if ω的值并排序.由(4)式得： ()i f ω=(0.024，0.0525，0.1128，0.1206)1234()()()()f f f f ωωωω<<<，因此，方案优劣排序为：甲>乙>丙>丁.从上述结果可知，改进理想解法的评标结果同文献[8]中的线性规划优化模型评标结果相吻合. 这表明，将改进理想解法应用于工程评标是合理有效的，且在技术操作上显得更简便、易行.3.关于TOPSIS 法的逆序问题3.1 逆序产生的原因3.1.1 由于增加新的方案产生逆序下面，举一个简单的例子来说明使用传统的TOPSIS 法很容易产生逆序情况.假设多指标问题仅有两个指标(即n=2)，且两指标权重相等，则每一个方案都可以用点12(,)i i i A x x 表示. 设有4个可行方案，分别为1A (1，2)，2A (2，2)，3A (1.9，2.2)，4A (2，3).根据TOPSIS 法计算步骤，首先将原始数据标准化处理，有1A (0.2817，0.4280)， 2A (0.5634，0.4280)， 3A (0.5352，0.4708)， 4A (0.5634，0.6420)，可求得负理想解 A -=(0.2817，0.4280)， 正理想解 *A =(0.5634，0.6420)，点2A 距负理想解的距离 2A S -=0.2817， 距理想解的距离 2*A S =0.2140， 所以点2A 的相对贴近度2222**A A A A S C S S --=+=0.5682 .计算点3A 距负理想解的距离3A S -=0.2571,距理想解的距离3*A S =0.1735, 点3A 的相对贴近度3333*0.5971A A n A A S C S S --==+.可得4个方案的优劣排序为：4A >3A >2A >1A .设现又增加了一个方案 5A (5，2).，则将原始数据标准化后有1A (0.1631，0.3934)，2A (0.3261，0.3934)，3A (0.3098，0.4328)，4A (0.3261，0.5902)，5A (0.8153，0.3934)，由此知负理想解 -A =(0.1631，0.3934)，理想解 *A =(0.8153，0.3934)，点2A 距负理想解的距离为 -2A S =0.1630， 距理想解的距离为 *2A S =0.5273， 点2A 的相对贴近度为 2*A C =0.2361； 点3A 距负理想解的距离为 3A S -=0.1510， 距理想解的距离为 *3A S =0.5294， 点3A 的相对贴近度为 *3A C =0.221． 同理可计算出点4A 和5A 的相对贴近度分别为 *4A C =0.3431，*5A C =0.7682． 这样5个方案的优劣排序为54231A A A A A >>>>, 比较以上两个排序结果可以发现，当只有4个方案时，3A 优于2A ，而增加了一个方案，其他方案均无变化时，2A 优于3A ，出现了逆序.产生逆序的根本原因是因为增加新的决策方案后，决策问题的理想解和负理想解发生了变化，从而引起评价标准的变化，这样就会产生方案优劣顺序的变化.3.1.2 由于指标权重改变原始数据结构而产生逆序当给出各指标权重W=T n ).....21ωωω，，（时，传统的TOPSIS 法是将其直接加权于标准化后的数据.设4个可行方案分别为1A (1，2)，2A (2，2)，3A (1.9，2.1)，4A (2，3). 若不考虑指标的权重，则经过计算可求得4个方案的优劣顺序为4A 〉3A 〉2A 〉1A .现设给出的指标权重为(0.6，0.4)，则标准化后的数据经指标加权后为：1A (0.1690，0.1729)2A (0.3380，0.1729)3A (0.3211，0.1815)4A (0.3380，0.2594),由此知负理想解 1A =(0.1690，0.1729)，理想解 4A =(0.3380，0.2594)，点2A 距负理想解的距离 -2A S =0.169， 距理想解的距离 *2A S =0.0865， 点A2的相对贴近度 *2A C =0.6614； 点3A 距负理想解的距离 -3A S =0.1523， 距理想解的距离 *3A S =0.0797， 点3A 的相对贴近度 *3A C =0.6565． 则4个方案的优劣顺序为 4A >2A >3A >1A与前排序结果相比可以看出，由于在原始数据上人为地乘上权系数，从而改变了原决策数据间的关系结构，从而使排序结果产生逆序．传统TOPSIS 法在计算中直接将指标权重作用于原始数据，这样做不仅会改变原决策数据间的关系结构，而且也不符合权重使用的原意．3.2 逆序消除的方法根据前面模型，传统TOPSIS 法的理想解和负理想解分别为理想解 **'max(),min(),ij jij f j J f f j J ⎧∈⎪=⎨∈⎪⎩ 1,2,..j n = （1） 负理想解 *''min(),max(),ij j ij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,.j n = （2） 由此可以看出，这样定义的理想解和负理想解与决策方案是紧密相连的，因此是相对的. 如果能够定义一种绝对理想解和负理想解(即在决策的有效区域内，任何决策方案都不会比绝对理想解更好，也不会比绝对负理想解差)，则可以证明，这样使用TOPSIS 方法就不会出现逆序的现象.