matlab完成topsis完整代码

以下是MATLAB实现TOPSIS的完整代码：

% 数据矩阵
data = [1 4 2 3; 
        7 9 5 8; 
        4 6 4 5; 
        9 7 8 6];
% 权重向量
weights = [0.3 0.2 0.3 0.2];
% 决策方向（最大化或最小化）
is_maximize = true;

% 计算标准化矩阵
[row, col] = size(data);
norm_data = zeros(row, col);
for j = 1:col
    col_data = data(:, j);
    norm_data(:, j) = col_data ./ sqrt(sum(col_data.^2));
end

% 计算加权标准化矩阵
weighted_norm_data = norm_data .* weights;

% 计算理想解和负理想解
if is_maximize
    ideal_solution = max(weighted_norm_data);
    negative_ideal_solution = min(weighted_norm_data);
else
    ideal_solution = min(weighted_norm_data);
    negative_ideal_solution = max(weighted_norm_data);
end

% 计算距离
distance_to_ideal = sqrt(sum((weighted_norm_data - ideal_solution).^2, 2));
distance_to_negative_ideal = sqrt(sum((weighted_norm_data - negative_ideal_solution).^2, 2));

% 计算接近程度
closeness_coefficient = distance_to_negative_ideal ./ (distance_to_ideal + distance_to_negative_ideal);

% 输出结果
disp(closeness_coefficient)

在此代码中，我们使用了一个4x4的数据矩阵，其中每行代表一个决策，每列代表一个属性。我们还定义了一个权重向量，用于确定每个属性的重要性。最后，我们选择最大化作为决策方向。

代码的核心是计算标准化矩阵和加权标准化矩阵，以及理想解和负理想解。接下来，我们计算每个决策到这两个解的距离，并计算接近程度。最后，我们输出接近程度系数。

你可以根据自己的需求修改数据矩阵、权重向量和决策方向，并使用此代码实现TOPSIS算法。