陈顺山

（大连经济技术开发区第七中学，辽宁 大连 116622）

1 概述

逼近于理想值的排序方法（TOPSIS，Technique for Order Preference by Similarity to Ideal Solution），是Hwang和Yoon于1981年提出的一种适用于多项指标、多方案比较选择的分析方法。这种方法通过构造决策问题的正负理想解，计算每个方案到理想方案的相对贴近度，并按一定的规则对方案进行排序，从而选出最优方案。它在工程设计、经济、管理和军事等许多领域中具有广泛的实际应用。

传统决策中权重一般通过专家评分或决策者偏好确定，人为因素和主观因素较多，直接影响评价结果的可信度，陈雷[1]等人对变权的多目标决策问题进行了探讨；周文坤[2]用拉格朗日算法建立了主观和客观两种信息权重为基础的优化模型来确定权重；Kim G、Park C[3]应用人工神经网络技术解决TOPSIS中属性指标的客观赋权问题。但在主客观结合方面，现有方法无法解决权重不够稳定的问题。此外，在TOPSIS算法的改进方面，Chen[4]在模糊环境中对TOPSIS进行了研究，提出了一种求解多准则问题的语言决策过程；李德毅[5]提出了基于概率论和模糊数学的云概念，研究了模糊和随机性及两者之间的关系。在此基础上，高志方[6]给出了确定正负理想云的方法以及云模型的距离测度公式，在此基础上发展了云TOPSIS方法；袁华[7]提出通过隶属度和非隶属度函数来更好地描述信息的不确定性，并利用直觉模糊云的期望、熵和超熵来构造决策矩阵，从而获得各备选方案的综合贴近度。决策问题中存在不确定性和模糊性对决策结果有着重要影响，目前对TOPSIS方法研究已经由数值问题向模糊问题转变，将云模型与TOPSIS方法结合能够更好地解决定性和定量指标结合的混合指标多属性决策问题。……