使用matlab用topsis算法评价幅度失真代码

以下是使用MATLAB实现TOPSIS算法评价幅度失真的示例代码：

假设有5个样本数据，每个样本数据有5个属性，分别为A1、A2、A3、A4、A5。首先需要将数据标准化，然后计算每个样本数据的正负理想解距离，并根据距离计算每个样本数据的综合得分。

% 原始数据矩阵
X = [1 2 3 4 5; 2 3 4 5 6; 3 4 5 6 7; 4 5 6 7 8; 5 6 7 8 9];

% 权重向量
w = [0.2 0.2 0.2 0.2 0.2];

% 标准化数据
[m, n] = size(X);
X_std = zeros(m, n);
for i = 1:n
    X_std(:, i) = X(:, i) ./ norm(X(:, i));
end

% 正理想解和负理想解
z = max(X_std);
f = min(X_std);

% 计算正负理想解距离
d_plus = zeros(m, 1);
d_minus = zeros(m, 1);
for i = 1:m
    d_plus(i) = norm(X_std(i, :) - z);
    d_minus(i) = norm(X_std(i, :) - f);
end

% 计算综合得分
s = d_minus ./ (d_plus + d_minus);

% 输出结果
disp(s);

运行以上代码，即可得到每个样本数据的综合得分。根据得分可以进行排序，以得到最优的样本数据。