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。
一、层次分析法的一些局限性
- 评价的决策层不能太多,太多的话n会很大,判断矩阵和一致矩阵差异可能会很大。
如果决策层中指标的数据是已知的,TOPSIS法可以利用这些数据来使得评价更加准确。
二、TOPSIS法基本过程
2.1将原始矩阵正向化
2.1.1极小型转极大型
2.1.2中间型转极大型
2.1.3区间型指标转化为极大型指标
2.2正向化矩阵标准化
2.3计算得分并归一化
三、基于熵权法对TOPSIS模型的修正(存在一定问题)
熵权法是一种客观赋权的方法。
原理:指标的变异程度越小,所反映的信息量也越少,其对应的权值也应该越低。(客观=数据本身就可以告诉我们权重)
(一个极端的例子:对于所有样本而言,这个指标都是相同的数值,那么我们可认为这个指标的权值为0,即这个指标对于我们的评价起不到任何帮助)3.1度量信息量的大小
越有可能发生的事情,信息量就越少(好生—>清华),
- 越不可能发生的事情,信息量就越多(差生—>清华)。