数学建模之“TOPSIS数学模型”原理和代码详解

这篇具有很好参考价值的文章主要介绍了数学建模之“TOPSIS数学模型”原理和代码详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、简介

TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)是一种多准则决策分析方法,用于解决多个候选方案之间的排序和选择问题。它基于一种数学模型,通过比较每个候选方案与理想解和负理想解之间的相似性来评估其优劣。

TOPSIS方法包括以下步骤:

  1. 确定决策准则:首先确定影响决策的准则,例如成本、效益、可行性等。这些准则应该能够量化,并与候选方案相关联。

  2. 归一化:对每个准则进行归一化处理,将其转化为标准化的0-1范围内的值。这样可以确保不同准则的权重在计算中得到平等的考虑。

  3. 确定理想解和负理想解:根据每个准则的重要性,确定一个理想解和一个负理想解。理想解是在各个准则上表现最佳的方案,而负理想解则是在各个准则上表现最差的方案。

  4. 计算相似性:使用距离度量方法(如欧几里得距离或曼哈顿距离)计算每个候选方案与理想解和负理想解之间的相似性。

  5. 计算综合评分:根据相似性计算每个候选方案的综合评分。综合评分越接近1,表示该方案越接近理想解;综合评分越接近0,表示该方案越接近负理想解。

  6. 排序和选择:按照综合评分对候选方案进行排序,并选择得分最高的方案作为最优解。

TOPSIS方法的优点包括简单易用、不需要主观权重设定、能够有效处理多准则决策问题。然而,它也有一些限制,例如对准则之间的相互关系没有考虑,不能处理不确定性和不完备信息等。

总之,TOPSIS数学模型是一种常用的多准则决策方法,可以帮助决策者在多个候选方案中做出合理的选择和排序。

二、实例

以下是一个典型的TOPSIS例题:

假设你是一家公司的采购经理,你需要从三个供应商中选择一个最佳的供应商来购买某种原材料。你考虑的准则有:价格、质量和交货时间。根据这些准则,你收集到了每个供应商的数据如下:

供应商A:价格 8, 质量 9, 交货时间 5
供应商B:价格 6, 质量 7, 交货时间 8
供应商C:价格 9, 质量 8, 交货时间 7

现在使用TOPSIS方法来选择最佳供应商。

1. 归一化:
首先,对每个准则进行归一化处理,将它们转化为0-1范围内的标准化值。这里我们可以使用最小-最大归一化方法。

供应商A:价格 8/9 ≈ 0.89, 质量 9/9 = 1, 交货时间 5/9 ≈ 0.56
供应商B:价格 6/9 ≈ 0.67, 质量 7/9 ≈ 0.78, 交货时间 8/9 ≈ 0.89
供应商C:价格 9/9 = 1, 质量 8/9 ≈ 0.89, 交货时间 7/9 ≈ 0.78

2. 确定理想解和负理想解:
根据每个准则的重要性,确定理想解和负理想解。对于价格和交货时间,理想解是最小值,负理想解是最大值;对于质量,理想解是最大值,负理想解是最小值。

理想解:价格 0, 质量 1, 交货时间 0
负理想解:价格 1, 质量 0, 交货时间 1

3. 计算相似性:
使用距离度量方法(如欧几里得距离)计算每个供应商与理想解和负理想解之间的相似性。

供应商A:与理想解的相似性 = √((0.89-0)^2 + (1-0)^2 + (0.56-0)^2) ≈ 1.12
         与负理想解的相似性 = √((0.89-1)^2 + (1-0)^2 + (0.56-1)^2) ≈ 0.84
供应商B:与理想解的相似性 = √((0.67-0)^2 + (0.78-1)^2 + (0.89-0)^2) ≈ 0.73
         与负理想解的相似性 = √((0.67-1)^2 + (0.78-0)^2 + (0.89-1)^2) ≈ 1.24
供应商C:与理想解的相似性 = √((1-0)^2 + (0.89-1)^2 + (0.78-0)^2) ≈ 0.26
         与负理想解的相似性 = √((1-1)^2 + (0.89-0)^2 + (0.78-1)^2) ≈ 1.12

4. 计算综合评分:
根据相似性计算每个供应商的综合评分,使用正负理想解的相对距离。

供应商A:综合评分 = 0.84 / (0.84 + 1.12) ≈ 0.43
供应商B:综合评分 = 1.24 / (0.73 + 1.24) ≈ 0.63
供应商C:综合评分 = 0.26 / (0.26 + 1.12) ≈ 0.19

