負理想解.pptVIP

TOPSIS法 * 一、引言 TOPSIS之功能簡介： 用於協助決策者處理多評選方案 當各準則的權重及各方案的績效評估值已知 TOPSIS嘗試處理之問題： 因方案在各準則間互有勝負，導致方案無法比較 希望能避免篩選所得方案同時存在『距理想解、負理想解的距離都很短』的狀況 * 二、TOPSIS由來 ＴＯＰＳＩＳ(理想解類似度偏好順序評估法) 為「Technique for Order Preference by Similarity to Ideal Solution」之縮寫。 1980年Yoon與Hwang在Kansas State University所發展的一種多評準決策方法。 * 三、基本觀念 理想解(Ideal Solution)：S*替選方案中利益面準則值最大者或成本面準則最小者 負理想解(Negative-Ideal Solution)：S-替選方案中利益面準則值最小者或成本面準則最大者 『距理想解的距離最短』『距負理想解的距離最遠』 假設每一準則都具有單調遞增或單調遞減的效用 * A* 理想解 A- 負理想解 A2 A1 Aj 理想解與負理想解概念示意圖 準 則 X2 準 則 X1 三、基本觀念 cont. * 假設已知決策矩陣為D：n*m權重矩陣為W：1*m (ΣWi=1 ) 計算正規化評估值  計算加權後正規化評估值 決定理想解A*與負理想解A- A*={v1*, v2*,…,vn*}A- ={v1-, v2-,…,vn-} 四、計算過程 * 計算理想解與負理想解的歐氏距離 計算各替選方案對理想解的相對近似度 其中 0 ≦ Ci* ≦ 1 依Ci*值之大小順序判斷決策者對方案的偏好度 四、計算過程cont * 五、範例 假設有4個運輸投資方案(A1,A2,A3,A4),在六個評估準則(X1,X2…,X6)之評估下,已知其評估結果如決策矩陣D所示:(其中X1~X4為可量化準則，X5、X6為質化準則,準則除X4為成本準則外,其它皆為效益準則)，各準則之權重為 W=[0.2, 0.1, 0.1, 0.1, 0.2, 0.3] * 六、計算過程—step1 步驟一：將決策矩陣常態化(Normalization) 將各種不同準則次元，轉換成非次元之準則特性，以便準則間相互比較。 * 步驟二：建立加權常態化矩陣 Vij = Wj*rij 0.0934 0.0366 0.0506 0.0507 0.0962 0.2012 V= 0.1168 0.0659 0.0455 0.0599 0.0577 0.1118 0.0841 0.0488 0.0531 0.0415 0.1347 0.1565 0.1028 0.0439 0.0506 0.0461 0.0962 0.1118 W=[0.2, 0.1, 0.1, 0.1, 0.2, 0.3] = 0.5139 * 0.2 六、計算過程—step2 最佳 最劣 * 六、計算過程—step3 步驟三：決定理想解(A* )與負理想解(A- ) 理想解 負理想解 其中，J={j=1,2,…,n|j就效益層面而言} J’= {j=1,2,…,n|j就成本層面而言} * 3.決定理想解與負理想解 理想解(除準則4為成本準則外,其它為效益準則) A*=(.1168,.0659,.0531,.0414,.1347,.2012) 負理想解(除準則4為成本準則外,其它為效益準則) A-=(.0841,.0366,.0455,.0598,.0577,.1118) MIN(.0506,.0598,.0414,.0460) MAX(.0934,.1168,.0841,.1028) MIN(.0934,.1168,.0841,.1028) MAX(.0506,.0598,.0414,.0460) * 六、計算過程—step4 步驟四：計算分離度(Separation) 各方案的分離度可利用歐幾里得距離加以表示。 各方案與理想解的分離度為 各方案與負理想解的分離度為 * 4.計算分離度指標 S1*=0.0545= S2*=0.1197 S3*=0.0580 S4*=0.1009 S1-=0.0983 S2-=0.0439 S3-=0.0920 S4-=0.0458 * 5.計算距理想解相對接近度: * 陳忠平p17 * 陳忠平p17