經典多屬性決策算法對比分析(doc 12頁)

經典多屬性決策算法對比分析內容提要：
1. TOPSIS（逼近理想解法）：(TOPSIS方法屬於經典的多屬性決策方法之一，由H.wang.C.L和Yoon，K.S.1981提出).
基本原理:根據評價指標的標準化值與指標的權重共同構成規範化矩陣來確定評價指標的正、負理想解。然後，建立評價指標綜合向量與正、負理想解之間距離的二維數據空間。在此基礎上對評價方案與最優理想參照點之間的距離進行模糊評判。最後，依據該距離的大小對評價方案進行優劣排序. 若某方案為最優方案則此方案最接近最優解，同時又遠離最劣解.
TOPSIS法最大的優點是:無嚴格限製數據分布及樣本含量指標的多少，小樣本資料、多評價單元、多指標的大係統資料都同樣適用，同時也不受參考序列選擇的幹擾。既可用於多單位之間進行對比，也可用於不同年度之間對比分析，該法運用靈活，計算簡便同時結果量化也客觀[1]。
缺點：（1）規範決策矩陣的求解比較複雜，故不易求出理想解和負理想解；（2）評價缺少穩定性，當評判的環境及自身條件發生變化時，指標值也相應會發生變化，就有可能引起理想解和負理想解向量的改變，使排出的順序隨之變化，評判結果就不具有唯一性；（3）屬性權重是事先確定的，其主觀性較強。[2]

..............................