第7章 逼近于理想解的排序技术TOPSIS详解.ppt

第二部分 常用综合评价模型 第4章 综合评价概述 第5章 层次分析法（AHP） 第6章 模糊综合评价 第7章 逼近于理想解的排序技术TOPSIS 第8章 秩和比法（ RSR ） 第9章 灰色综合评价和灰色预测 数据包络分析（DEA）；突变级数法；人工神经网络评价（BP）；…… 小结 第7章 逼近于理想解的排序技术TOPSIS 7.1 基本原理 7.2 TOPSIS过程 7.3 TOPSIS案例分析 7.1 基本原理 1、概念：TOPSIS （Technique for Order Preference by Similarity to an Ideal Solution）法，即逼近于理想解的排序技术，又称为优劣解距离法、理想解法、理想点法，由C.L.Hwang和K.Yoon于1981年首次提出 。它是多目标决策分析中一种常用的有效方法。TOPSIS法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。 2、适用条件：只要求各效用函数具有单调递增（或递减）性就行。 7.1 基本原理 3、TOPSIS 方法的基本思路是： ①定义决策问题的理想化目标/理想解（Ideal Solution）： 正理想解（positive ideal solution）：又称为最优解，是一个设想的最优的解（方案），其各个属性值（指标）都达到各备选方案中的最好的值； 负理想解（negative ideal solution）又称为最劣解，是一个设想的最劣的解（方案），它的各个属性值（指标）都达到各备选方案中的最坏的值。 ②检测各个方案与理想解的相对接近度； ③通过把各备选方案与正理想解和负理想解做比较，找到那个距理想解的距离最近、而距负理想解的距离最远的方案。 4、TOPSIS法的优点： TOPSIS法对原始数据的信息利用最为充分，其结果能精确的反映各评价方案之间的差距， 对数据分布及样本含量，指标多少没有严格的限制，数据计算亦简单易行。 不仅适合小样本资料，也适用于多评价对象、多指标的大样本资料。 可得出良好的可比性评价排序结果。 7.2 TOPSIS过程 1、构造（同趋势化/同向化）初始矩阵 2、归范化/标准化：用向量规划化的方法求得规范决策矩阵 原始数据同趋化：目的是使各个指标的方向一致。通常采用低优指标向高优指标转化的方法，绝对数一般采用倒数法（即1/x） ，相对数一般采用差数法（即1-x）。 3、构造加权规范阵 4、确定正理想解和负理想解； 5、计算各个方案到理想解、负理想解的距离。 TOPSIS法所用的是欧氏距离 6、计算各个方案与理想解的相对接近度 相对接近度=负向距离/(正、负向距离之和) 。此时越大越好 也可以使用正向距离作为分子，此时相对接近度越小越好 7、排序，评优劣。 7.2 TOPSIS过程 7.2 TOPSIS过程 也可以对上两步的同趋势化（同向化）和规范化变换合并为一步： 7.2 TOPSIS过程 7.2 TOPSIS过程 例21-4 计算正理想解和负理想解：C+、C- D表和排序 例21-5 计算距离D+和D-， 7.3 TOPSIS案例分析 练习1：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，下表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： 练习2：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 使用最小——最大(min-max)规范化法，得标准化矩阵如下表： 大学排名 DPS数据处理系统软件介绍 DPS（Data Processing System ）是一套通用多功能数据处理、数值计算、统计分析和模型建立软件，与目前流行的同类软件比较，具有较强的统计分析和数学模型模拟分析功能。是目前国内功能最完整的统计软件包。 唐启义，1981年以来一直从事植物保护、数理生态及统计软件开发工作。1987年开始从事计算机在农业中应用研究，并着手收集资料、算法，开发统计分析计算机软件。1997年出版国内第一套通用的统计分析软件“DPS数据处理系统”（DOS版