基于这一思想，提出一种改进的TOPSIS 法-RTOPSIS [2]法. RTOPSIS 法的计算步骤为： ①．用向量归一化法对决策矩阵作标准化处理，得到标准化矩阵：y= n m ij y ⨯)( (3)其中，∑==mi ij ij ij x x y 12/ ，i=1，2…m;j=1,2…n.②． 确定绝对理想解和负理想解：绝对理想解和负理想解可以由决策者自己根据对决策问题的了解设定，也可由有关专家根据经验确定.设 ),...,(**2*1*n V V V V =, ），，（----=n V V V V ...21.③．计算各决策方案距绝对理想解和负理想解的距离：*i S = , i=1,2,…,m .(4) i S -=, i=1,2,…,m . (5)④．计算相对贴近**i ii i S C S S --=+ , i=1,2,…,m. ⑤．按照相对贴近度的大小对决策方案进行排序.由(2)、(3) 式可见，使用绝对理想解和负理想解，由于*i S 和j S -值不发生任何变化，无论再增加或减少决策方案，相对贴近度没有任何变化，因此不会出现逆序的问题.使用RTOPSIS 法的关键是要确定合理的绝对理想解和负理想解，这点在实践中并不难做到. 特别是在对原始数据进行标准化处理后，决策数据均转化为[0，1]之间的值， 故绝对理想解可以设定为向量11(1,1...,1)T n ⨯=；绝对负理想解可以设定为向量10(0,0...,0)T n ⨯=，更加便于计算.结论：TOPSIS 法是系统工程中用于综合评价的一种方法,近几年已开始用于经济和卫生领域. 该法对原始数据进行同趋势和归一化处理,不仅消除了不同指标量纲的影响,又能充分利用原始数据信息,可以定量评价不同单元的优劣程度、结果客观、准确.本文讨论了一般TOPSIS 法的缺点及其改进，并讨论了该法逆序问题产生的原因及改进的方法.应用TOPSIS 法进行综合评价,对数据分布、样本含量指标多少均无严格限制,既适用于小样本资料,也适用于多评价单元、多指标的大系统资料,既可用于横向(多单位之间) 对比,也可用于纵向(不同年度) 分析,应用灵活,数学计算比较简单,结果量化客观,因此认为该法在经济领域工作质量、经济效益等的综合评价中有一定的实用价值.参考文献[1]. 乔永辉. 一种基于TOPSIS 的多属性决策方法研究.企业技术开发，2006,25（9）：89-91[2]. 陈 伟. 关于TOPSIS 法应用中的逆序问题及消除的方法. 运筹与管理，2005,14（3）：39-43[3]. 李东坡，孙文生.各地区农村建设全面小康社会的TOPSIS 分析. 数理统计与管理，2006,25（4）：414-418[4]. 鞠丽荣,何 滨,杜 娟,常淑华. 应用TOPSIS 法对校外教学点进行综合评价分析. 西北医学教育，2004,12（6）：497-499[5]. 潘庆仲. 主成分分析及与TOPSIS 法用于医院候诊室卫生评价的对比分析. 数理医药学杂志，1999,12（2）：174-177[6]. 余雁，梁 墚. 多指标决策TOPSIS 方法的进一步探讨. 系统工程. 2003,21（2）：98-101[7]. 马菊红. 应用TOPSIS 法综合评价工业经济效益. 统计与信息论坛,2005,20(3):61-63[8]. 陈红艳. 改进理想解法及其在工程评标中的应用. 系统工程理论方法应用，2004,13（5）：471-473[9]. 赵静,王婷,牛东晓.用于评价的改进熵权TOPSIS 法. 北电力大学报，2004,31（3）：68-70[10]. 尤天慧，樊治平.区间数多指标决策的一种TO PSI S 方法. 东北大学学报，2002,23（9）：840-842。
topsis法例题详解
TOPSIS法是一种常用的多属性决策分析方法，下面是详细的例子：
首先，我们假设有4个目标（A、B、C、D）和3个评价指标（指标1、指标2、指标3）。
每个目标在各项指标上的表现如下：
•目标A：指标1（0.5），指标2（0.6），指标3（0.4）
•目标B：指标1（0.4），指标2（0.5），指标3（0.7）
•目标C：指标1（0.6），指标2（0.4），指标3（0.5）
•目标D：指标1（0.7），指标2（0.3），指标3（0.6）
接下来，我们按照TOPSIS法的步骤进行分析：
归一化处理：为了消除不同指标量纲的影响，我们需要对初始矩阵进行归一化处理。
归一化处理的公式为：aij = xij / sqrt(sum(xij^2))，其中xij表示第i个目标的第j项指标值。
归一化后的矩阵如下：
计算加权标准化矩阵Z：在TOPSIS法中，我们需要考虑不同指标的权重。
假设指标1、指标2和指标3的权重分别为w1=0.3、w2=0.4和w3=0.3。
加权标准化矩阵Z的计算公式为：zij = wij * aij，其中wij表示第j个指标的权重，aij表示归一化后的矩阵元素。
计算得到的加权标准化矩阵如下：
接下来，我们需要确定正理想解和负理想解，并计算每个目标与正理想解和负理想解的距离。
最后，根据距离计算每个目标的综合评价值，并进行排序。
由于篇幅限制，这里不再详细展示后续步骤的计算过程。
通过TOPSIS法的分析，我们可以得到每个目标的综合评价值，从而为目标排序提供依据。
