TOPSIS——AISM联合求解过程

论文写作或者计算需要帮助可发邮件到 hwstu # sohu.com 把 #替换成@,非免费

原始数据如下


$$ \begin{array}{c|c|c|c|c|c|c}{M_{4 \times4}} & -黑点 &文人评价 &文治 &武功\\ \hline 李世民 &7 &9 &9 &9\\ \hline 朱棣 &8 &6 &6 &9\\ \hline 杨坚 &3 &8 &8 &7\\ \hline 刘恒 &2 &7 &8 &6\\ \hline \end{array} $$
观察点为原始矩阵指标的属性必须处理成正向指标或者负向指标

采用的归一方法如下


极差法

正向指标公式:$$ n_{ij} = \frac{{o_{ij}-min(o_{j})}}{{max(o_{j})-min(o_{j})}} $$

负向指标公式:$$ n_{ij} = \frac{max(o_{j})-{o_{ij}}}{{max(o_{j})-min(o_{j})}} $$


计算后的归一化矩阵如下


$$ \begin{array}{c|c|c|c|c|c|c}{M_{4 \times4}} & -黑点 &文人评价 &文治 &武功\\ \hline 李世民 &0.167 &1 &1 &1\\ \hline 朱棣 &0 &0 &0 &1\\ \hline 杨坚 &0.833 &0.667 &0.667 &0.333\\ \hline 刘恒 &1 &0.333 &0.667 &0\\ \hline \end{array} $$
正极值点构成
$$ \begin{array}{c|c|c|c|c|c|c}{M_{1 \times4}} & -黑点 &文人评价 &文治 &武功\\ \hline \mathbf{Max} &1 &1 &1 &1\\ \hline \end{array} $$
负极值点构成
$$ \begin{array}{c|c|c|c|c|c|c}{M_{1 \times4}} & -黑点 &文人评价 &文治 &武功\\ \hline \mathbf{Min} &0 &0 &0 &0\\ \hline \end{array} $$
观察点为规范化矩阵中指标的属性

带权重的距离公式中权重的计算方法——此处处理的为客观权重方法所得权重


采用的CRITIC方法求权重

$$ \begin{array}{c|c|c|c|c|c|c}{M_{2 \times4}} & -黑点 &文人评价 &文治 &武功\\ \hline CRITIC方法所得权重 &0.2682 &0.2227 &0.2179 &0.2913\\ \hline 权重大小顺序 &2 &3 &4 &1\\ \hline \end{array} $$

带权重的距离公式中距离公式的选择

点击此按钮可以查看选择的距离公式的一般形式

欧几里得距离、欧式距离公式

$$ D_i^+ = \sqrt {\sum_\limits{j=1}^m { \omega_{j}^2 \left({Max(n_j) -n_{ij}} \right)} ^2} $$

$$ D_i^- = \sqrt {\sum_\limits{j=1}^m { \omega_{j}^2 \left({n_{ij}-Min(n_j) } \right)} ^2} $$


计算后的距离矩阵如下


$$Dist=\begin{array}{c|c|c|c|c|c|c}{M_{4 \times2}} &-d^+ &d^-\\ \hline 李世民 &0.2235 &0.4288\\ \hline 朱棣 &0.4111 &0.2913\\ \hline 杨坚 &0.2247 &0.3202\\ \hline 刘恒 &0.3349 &0.3139\\ \hline \end{array} $$
距离矩阵中正理想点的距离指标为负向指标,负理想点的距离指标为正向指标。

设定的贴近度公式


类似曼哈顿距离公式,最常用的贴近度公式$$ 对正理想点的贴近度 \quad \quad C_i^+ = \frac{ d_i^-} { d_i^- + d_i^+} $$$$ 对负理想点的贴近度 \quad \quad C_i^- = \frac{ d_i^+} { d_i^- + d_i^+} $$

计算后的贴近度矩阵如下


$$Similar=\begin{array}{c|c|c|c|c|c|c}{M_{4 \times2}} &C^+ &-C^-\\ \hline 李世民 &0.6574 &0.3426\\ \hline 朱棣 &0.4147 &0.5853\\ \hline 杨坚 &0.5876 &0.4124\\ \hline 刘恒 &0.4838 &0.5162\\ \hline \end{array} $$
贴近度矩阵中越贴近正理想点越优,正理想点的贴近度指标为正向指标。

TOPSIS——AISM联合求解夹逼过程的理解

原始矩阵,归一化矩阵,距离矩阵,贴近度矩阵对应拓扑层级图如下



重要的概念与定义:

Adversarial Interpretive Structure Modeling Method(简称 AISM)是在经典的解释结构模型(ISM)基础上,融入生成对抗网络(GAN)中的博弈对抗(Adversarial)思想,最新提出的一种模型方法。一言以蔽之AISM就是在不损失系统功能的前提下,通过相反的层级抽取规则,得出一对最简的层次化的拓扑图。

活动要素(Activity elements) 在对抗有向拓扑层级图中处于不同的层级的要素。

可拓变系统(Extension variable system),也叫活动系统或拓扑活动系统 具有活动要素的系统。

刚性系统(Rigid system),也叫拓扑刚性系统(Topological rigid system) 不含有活动要素的系统。

完全刚性系统(Completely rigid system): 完全刚性系统具有如下三个特性:

其一,关系矩阵中的要素从小到大排序后形成上三角矩阵的满阵形式,即对角线右上方全为1,对角线左下方全为0;同理,关系矩阵中的要素从大到小排列后,则形成下三角矩阵的满阵形式。

其二,两种有向拓扑层级图的结果是一致的,展现为直链型。(一条棍子)

其三,任意两个评价对象(样本,要素,方案)之间都有确定的比较关系(优劣,好坏,可达,大小)。

超级完全刚性系统(Super Completely rigid system): 比完全刚性系统多一个属性

一条棍子的某个节点含有一个回路系统

1、$O$与$N$对应的对抗层级拓扑图是完全一致的。这也是检验归一化方法的导致的必然结果。

2、$O \longrightarrow N \longrightarrow D \longrightarrow C$ 是一个逼近的过程,是从活动系统到 完全刚性系统的过程(采用曼哈顿公式方式的贴近度必定为完全刚性系统)

3、逼近的过程中存在着保序性,即极少出现逆序现象。如决策矩阵D中要素x,y存在着优劣比较关系,在决策矩阵C中该优劣比较关系依然存在,且方向一致。