对于多指标评价，BP神经网络评价和TOPSIS有什么区别呢？ 第1页

区别大了。完全就不是一回事。BP神经网络先不谈，先好好理解topsis.尝试用一句话解释什么是topsis。

先上一个复杂的流程图。

上面是原理，原理说明。流程图如下。

先用一句话概括TOPSIS的核心是什么？

TOPSIS （Technique for Order Preference by Similarity to an Ideal Solution ）法是C.L.Hwang和K.Yoon于1981年首次提出，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。TOPSIS法是一种逼近于理想解的排序法，该方法只要求各效用函数具有单调递增（或递减）性就行。TOPSIS法是多目标决策分析中一种常用的有效方法，又称为优劣解距离法。该方法又被称为“双基点法”

一言以蔽之：topsis核心就是针对归一化矩阵，通过带权值的距离公式求解出到正负理想点的距离。

上面一段话好好理解。

距离公式，可不是只有欧式距离一种。

能用的最少有上百种。

运用topsis 的核心是理解其思想。就是到正负理想解的距离。

上面是一个运算实例。它解决与回答的问题如下：

上面是问题，即若干评价对象（行，方案，样本），若干列（指标、维度，属性，评价指标）。

输出结果是，若干评价对象，谁最差的问题。

上面是输出结果，就是有六种谁牛逼的情况。

比如有邵阳最好的情况

有长沙最好的情况。

总之就六种情况。

其中有整个区段谁牛逼的排序结果。

如何解读上面的对抗层级拓扑图，又是一门学问了。

上面是一种区段排序的结果，又是另外一种解读。