在实际应用中，TOPSIS法可以用于各种多属性决策问题，如项目评估、产品选择等。
topsis-模糊综合评判法
topsis-模糊综合评判法TOPSIS（Technique for Order Preference by Similarity toan Ideal Solution）是一种常用的模糊综合评判方法，广泛应用于决策分析中。
该方法结合了模糊数学的模糊集理论和层次分析法的思想，能够有效地处理多属性决策问题。
TOPSIS方法的基本思想是根据每个评价指标的重要程度和评价值之间的距离来确定最优解。
它的核心是找出一种最佳方案，即最接近理想解且最远离负理想解的方案。
TOPSIS提供了一种有效的决策方法，通过将各项指标标准化到相同的量纲上，然后计算方案到理想解和负理想解的距离，最终确定方案的评价值。
具体而言，TOPSIS方法的步骤如下：1.确定评价指标：首先确定评价指标，这些指标一般是体现决策对象特征的具体量化指标。
评价指标应该与决策目标相关且能够被量化。
2.确定权重：对于每个评价指标，需要确定其重要程度。
可以采用专家评估、问卷调查等方法来确定权重。
权重可以通过层次分析法或其他决策支持方法来计算。
3.构建判断矩阵：将各个方案按照各个评价指标进行评估，得到判断矩阵。
判断矩阵的每一行表示一个方案的评价值，每一列表示一个评价指标。
4.标准化判断矩阵：将判断矩阵中的每个元素标准化，使其变为无量纲的评价值。
标准化可以采用归一化、标准化等方法。
5.确定理想解和负理想解：根据每个评价指标的性质，确定理想解和负理想解。
对于“越大越好”的指标，理想解取各列中的最大值，负理想解取各列中的最小值；对于“越小越好”的指标，反之。
6.计算方案到理想解和负理想解的距离：根据评价指标的性质，计算每个方案到理想解和负理想解的距离。
距离可以采用欧几里得距离、曼哈顿距离等方法计算。
7.计算综合评价值：根据方案到理想解和负理想解的距离，计算每个方案的综合评价值。
一般情况下，综合评价值越接近1，代表方案越好。
8.排序和选取最优解：根据综合评价值对方案进行排序，选择综合评价值最高的方案作为最优解。
TOPSIS分析方法研究
TOPSIS分析方法研究TOPSIS（最优解不错解原则）是一种多属性决策方法，用于评估多个候选方案，并选择出最佳方案。
它基于理想解和反理想解的概念，通过计算每个候选方案与理想解和反理想解的距离，并对这些距离进行权重加权求和，最终得出每个方案的综合评价值。
本文将对TOPSIS方法进行研究，探讨其原理、应用和优缺点。
TOPSIS方法的原理是，通过将每个候选方案转化为一个特征向量，从而将多属性决策问题转化为向量距离计算问题。
首先，需要将问题中的每个属性进行标准化，消除属性之间的量纲差异。
然后，根据决策者的偏好和决策问题的特点，确定每个属性的权重。
接下来，通过计算每个候选方案与理想解和反理想解的距离，得出每个候选方案的综合评价值。
最后，根据综合评价值对候选方案进行排序，选择评价值最高的方案作为最佳方案。
TOPSIS方法在多个领域中有广泛的应用。
例如，在工程管理中，可以用TOPSIS方法评估不同供应商的方案，选择最适合项目需求的供应商。
在环境评价中，可以使用TOPSIS方法评估不同处理技术对环境影响的程度，选择最优的处理技术。
在金融投资中，可以使用TOPSIS方法评估不同投资组合的风险和收益，选择最优的投资组合。
TOPSIS方法有一些优点。
首先，它考虑了属性权重的影响，充分反映了决策者的偏好。
其次，TOPSIS方法简单直观，易于理解和实施。
此外，TOPSIS方法适用于评估多属性决策问题，并可以降低决策问题的复杂性。
然而，TOPSIS方法也有一些缺点。
首先，该方法假设属性之间的关系是线性的，不适用于非线性关系的决策问题。
其次，TOPSIS方法需要进行属性标准化，为了准确评估每个候选方案的距离，标准化过程可能会引入一定的主观性。
最后，TOPSIS方法对候选方案的评估结果高度依赖于理想解和反理想解的选择，选择不恰当的理想解和反理想解可能导致评估结果的不准确性。
综上所述，TOPSIS是一种用于多属性决策的方法，适用于评估候选方案并选择最佳方案。
熵权-topsis 法
熵权-topsis 法熵权TOPSIS方法熵权TOPSIS方法是一种多准则决策方法，采用熵权法结合TOPSIS（The Technique for Order Preference by Similarity to Ideal Solution）方法，用于解决具有多个指标的决策问题。
此方法能够考虑各指标之间的权重和相对重要性，并找到最优的决策方案。
1. 引言随着社会经济的发展，决策问题越来越复杂，需要考虑多个指标来评估不同方案的优劣。
然而，不同指标之间具有不同的重要性，传统的加权平均法或者加权积法无法完全考虑这种差异。
为了解决这一问题，熵权TOPSIS方法应运而生。
2. 熵权法熵权法是一种基于信息熵的权重确定方法。
其基本思想是根据每个指标的信息熵来评估其对决策结果的贡献度。
信息熵可以反映指标值的不确定度，熵越大表示指标对结果的贡献度越小。
通过计算每个指标的熵值，可以确定其权重。
具体步骤如下：- 收集参考数据。
- 将指标数据标准化，消除量纲的影响。