5. 排序和选择:
根据综合评分对供应商进行排序,并选择得分最高的供应商作为最优解。

综合评分排序:供应商B > 供应商A > 供应商C

因此,在这个例子中,供应商B被认为是最佳供应商,因为它在价格、质量和交货时间准则上相对于其他供应商更接近理想解。

 //

三、补充

TOPSIS是一种解决多属性决策问题的评价方法,亦称理想点解法。

这种方法通过构造评价问题的正理想解和负理想解,即各指标的最优解和最劣解。通过计算每个方案到理想方案(即靠近正理想解和远离负理想解)的相对贴近程度来对备选方案进行排序,从而选出最优方案。

用理想解法求解多属性决策问题的概念简单,只要在属性空间定义适当的距离测度就能计算备选方案与理想方案的距离。为了区分这两个备选方案与正理想解的距离相同的情况,引入备选方案与负理想解的距离,离负理想解远者为优。

数学建模之“TOPSIS数学模型”原理和代码详解,数学建模,数学建模

这里所指的距离通常是指欧式距离。需要指出的是:正理想解是一个并不存在的虚拟的最佳方案,它的每个属性值都是决策矩阵中该属性的最优值;负理想解是虚拟的最差方案,它的每个属性值都是决策矩阵中该属性的最差值。 

 数学建模之“TOPSIS数学模型”原理和代码详解,数学建模,数学建模

数学建模之“TOPSIS数学模型”原理和代码详解,数学建模,数学建模 

 文章来源地址https://www.toymoban.com/news/detail-659839.html

到了这里,关于数学建模之“TOPSIS数学模型”原理和代码详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模——TOPSIS法

    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,其结果能精确的反应各评价方案之间的差距。 (上期我们刚讲述了层次分析法,但是对于层次分析法也有一定的限制) 层次分析法的局限性: 那TO

    2024年02月16日
    浏览(35)
  • 数学建模--TOPSIS

    topsis.m Positivization.m inter2Max.m Mid2Max.m Min2Max.m

    2024年02月13日
    浏览(31)
  • 数学建模-TOPSIS法

    来自清风老师数学建模的教程 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。 层次分析法

    2024年02月15日
    浏览(43)
  • 【数学建模美赛 | 国赛必学模型算法精讲】层次分析法——模型原理及Matlab+Python双语言代码演示

    层次分析法 是 评价决策类 中一个比较常用的方法,很多留意美赛赛题的小伙伴们就会发现,在美赛EF类题目的历年O奖论文中,层次分析法出现的概率是非常高的。层次分析法呢一般是针对评价决策类的题目,让我们评价或选择一个可能更好、更优的政策及方案,那这样呢,

    2024年01月25日
    浏览(44)
  • 《零基础数学建模》——TOPSIS+熵权法

    本文大部分是对于数学建模清风老师的课程学习总结归纳而来,我的理解可能有错误,大家发现错误可以在评论区批评指正,课程地址:《数学建模清风》   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

    2023年04月09日
    浏览(37)
  • 数学建模.优劣解距离法Topsis

    1.引言 Topsis也是一种分析类的方法,得到最优结果。 层次分析法:有我了还要你干嘛? 哈哈,这里简单说一下,Topsis与层次分析法的区别: 在处理多个决策层的时候,层次分析法会不准确,显得力不从心,那么这个时候用Topsis会更好一些,简单可以理解为Topsis是层次分析法

    2024年02月05日
    浏览(40)
  • 数学建模学习笔记||TOPSIS&&熵权法

    目录 评价类问题介绍 TOPSIS法 算法步骤 1.统一指标类型(指标正向化) 2.标准化处理 3.确定正理想解和负理想解 4.计算距离 5.计算相对接近度(S越大越接近理想解) 熵权法 概念 过程 python代码实现 作用         声明 评价类问题介绍 目的:得知一组方案的好坏,对数据评

    2024年01月16日
    浏览(40)
  • 2023全国大学生数学建模竞赛E题详解+Python代码源码(三)SARIMA模型

    简单介绍一下我自己:博主专注建模四年,参与过大大小小数十来次数学建模,理解各类模型原理以及每种模型的建模流程和各类题目分析方法。参与过十余次数学建模大赛,三次美赛获得过二次M奖一次H奖,国赛二等奖。 希望各位以后遇到建模比赛可以艾特一下我,我可以

    2024年02月09日
    浏览(51)
  • 优劣解距离法(TOPSIS)——数学建模清风笔记

    构造计算评分的公式:    max,min指已知数据中的最大值和最小值而不是理论上的最大值和最小值 三点解释: (1)比较的对象一般要远大于两个。(例如比较一个班级的成绩) (2)比较的指标也往往不只是一个方面的,例如成绩、工时数、课外竞赛得分等。 (3)有很多指

    2024年01月17日
    浏览(42)
  • 数学建模--Topsis评价方法的Python实现

    目录 1.算法流程简介 2.算法核心代码 3.算法效果展示  

    2024年02月09日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包