MATLAB源码集锦-Topsis算法综合评价代码.zip

Topsis算法基本思想：基于归一化后的原始数据矩阵，采用余弦法找出有限方案中的最优方案和最劣方案（分别用最优向量和最劣向量表示）， 然后分别计算各评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。 案例代码：x是需要评价的对象矩阵 x=[ 21584 76.7 7.3 1.01 78.3 97.5 2.0 24372 86.3 7.4 0.80 91.1 98.0 2.0 22041 81.8 7.3 0.62 91.1 97.3 3.2 21115 84.5 6.9 0.60 90.2 97.7 2.9 24633 90.3 6.9 0.25 95.5 97.9 3.6];%矩阵 [n,m]=size(x); %将3，4，7的低优指标去倒数转化为高优指标并且把所有指标换成接近的大小? x(:,1)=x(:,1)/100; x(:,3)=(1./x(:,3))*100; x(:,4)=(1./x(:,4))*100; x(:,7)=(1./x(:,7))*100; zh=zeros(1,m); d1=zeros(1,n); %最小值矩阵 d2=zeros(1,n); %最大值矩阵 c=zeros(1,n); %接近程度 %归一化 for i=1:m for j=1:n zh(i)=zh(i)+x(j,i)^2; end end for i=1:m for j=1:n x(j,i)=x(j,i)/sqrt( zh(i)); end end %计算距离 xx=min(x); dd=max(x); for i=1:n for j=1:m d1(i)=d1(i)+(x(i,j)-xx(j))^2; end d1(i)=sqrt(d1(i)); end for i=1:n for j=1:m d2(i)=d2(i)+(x(i,j)-dd(j))^2; end d2(i)=sqrt(d2(i)); end %计算接近程度 for i=1:n c(i)=d1(i)/(d2(i)+d1(i)); end c