- 计算每个指标的信息熵，熵的计算公式为：E =\sum\limits_{i=1}^n \left(-\frac{x_i}{\sum\limits_{i=1}^nx_i}\right) \ln \left(\frac{x_i}{\sum\limits_{i=1}^n x_i}\right)。
- 根据信息熵计算每个指标的权重，权重的计算公式为：w_i = \frac{1 - E_i}{\sum\limits_{i=1}^n (1 - E_i)}。
3. TOPSIS方法TOPSIS方法是一种衡量方案相对优劣程度的方法。
该方法通过计算方案到理想解和负理想解之间的距离，为每个方案赋予一个综合评估值，根据评估值确定最优方案。
具体步骤如下：- 收集参考数据。
- 将指标数据标准化，消除量纲的影响。
- 构建决策矩阵，其中每一行表示一个方案，每一列表示一个指标。
- 计算每个指标的权重和标准化加权决策矩阵。
TOPSIS-综合评价法
m2
(n3
n)
m
(t
3 k
tk )
k
本例，因有相同秩次（2.5），用校正公式：
wc
62
(43
12 4) 6 (23
2)
[(7 15)2
(11.5 15)2
(18.5 15)2
(23 15)2 ]
0.862
2.Saaty权重法
用系统分析旳措施，对评价指标依评价目旳所拟定旳总目旳进行分解，按 各级评价子目旳旳优劣等级拟定权重。其详细措施见第二节。 3.客观法
1.指标各等级分值 旳拟定方法
（1）教授评分法
由教授按评价等级旳优劣顺序采用从高分到低分旳取值原则。多用于定性资料或半 定量资料。
（2）离差法
采用均数加减原则差旳方式划分评价等级并赋以分值。多用于正态分布资料旳计量 资料。
（3）百分位数法
采用以某些特定旳百分位数值划分评价等级旳方式来划分评价等级。多用于不明分 布或偏态分布旳计量资料。
n
Tj
/n
j 1
本例指标A的秩和TA 111 2 11 7， TB 11.5 TC 18.5 TD 23
平均等级和T （7 11.5 18.5 23）/ 4 15
2）计算一致性系数w
w
(Tj T )2 m2 (n3 n) /12
当有相同秩次时，要对w进行校正：
wc
12 (Tj T )2
应用举例
（1） 8个指标 （2） 每个指标划分为5个等级 （3） 指标等级旳评分由高到低为：1，0.75，0.50，0.25，0.00 （4）各指标旳权重见最终一列 （5）评价总分 采用（加权）累加法 （6）评价等级划分采用高者为优
二.综合指数法
topsis综合评价法介绍
topsis综合评价法介绍
TOPSIS综合评价法，全称为Technique for Order Preference by Similarity to an Ideal Solution，是由和于1981年首次提出的。
它是一种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。
TOPSIS法是一种逼近于理想解的排序法。
这种方法只要求各效用函数具有
单调递增（或递减）性就行。
TOPSIS法是多目标决策分析中一种常用的有
效方法，又称为优劣解距离法。
在应用TOPSIS法时，需要拥有足够的评价指标和数据，且评价指标类型不同。
其中，正理想解是设想最好的方案，它所对应的属性值至少达到各个方案的最好值；负理想解是设想最差的方案，它所对应的属性值不优于各个方案的最劣值；满意解是最接近正理想解且最远离负理想解的可行解。
在进行数据预处理时，对于区间型属性，最优区间为[a,b]，将最优属性区间内的值设为1，不在最优属性区间内但在还可以接受的范围[ , ]内，按照公
式调整为0到1内的数。
通过这样的变换，不同指标可以统一在同一数量级，0到1之间，有些指标需要先进行区间型变换再进行向量规范化。
以上内容仅供参考，如需更多信息，建议查阅TOPSIS综合评价法的相关文献或咨询该领域专家。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
TOPSIS分析方法研究摘要本文主要介绍了TOPSIS分析方法理论及其主要思想，运用数学理论，对其算法进行了详细的分析，并指出原始方法存在的优缺点；在此基础上提出了一种改进的TOPSIS分析方法，给出具体求权重的方法，突出其客观公正性.本文还分析了TOPSIS方法逆序产生的原因及其改进的方法，突出其实用性，推广其应用范围.关键词 TOPSIS法; 改进的TOPSIS; 权重；逆序TOPSIS ANALYSIS METHODABSTRACTThis paper describes a method of theory—TOPSIS, and its main idea. Using mathematical theory, its algorithm for a detailed analysis and noted the advantages and disadvantages of the original methods. On this base ,an improved TOPSIS method is given, and specific for weight, in order to highlight its objective impartiality. The paper also analyzes the causes of TOPSIS Reverse and its improved methods, highlight its practicality and the promotion of its use.Keywords TOPSIS method; Improved TOPSIS; weight; Reverse目录中文摘要....................................................