【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列

【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列

文章目录

1、TOPSIS法的原理

2、TOPSIS法案例分析

3.建立模型并求解

3.1数据预处理

3.2代码实现数据预处理

3.3 本案例中数据预处理的运用

4.计算距离和评价指标

4.1 代码

4.2 运行结果

5.总结


1、TOPSIS法的原理

       设多属性决策方案(单元)为D={d1,d2,…,dm},衡量方案优劣的属性变量为x1,x2,…,xn,这些方案D中的每个方案di(i=1,2,…)的n个属性构成向量[ai1,ai2,…,ain],将其作为n维空间的一个点,能唯一地代表方案di

       正理想解C*是一个方案D中不存在的虚拟最佳方案,它的每个属性都是决策矩阵中该属性的最优值;而负理想解C0则是虚拟的最差方案,它的每个属性都是决策矩阵中该属性的最差值。

       评价与决策原理:将D中每个备选方案di与正理想解C*和负理想解C0的距离进行比较,既靠近C*,又远离C0的方案是D中最优方案,并且可以据此排定D中各个备选方案的优先序。

       原理中距离的选取不同,也会影响排序和评价,TOPSIS法常用的是欧几里得距离

2、TOPSIS法案例分析

       为了客观评价我国研究生教育的实际状况和各研究生院的教学质量,国务院学位办组织过一此研究生院的评估。为了取得经验,先选了5所研究生院,收集有关数据进行了式评估,表1给出了部分数据。

i\指标j

人均专著x1(/人)

生师比x2

科研经费x3(万元/年)

逾期毕业率x4%

1

0.1

5

5000

4.7

2

0.2

6

6000

5.6

3

0.4

7

7000

2.3

4

0.9

10

10000

2.3

5

1.2

2

400

1.8

符  号

说      明

i

研究院标号;i=1,2,3,4,5;

j

评价指标标号,j=1,2,3,4

aij

i研究院的第j指标的数据;

bij

aij的规范化后的数据;

cij

加权规范数据;

wj

j指标的权重,j=1,2,3,4;

cj*

正理想解的第j指标;

cj0

负理想解的第j指标;

si*

i研究院与正理想解的距离;

si0

i研究院与负理想解的距离;

fi*

i研究院的排序指标

3.建立模型并求解

3.1数据预处理

       属性值具有多种类型,包括效益型,即越大越好;成本型,即越小越好;区间型,即属性值落在某个区间最佳。

       数据规范化的必要性: (1)属性的上述不同类型值放在同一个表中(矩阵)中不便处理,即不变直接从数值大小区分优劣;(2)非量纲化,多属性评估与决策的难点就是属性值的不可公度性,即每一列都有不同计量单位,需要排除量纲的选用对决策和评估的影响;(3)归一化,属性值表中不同指标的属性值数值大小差别比较大(可能是科学计数法造成),为了直观,更为了便于采用各种多属性决策与评估进行评价,需要把属性表中不同属性数值归一化,即把表中数据都处理到[0,1]区间上。

效益型数据处理(即越大越好)规范化公式(也归一化)

【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列_第1张图片

成本型数据处理(即数据越小越好)规范化公式

【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列_第2张图片

区间型数据处理公式

【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列_第3张图片

3.2代码实现数据预处理

%数据预处理方法:线性归一化
%a为处理数据矩阵 u为选择处理方法 1为效益型 2为成本型 3为区间型 qujian为效益形中的最优属性区间 rennai为忍耐上下限区间
function b=topsis(a,u,qujian,rennai)
am1=min(a);am2=max(a);
% 效益型数据处理(即数据越大越好)
if u==1
    b=(a-am1)./(am2-am1);
% 成本型数据处理(即数据越小越好)
elseif u==2
    b=(am2-a)./(am2-am1);
% 区间型数据处理
elseif u==3
    n=length(a);
    for k=1:n
        if a(k)>=rennai(1)&a(k)=qujian(1)&a(k)<=qujian(2)
            b(k)=1;
        elseif a(k)>qujian(2)&a(k)<=rennai(2)
            b(k)=1-(a(k)-qujian(2))/(rennai(2)-qujian(2));
        else
            b(k)=0;
        end
    end
end

3.3 本案例中数据预处理的运用

       本案中,人均专著就是效益型指标;科研经费是成本型指标;逾期毕业率是效益型指标;而生师比是区间型指标,因为生师比太大,一个老师所带研究生太多,就越糟;生师比越小也越浪费教师资源,情况也越糟。设最优区间为[5,6]。逾期毕业率为成本型指标。

A=[0.1 0.2 0.4 0.9 1.2;
   5 6 7 10 2;
   5000 6000 7000 10000 400;
   4.7 5.6 6.7 2.3 1.8];
A=A';
a1=A(:,1);a2=A(:,2);a3=A(:,3);a4=A(:,4);
b1=topsis(a1,1);
b2=topsis(a2,3,[5,6],[2,12]);
b3=topsis(a3,2);
b4=topsis(a4,2);
[b1,b2',b3,b4]

运行结果:

【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列_第4张图片

 

i\指标j

人均专著x1(/人)

生师比x2

科研经费x3(万元/年)

逾期毕业率x4%

1

0

1

0.5208

0.4082

2

0.0909

1

0.4167

0.2245

3

0.2727

0.8333

0.3125

0

4

0.7273

0.3333

0

0.8980

5

1

0

1

1

4.计算距离和评价指标

4.1 代码

A=[0.1 0.2 0.4 0.9 1.2;
   5 6 7 10 2;
   5000 6000 7000 10000 400;
   4.7 5.6 6.7 2.3 1.8];
A=A';
a1=A(:,1);a2=A(:,2);a3=A(:,3);a4=A(:,4);
b1=topsis1(a1,1);
b2=topsis1(a2,3,[5,6],[2,12]);
b3=topsis1(a3,2);
b4=topsis1(a4,2);
I=[1 1/3 2 3;3 1 4 2;1/2 1/4 1 2;1/3 1/2 1/2 1];
[x,y]=eig(I);
w1=x(:,1);
w=w1/sum(w1);
c1=b1*w(1);c2=b2'*w(2);c3=b3*w(3);c4=b4*w(4);
C=[c1,c2,c3,c4];
cx=[0.2494 0.4814 0.1482 0];
cL=[0 0 0 0.1210];
for k=1:5
    s1(k)=dist(C(k,:),cx');
    s2(k)=dist(C(k,:),cL');
end
f=s2./(s1+s2);
[s1',s2',f']

4.2 运行结果

【综合评价分析】topsis评价 原理+完整MATLAB代码+详细注释+操作实列_第5张图片

研究院

正理想解距离S*

负理想解距离s0

综合指标f

1

0.2640

0.4929

0.6512

2

0.2442

0.4949

0.6696

3

0.2230

0.4270

0.6570

4

0.3760

0.2425

0.3920

5

0.4964

0.2901

0.3688

5.总结

    根据表55个研究院综合评价的优劣顺序为 2 3 1 4 5.

 

你可能感兴趣的:(算法)