TOPISIS综合评价算法

TOPSIS的全称是“逼近于理想值的排序方法”

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，所谓正理想值是一设想的最好值（方案），它的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的值（方案），然后求出各个方案与正理想值和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，作为评价方案的优劣标准。

%A为决策矩阵，W为权值矩阵,M为正指标所在的列，N为负指标所在的列

A=xlsread('F:/DATA/q2.xls','N15:U19');
W=[0.125 0.125 0.125 0.125 0.125 0.125 0.125 0.125];
[ma,na]=size(A);          %ma为A矩阵的行数，na为A矩阵的列数
 for i=1:na
     B(:,i)=A(:,i)*W(i);  %按列循环得到[加权标准化矩阵]
end
V1=zeros(1,na);            %初始化正理想解和负理想解
V2=zeros(1,na);
BMAX=max(B);               %取加权标准化矩阵每列的最大值和最小值
BMIN=min(B);               
for i=1:na
     %if i<=size(M,2)      %循环得到理想解和负理想解，注意判断，不然会超个数
     V1(i)=BMAX(i);
     V2(i)=BMIN(i);
     %end
     %if i<=size(N,2)
     %V1(N(i))=BMIN(N(i));
     %V2(N(i))=BMAX(N(i));
     %end
end

for i=1:ma              %按行循环求各方案的贴近度
     C1=B(i,:)-V1;
     S1(i)=norm(C1);    %S1,S2分别为离正理想点和负理想点的距离，用二阶范数

     C2=B(i,:)-V2;
     S2(i)=norm(C2);
     T(i)=S2(i)/(S1(i)+S2(i));     %T为贴近度
end
output_args=T

 

 

 

---