…………………………… (Ⅰ)英文摘要 (Ⅱ)引言 (1)1 一般TOPSIS分析方法1.1 TOPSIS分析方法概念 (2)1.2 TOPSIS分析方法的一般解题步骤 (2)1.3 应用实例 (4)2 改进的TOPSIS法2.1 一般TOPSIS解法的缺点 (5)2.2 改进的TOPSIS法 (5) (5)2.2.2 指标权重的确定 (6)2.2.3 各方案优劣排序 (7)2.3 实例分析 (7)3. 关于TOPSIS法的逆序问题 (9)3.1 逆序产生的原因 (9)3.1.1 由于增加新的方案产生逆序 (9)3.1.2 由于指标权重改变原始数据结构产生逆序 (10)3.2 逆序消除的方法 (11)结论 (13)参考文献 (13)引言TOPSIS的全称是“逼近于理想值的排序方法”(Technique for Order Preference bv Similarity to Ideal Solution)，是Hwang和Yoon于1981年提出的一种适用于根据多项指标、对多个方案进行比较选择的分析方法.这种方法的中心思想在于首先确定各项指标的正理想值和负理想值，所谓正理想解是一设想的最好值(方案) ,它的各个属性值都达到各候选方案中最好的值,而负理想解是另一设想的最坏值(方案)，然后求出各个方案与理想值、负理想值之间的加权欧氏距离，由此得出各方案与最优方案的接近程度，作为评价方案优劣的标准.TOPSIS法是有限方案多目标决策的综合评价方法之一，它对原始数据进行同趋势和归一化的处理后，消除了不同指标量纲的影响，并能充分利用原始数据的信息，所以能充分反映各方案之间的差距、客观真实的反映实际情况，具有真实、直观、可靠的优点，而且其对样本资料无特殊要求，故应用日趋广泛.TOPSIS法较之单项指标相互分析法，能集中反映总体情况、能综合分析评价，具有普遍适用性.例如，其在评价卫生质量、计划免疫工作质量、医疗质量；评价专业课程的设置、顾客满意程度、软件项目风险评价、房地产投资选址；评价企业经济效益、城市间宏观经济效益、地区科技竞争力、各地区农村小康社会等方面都已得到广泛、系统的应用.尽管如此，该方法在评价各类不同问题过程中还存在着不同的问题，例如权重信息是事先给定，因此结果有一定主观性；另外此方法在应用中由于新增加方案而容易产生逆序问题等，需要对其进行更加具体深入的分析研究.1．一般TOPSIS 分析方法 1．1 TOPSIS 分析方法概念TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)称为逼近于理想解的排序方法.它的基本思想是：对归一化后的原始数据矩阵，确定出理想中的最佳方案和最差方案，然后通过求出各被评方案与最佳方案和最差方案之间的距离，得出该方案与最佳方案的接近程度，并以此作为评价各被评对象优劣的依据.假设有m 个目标，每个目标都有n 个属性，则多属性决策问题的数学描述如式(1)所示：Z=max ／min{ij z | i=l ，2，…m ，j=l ，2，….n}(1)1．2 TOPSIS 分析方法的一般解题步骤○1．设有m 个目标(有限个目标)，n 个属性,专家对其中第i 个目标的第j 个属性的评估值为ij x ,则初始判断矩阵V 为：1112121222112nni ij m m mnx x x x x x V x x x x xLL M M M M L L M MMM L(2)○2．由于各个指标的量纲可能不同，需要对决策矩阵进行归一化处理：'''11121'''21222''1'''12'nni ijm m mnx x x x x x V x x x x x =L L M M MM L L MMMML(3)其中'ijx =ij x…m; j=1,2…n.（4）○3．根据DELPHI 法获取专家群体对属性的信息权重矩阵B ，形成加权判断矩阵：'''111121'''221222'''1'''120000000n nj i ij nm m mnw x x x w x x x Z V B w x x w x x x ==LLL L M M M MM M M M L L L L M M M MMM M M LL =1112121222112nn i ij m m mnf f f f f f f f f f f LL M M M M L L M MMM L（5）○4．根据加权判断矩阵获取评估目标的正负理想解：正理想解：**'max(),min(),ij jij f j J f f j J ⎧∈⎪=⎨∈⎪⎩ 1,2,...,.j n =(6)负理想解：*''min(),max(),ij jij f j Jf f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,.j n =(7)其中，*J 为效益型指标，'J 为成本型指标.○5．