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:$$ n_{ij} = \frac{max(o_{j})-{o_{ij}}}{{max(o_{j})-min(o_{j})}} $$
最大化群体效益 $S$ |
遗憾值 $R$ |
到正理想点距离 $D^+$ |
到负理想点距离 $D^-$ |
| $$ S_i = \sum_\limits{j=1}^m{ \omega_{j} \left(\frac{Zone_j^+ -n_{ij}}{Zone_j^+ -Zone_j^-} \right)} \quad \quad $$ | $$ R_i = \max_\limits{j=1} { \left( \omega_{j} (\frac{Zone_j^+ -n_{ij}}{Zone_j^+ -Zone_j^-} )\right)} \quad \quad $$ | $$ D_i^+ = \sqrt {\sum_\limits{j=1}^m { \omega_{j}^2 \left({Max(n_j) -n_{ij}} \right)} ^2} \quad \quad $$ | $$ D_i^- = \sqrt {\sum_\limits{j=1}^m { \omega_{j}^2 \left({n_{ij}-Min(n_j) } \right)} ^2} \quad \quad $$ |
$S$负向指标 |
$R$负向指标 |
$D^+$ 负向指标 |
$D^-$ 正向指标 |
闵可夫斯基距离公式 |
闵可夫斯基距离公式 |
欧几里得距离公式 |
欧几里得距离公式 |
曼哈顿距离公式 |
切比雪夫距离公式 |
欧式距离公式 |
欧式距离公式 |
到正理解的距离 |
到正理想解的距离 |
到正理想解的距离 |
到负理想解的距离 |
- 前缀表示为负向指标 |
- 前缀表示为负向指标 |
- 前缀表示为负向指标 |
+ 前缀表示为正向指标 |
闵可夫斯基公式中范数为 1 |
闵可夫斯基公式中范数为 无穷大 |
闵可夫斯基公式中范数为 2 |
闵可夫斯基公式中范数为 2 |