1.緣由
當topsis方法考慮權值時，需要用到層次分析法進行確定不同指標的權重，而判斷矩陣都為由自己填寫，所以主觀性太強，對結果影響較大。2.原理：
指標的變異程度越小，所反映的資訊量也越少，其對應的權值也應該越低，例如不同學生的數學成績都為100分，所以只根據數學的分並不能看出誰的能力較強，所以他的權重為0，即數學這個指針對我們的評價起不到任何作用。3.那麼如何去判斷每個指標提供的資訊量大小呢？
利用對數性質，如果概率越大，則表示他的資訊量越小，因為概率為0~1，所以取對數 0~1區間，即***i（x）=-ln（p（x））。3.計算每個指標的資訊熵，並計算資訊效用值，並歸一化得到每個指標的熵權需要注意的是，資訊熵越大，表明他的資訊量越小，因為資訊熵表示他期望獲得的資料，如果期望獲得的越大，說明此時的越小。1.第一步將矩陣正向化，標準化，和topsis模型一樣。2.計算每個資料的概率，用自身值除以整個矩陣總和注意：如果矩陣中存在負數，要將變為正數
該方法也有缺點，比如在進行評比三號學生時，指標有成績和有沒有過處分，顯然處分這一指標十分重要，但正常我們都沒有，在處理資料是他為0，所以按修正後的方法，他的權值為0，顯然與實際不符。
數學建模 TOPSIS法
彙總 topsis法基本過程 將資料矩陣統一指標型別 一般正向化處理 標準化處理消除量綱 計算物件與最優 最劣方案的距離 計算得分並歸一化 常見的四種指標及正向化方法 名稱特點 轉換函式 極大型指標 越大 多 越好 none 極小型指標 越小 少 越好 m ax x 常 用 1 x 需 為正數 ma...
數學建模常用演算法 熵權法 EWM
建模比賽中最基礎的模型之一，其主要用於解決評價類問題 例如 選擇哪種方案最好 哪位運動員或者員工表現的更優秀 用於確定每個指標所佔權重，權重用於計算最終得分。層次分析法最大的缺點在於判斷矩陣的確定依賴於專家，如果專家的判斷存在主觀性的話，會對結果產生很大的影響。熵權法是一種客觀賦權方法 它依據的原理...
數學建模 Topsis法（優劣解距離法）
topsis 法是一種常用的組內綜合評價方法，能充分利用原始資料的資訊，其結果能精確地反映各評價方案之間的差距。基本過程為基於歸一化後的原始資料矩陣，採用余弦法找出有限方案中的最優方案和最劣方案，然後分別計算各評價物件與最優方案和最劣方案間的距離，獲得各評價物件與最優方案的相對接近程度，以此作為評價...