计算各目标值与理想值之间的欧氏距离：*1,2,...,,iS j n ==(8)'1,2,...,.iS j n ==(9)○6．计算各个目标的相对贴近度：*'*'/(),1,2,...,.i i i i C S S S i m =+= (10)○7．依照相对贴近度的大小对目标进行排序，形成决策依据.1.3应用实例某公司需要对其信息化建设方案进行评估，方案由4家信息咨询公司分别提供，记为方案一(S1)、方案二(S2)、方案三(S3)、方案四(S4). 每套方案的评估标准均包括以下6项内容：Pl(目标指标)、P2(经济成本)、P3(实施可行性)、P4(技术可行性)、P5(人力资源成本)、P6(抗风险能力).，四个方案作为4个目标，6个评价标准作为6个属性. 其中，P2和P5是成本型指标，其他为效益型指标. 这里每个目标所对应的属性值均由4名评估专家分别给出，表l列出了去模糊化之后4位专家评估值的集结结果，并把它作为多属性决策的初始矩阵，每个属性在评估结果中所占的比重(W)根据德尔菲法获得，整个决策方法的处理步骤如下所述：表1 专家评估值结果表○1．初始条件：根据表l的专家决策结果生成初始判断矩阵V利用德尔菲法则，生成集结后的群体偏好矩阵：TB .(2.3,5.1,4.0,6.5,4.8,3.2)○2．正、负理想解如下：○3．结果(计算贴近度)：*i C = （0.6621，0.4666，0.6106，0.5851），依据*i C 从小到大的顺序对决策方案进行排序可知2C 〈4C 〈3C 〈1C ，表明方案一更优.结果分析: 根据方案的排序结果，可以看出, 技术可行性占方案的比重最大，经济成本次之，他们对整个评估结果的影响也最大.2.改进的TOPSIS 法2.1 一般TOPSIS 解法的缺点从TOPSIS 法的排序决策步骤可知，TOPSIS 法存在如下的缺点：① 用(4)式求规范决策矩阵时比较复杂，不易求出正理想解和负理想解；②权重j ω (j=l ，2，… ，n)是事先确定的，其值通常是主观值，因而具有一定的随意性；③当方案i z ，j z 关于*f 和'f 的连线对称时，由于*i f =*j f ，'i f ='j f ， 因而无法比较i z 、j z 的优劣. 文献[10]提出了一种改进的TOPSIS 法，既保留了TOPSIS 法的优点，同时又克服了TOPSIS 法存在的三个缺点. 2.2 改进的TOPSIS 法此处举一工程招标的例子来说明改进的TOPSIS 法的求解步骤. 一般来说，对承包单位的选择需要从招标单位的利益出发，考虑的因素包括投标单位的工程报价、工程工期等等，由于评标方案有多指标性特点，各方案指标的优劣程度可能会不统一. 除此之外，在这类评标过程中，对客观、公正性要求较高，因此，我们运用改进的理想解法对各个承包单位进行优选.设经过资格初审后的投标单位有m 家，评标采用的指标有n 个，设第i 家投标单位的第j 个指标值为ij x ，构成一个m 行n 列的评价矩阵：A=n m ij x ⨯)(. 显然ij x 是从各投标单位在投标或资格初审时提供的资料中获取的.求解步骤：○1．求矩阵进行规范化，将其统一为效益型指标，得到标准化矩阵()ij m n R r ⨯=对于效益型指标min max min max min max min ()/(),1.ij j j j j j ij j j x x x x x x r x x --≠⎧=⎨=⎩(1)对于成本型指标max max min max min max min ()/(),1.j ij j j j j ij j j x x x x x x r x x --≠⎧=⎨=⎩(2)②. 确定标准化矩阵的理想解：*11max ,min ,ij i m j ij i mr j J r r j J +≤≤-≤≤⎧∈⎪=⎨∈⎪⎩ ， 1,2,...j n = . （3） 其中J +为效益型指标集，J -为成本型指标集，*j r 表示第j 个指标的理想值.显然，对于矩阵R ，因为都统一为效益型指标了，故理想解*j R =(1，1，…，1)，负理想解j R -=(0，0，…，0). 2.2.2 指标权重的确定从上面的分析中可知，应用改进理想解法进行评价必须先确定各指标的权重. 确定指标权重通常有两类方法：一类是主观方法，如专家打分法、层次分析法、经验判断法等；另一类是客观方法，如熵权计算法、主成分分析法等. 因评标过程中，指标的权重对被评价对象的最后得分影响很大，要做到评标尽可能客观，所以采用客观计算法来计算指标的权重比较合适. 即根据决策矩阵的数值信息建立目标规划优化评标模型，通过一定的高等数学求解方法来计算权重.求解步骤：设有指标1G ,2G ,…，n G ，对应的权重分别为1w ,2w ,…，n w , 各方案正理想解和负理想解的加权距离平方和为12()(,,....)i i n f w f w w w ==22211(1)n njij j j j w r w ==-+∑∑2ij r (4)在距离意义下，()i f w 越小越好，由此建立如下的多目标规划模型12min ()((),(),.....())m f w f w f w f w = ， (5)其中 11nj j ω==∑，0,1,2,...,j j n ω≥=.