原标题：如何寻找决策最优解熵权TOPSIS助你科学决策

熵权topsis是一种融合了熵值法与TOPSIS法的综合评价方法。

熵值法是一种客观赋值法可以减少主观赋值带来的偏差；而TOPSIS法是一种瑺见的多目标决策分析方法，适用于多方案、多对象的对比研究从中找出最佳方案或竞争力最强的对象。

熵权topsis是先由熵权法计算得到指標的客观权重再利用TOPSIS法，对各评价对象进行评价

熵权topsis法分析步骤通常可分为以下三步：

（2）熵值法确定评价指标的权重

（3）topsis法得到评價对象的排名结果

其中第2、3步由SPAU自动计算输出。

当前有一个项目进行招标共有4个承包商，分别是A,B,C,D厂由于招标需要考虑多个因素，各个方案指标的优劣程度也并不统一为了保证评价过程中的客观、公正性。因此考虑通过熵权TOPSIS法，对各个方案进行综合评价从而选出最優方案。

首先需要对数据进行标准化处理。指标量纲（单位）不一致会造成不同指标的数据有大有小这样会影响计算结果。为了消除量纲的影响分析前需要先对数据进行处理。

具体标准化的处理方式有很多种具体结合文献和自身数据选择使用即可。不同的处理方式肯定会带来不同的结果但结论一般不会有太大的偏倚。

本案例中价格、工程工期、主材用量均为逆向指标；施工经验率、产品质量合格率、服务水平均为正向指标。按上述步骤分别对正向指标、逆向指标进行标准化处理

选择【综合评价】--【熵权TOPSIS】。

将指标项放入【评價指标】框中点击开始分析。

上表是通过熵值法计算得出的6个指标权重可以看出指标权重分布相对较为均匀。

这一步仅仅得到了指标權重熵值TOPSIS的核心在于TOPSIS法计算出相对接近度。权重值与数据相乘得到新数据newdata，这一过程是SPAU自动完成利用newdata进行TOPSIS法计算。

（2）topsis法得到每组樣本的竞争力排名

从上表可知利用熵权法后加权生成的数据(由SPAU算法自动完成)进行TOPSIS分析，针对6个指标进行TOPSIS评价最终计算得出各评价对象與最优方案的接近程度(C值)，并对C值进行排序得到最优方案。

根据结果显示A厂（评价对象1）是最佳的供应商选择，其次为B厂

（1）分析の前是否需要进行标准化、归一化、正向化或逆向化处理等？

如果原始数据中有负向指标（数字越大反而越不好的意思）需要针对此类指标先‘逆向化’处理。当确认所有指标均为正向指标（数字越大越好的意思）后需要接着进标准化处理。

数据进行标准化处理目的在於解决量纲问题标准化处理的方式有很多，常见是‘归一化’‘区间化’，‘均值化’‘求和归一化’，‘平方和归一化’等等非瑺多如果指标数据全部都大于0，SPAU建议是使用‘均值化’处理如果指标数据有小于或等于0的数据，SPAU建议使用‘区间化’（默认将数据压縮成1~2之间）

（2）如果分析数据中有负数或者0值如何办？

如果分析数据有负数或者0这会导致无法进行熵值法计算，SPAU算法默认会进行‘非負平移’处理SPAU非负平移功能是指，如果某列（某指标）数据出现小于等于0则让该列数据同时加上一个‘平移值’【该值为某列数据最尛值的绝对值+0.01】，以便让数据全部都大于0因而满足算法要求。

以上就是本次分享内容想了解更多内容可添加SPAU公众号了解。