ahp topsis 函数中 'impact' 参数背后的逻辑是什么
Whats the logic behind 'impact' argument in ahp topsis function
d <- matrix(rpois(12, 5), nrow = 4)
w <- c(1, 1, 2)
i <- c("+", "-", "+")
topsis(d, w, i)
这是 R 中用于 Ahp topsis 的函数，我对如何在此处为 "impact" 参数分配“+”和“-”符号感到困惑。在这个例子中它是如何完成的
首先，我对 TOPSIS 没有任何经验，但该函数的代码解释了正在发生的事情并且与 TOPSIS 的描述相符。您可以通过键入 topsis 查看代码。
本例中的 矩阵 d 是一个 4x3 矩阵。每行代表一个备选方案（例如，市场上可用的汽车型号），而每列代表判断这些备选方案所依据的标准（例如，您可以使用成本、效率、扭矩和离地间隙来 select一辆车）
+ 和 - 仅显示该特定标准（列）如何影响结果。例如，汽车的成本可能是 -ve，而扭矩可能是 +ve。
该算法使用这些影响信号得出正理想解决方案和负（最差）理想解决方案。
Positive Ideal 解是通过使用+ve 列的最大值和-ve 列的最小值得出的。这是代码中的相关行。
u <- as.integer(impacts == "+") * apply(V, 2, max) + as.integer(impacts ==
"-") * apply(V, 2, min)
负理想则相反
从那时起，代码继续寻找我们的每个备选方案与这些最佳和最差结果的距离，并对它们进行排名。
好问题。
'c("+", "-", "+")' 表示您需要最大化和最小化哪些条件。
所以 TOPSIS 是由 Hwang 和 Yoon [1] 于 1981 年开发的，是一种用于 MCDC（多准则决策）问题的常用算法。 TOPSIS的前提是'best'解出一组备选方案，是离理想解几何距离最近，离反理想解几何距离最远的那个。
每个备选方案都有不同的标准。标准可以是有益的或无益的。如果它是有益的，你想最大化，但如果它是你想要最小化的成本。
那么，假设您想从一系列备选汽车中 select 'best' 辆汽车。
价格是成本标准...您希望将其降至最低。但是，也许 'speed limit' 是您想最大化的东西。
如前所述，那些'+'，'-'表示哪些属性是成本，哪些是收益，以便您可以计算理想和反理想的解决方案。
资源：
- TOPSIS 包文档。检索自 https://cran.r-project.org/web/packages/topsis/topsis.pdf
- 马诺吉·马修。 TOPSIS - 与理想解决方案相似的顺序偏好技术检索自：https://www.youtube.com/watch?v=kfcN7MuYVeI
参考文献：
- 1 Hwang, C. L., & Yoon, K. (1981)。多属性决策方法。在多属性决策中（第 58-191 页）。斯普林格，柏林，海德堡。
d <- matrix(rpois(12, 5), nrow = 4)
w <- c(1, 1, 2)
i <- c("+", "-", "+")
topsis(d, w, i)
这是 R 中用于 Ahp topsis 的函数，我对如何在此处为 "impact" 参数分配“+”和“-”符号感到困惑。在这个例子中它是如何完成的
首先，我对 TOPSIS 没有任何经验，但该函数的代码解释了正在发生的事情并且与 TOPSIS 的描述相符。您可以通过键入 topsis 查看代码。
矩阵 d 是一个 4x3 矩阵。每行代表一个备选方案（例如，市场上可用的汽车型号），而每列代表判断这些备选方案所依据的标准（例如，您可以使用成本、效率、扭矩和离地间隙来 select一辆车）
+ 和 - 仅显示该特定标准（列）如何影响结果。例如，汽车的成本可能是 -ve，而扭矩可能是 +ve。
该算法使用这些影响信号得出正理想解决方案和负（最差）理想解决方案。
Positive Ideal 解是通过使用+ve 列的最大值和-ve 列的最小值得出的。这是代码中的相关行。
u <- as.integer(impacts == "+") * apply(V, 2, max) + as.integer(impacts ==
"-") * apply(V, 2, min)
负理想则相反
从那时起，代码继续寻找我们的每个备选方案与这些最佳和最差结果的距离，并对它们进行排名。
好问题。
'c("+", "-", "+")' 表示您需要最大化和最小化哪些条件。
所以 TOPSIS 是由 Hwang 和 Yoon [1] 于 1981 年开发的，是一种用于 MCDC（多准则决策）问题的常用算法。 TOPSIS的前提是'best'解出一组备选方案，是离理想解几何距离最近，离反理想解几何距离最远的那个。
每个备选方案都有不同的标准。标准可以是有益的或无益的。如果它是有益的，你想最大化，但如果它是你想要最小化的成本。
那么，假设您想从一系列备选汽车中 select 'best' 辆汽车。
价格是成本标准...您希望将其降至最低。但是，也许 'speed limit' 是您想最大化的东西。
如前所述，那些'+'，'-'表示哪些属性是成本，哪些是收益，以便您可以计算理想和反理想的解决方案。
资源：
- TOPSIS 包文档。检索自 https://cran.r-project.org/web/packages/topsis/topsis.pdf
- 马诺吉·马修。 TOPSIS - 与理想解决方案相似的顺序偏好技术检索自：https://www.youtube.com/watch?v=kfcN7MuYVeI
参考文献：
- 1 Hwang, C. L., & Yoon, K. (1981)。多属性决策方法。在多属性决策中（第 58-191 页）。斯普林格，柏林，海德堡。