由于()0,1,2,....,,i f w i m ≥=上述多目标规划可以化为单目标规划1min ()()mi j f w f w ==∑， (6)其中 11nj j ω==∑，0,1,2,...,j j n ω≥=.构造拉格朗日函数222111(,)((1))(1)mnnjij ijj i j j F w w r r w λλ====-+--∑∑∑. (7)令22112((1))010mj ij ij j i nj j F w r r w F w λλ==∂=-+-=∂∂=-=∂⎧∑⎪⎨∑⎪⎩（8）解之得 1/,nj j j j w μμ==∑ . （9）其中 2211/((1))mj ij ij i r r μ==-+∑. （10）2.2.3 各方案优劣排序根据（4）式可求出各方案()i f w 的值，将其由大到小排序，即可得优劣顺序. 2.3 实例分析某公司拟向国内外招标，现有数家单位投标，经资格预选后，有4家单位达到条件标准，可参与最后的竞标，其具体资料如下表所示表2 4家单位竞标资料○1．由上述各指标，显然在评标中优良工程率、施工经验率、合同完成率是作为效益指标处理；其他作为成本型指标处理. 这些指标构成决策矩阵46()(1,2,3,4;1,2,...,6)ij X x i j ⨯===，按改进理想解的步骤，首先由 （1）（2）式对ij x 进行标准化处理得标准化矩阵46()ij Y y ⨯= ，计算结果见表3.表3 ij x 经标准化处理后得标准化矩阵Y○2．根据标准化矩阵y ，用本文给出求权重的方法，即由式(9)可求得各指标的权重分别为j W = ( 0.1905, 0.1548,0.1548, 0.1905, 0.1548,0.1548)T . ○3．利用改进理想解法，求得()i f ω的值并排序.由(4)式得： ()i f ω=(0.024，0.0525，0.1128，0.1206)1234()()()()f f f f ωωωω<<<，因此，方案优劣排序为：甲>乙>丙>丁.从上述结果可知，改进理想解法的评标结果同文献[8]中的线性规划优化模型评标结果相吻合. 这表明，将改进理想解法应用于工程评标是合理有效的，且在技术操作上显得更简便、易行.3.关于TOPSIS 法的逆序问题 3.1 逆序产生的原因3.1.1 由于增加新的方案产生逆序下面，举一个简单的例子来说明使用传统的TOPSIS 法很容易产生逆序情况.假设多指标问题仅有两个指标(即n=2)，且两指标权重相等，则每一个方案都可以用点12(,)i i i A x x 表示. 设有4个可行方案，分别为1A (1，2)，2A (2，2)，3A (1.9，2.2)，4A (2，3).根据TOPSIS 法计算步骤，首先将原始数据标准化处理，有1A (0.2817，0.4280)，2A (0.5634，0.4280)，3A (0.5352，0.4708)，4A (0.5634，0.6420)，可求得负理想解 A =(0.2817，0.4280)，正理想解 *A =(0.5634，0.6420)，点2A 距负理想解的距离 2A S -=0.2817， 距理想解的距离 2*A S =0.2140， 所以点2A 的相对贴近度2222**AA A A S C S S --=+=0.5682 .计算点3A 距负理想解的距离3A S -=0.2571,距理想解的距离3*A S =0.1735, 点3A 的相对贴近度3333*0.5971AA n A A S C S S --==+.可得4个方案的优劣排序为：4A >3A >2A >1A .设现又增加了一个方案 5A (5，2).，则将原始数据标准化后有1A (0.1631，0.3934)，2A (0.3261，0.3934)，3A (0.3098，0.4328)，4A (0.3261，0.5902)，5A (0.8153，0.3934)，由此知负理想解 -A =(0.1631，0.3934)，理想解 *A =(0.8153，0.3934)，点2A 距负理想解的距离为 -2A S =0.1630， 距理想解的距离为 *2A S =0.5273， 点2A 的相对贴近度为 2*A C =0.2361； 点3A 距负理想解的距离为 3A S -=0.1510， 距理想解的距离为 *3A S =0.5294， 点3A 的相对贴近度为 *3A C =0.221． 同理可计算出点4A 和5A 的相对贴近度分别为 *4A C =0.3431，*5A C =0.7682． 这样5个方案的优劣排序为54231A A A A A >>>>, 比较以上两个排序结果可以发现，当只有4个方案时，3A 优于2A ，而增加了一个方案，其他方案均无变化时，2A 优于3A ，出现了逆序.产生逆序的根本原因是因为增加新的决策方案后，决策问题的理想解和负理想解发生了变化，从而引起评价标准的变化，这样就会产生方案优劣顺序的变化.3.1.2 由于指标权重改变原始数据结构而产生逆序当给出各指标权重W=T n ).....21ωωω，，（时，传统的TOPSIS 法是将其直接加权于标准化后的数据.设4个可行方案分别为1A (1，2)，2A (2，2)，3A (1.9，2.1)，4A (2，3). 若不考虑指标的权重，则经过计算可求得4个方案的优劣顺序为4A 〉3A 〉2A 〉1A .现设给出的指标权重为(0.6，0.4)，则标准化后的数据经指标加权后为：1A (0.1690，0.1729)2A (0.3380，0.1729)3A (0.3211，0.1815)4A (0.3380，0.2594),由此知负理想解 1A =(0.1690，0.1729)，理想解 4A =(0.3380，0.2594)，点2A 距负理想解的距离 -2A S =0.169， 距理想解的距离 *2A S =0.0865， 点A2的相对贴近度 *2A C =0.6614； 点3A 距负理想解的距离 -3A S =0.1523， 距理想解的距离 *3A S =0.0797， 点3A 的相对贴近度 *3A C =0.6565． 则4个方案的优劣顺序为 4A >2A >3A >1A与前排序结果相比可以看出，由于在原始数据上人为地乘上权系数，从而改变了原决策数据间的关系结构，从而使排序结果产生逆序．传统TOPSIS 法在计算中直接将指标权重作用于原始数据，这样做不仅会改变原决策数据间的关系结构，而且也不符合权重使用的原意． 3.2 逆序消除的方法根据前面模型，传统TOPSIS 法的理想解和负理想解分别为理想解 **'max(),min(),ijj ij f j J f f j J ⎧∈⎪=⎨∈⎪⎩1,2,...,.j n = （1）负理想解 *''min(),max(),ij jij f j Jf f j J⎧∈⎪=⎨∈⎪⎩ 1,2,...,.j n = （2）由此可以看出，这样定义的理想解和负理想解与决策方案是紧密相连的，因此是相对的. 如果能够定义一种绝对理想解和负理想解(即在决策的有效区域内，任何决策方案都不会比绝对理想解更好，也不会比绝对负理想解差)，则可以证明，这样使用TOPSIS 方法就不会出现逆序的现象.基于这一思想，提出一种改进的TOPSIS 法-RTOPSIS [2]法. RTOPSIS 法的计算步骤为：①．用向量归一化法对决策矩阵作标准化处理，得到标准化矩阵：y=n m ij y ⨯)((3)其中，∑==mi ij ij ij x x y 12/ ，i=1，2…m;j=1,2…n.②． 确定绝对理想解和负理想解：绝对理想解和负理想解可以由决策者自己根据对决策问题的了解设定，也可由有关专家根据经验确定.设 ),...,(**2*1*n V V V V =, ），，（----=n V V V V ...21.③．计算各决策方案距绝对理想解和负理想解的距离：*iS =, i=1,2,…,m .(4)iS -=, i=1,2,…,m .(5)④．计算相对贴近**i ii i S C S S --=+ , i=1,2,…,m. ⑤．按照相对贴近度的大小对决策方案进行排序.由(2)、(3) 式可见，使用绝对理想解和负理想解，由于*i S 和j S -值不发生任何变化，无论再增加或减少决策方案，相对贴近度没有任何变化，因此不会出现逆序的问题.使用RTOPSIS 法的关键是要确定合理的绝对理想解和负理想解，这点在实践中并不难做到. 特别是在对原始数据进行标准化处理后，决策数据均转化为[0，1]之间的值， 故绝对理想解可以设定为向量11(1,1...,1)T n ⨯=；绝对负理想解可以设定为向量10(0,0...,0)T n ⨯=，更加便于计算.结论：TOPSIS 法是系统工程中用于综合评价的一种方法,近几年已开始用于经济和卫生领域. 该法对原始数据进行同趋势和归一化处理,不仅消除了不同指标量纲的影响,又能充分利用原始数据信息,可以定量评价不同单元的优劣程度、结果客观、准确.本文讨论了一般TOPSIS 法的缺点及其改进，并讨论了该法逆序问题产生的原因及改进的方法.应用TOPSIS 法进行综合评价,对数据分布、样本含量指标多少均无严格限制,既适用于小样本资料,也适用于多评价单元、多指标的大系统资料,既可用于横向(多单位之间) 对比,也可用于纵向(不同年度) 分析,应用灵活,数学计算比较简单,结果量化客观,因此认为该法在经济领域工作质量、经济效益等的综合评价中有一定的实用价值.参考文献[1]. 乔永辉. 一种基于TOPSIS的多属性决策方法研究.企业技术开发，2006,25（9）：89-91[2]. 陈伟. 关于TOPSIS法应用中的逆序问题及消除的方法. 运筹与管理，2005,14（3）：39-43[3]. 李东坡，孙文生.各地区农村建设全面小康社会的TOPSIS分析. 数理统计与管理，2006,25（4）：414-418[4]. 鞠丽荣,何滨,杜娟,常淑华. 应用TOPSIS法对校外教学点进行综合评价分析. 西北医学教育，2004,12（6）：497-499[5]. 潘庆仲. 主成分分析及与TOPSIS法用于医院候诊室卫生评价的对比分析. 数理医药学杂志，1999,12（2）：174-177[6]. 余雁，梁墚. 多指标决策TOPSIS方法的进一步探讨. 系统工程. 2003,21（2）：98-101[7]. 马菊红. 应用TOPSIS 法综合评价工业经济效益. 统计与信息论坛,2005,20(3):61-63[8]. 陈红艳. 改进理想解法及其在工程评标中的应用. 系统工程理论方法应用，2004,13（5）：471-473[9]. 赵静,王婷,牛东晓.用于评价的改进熵权TOPSIS法. 北电力大学报，2004,31（3）：68-70[10]. 尤天慧，樊治平.区间数多指标决策的一种TO PSI S方法. 东北大学学报，2002,23（9）：840-842。