带权重的topsis的matlab代码

清华大学数据科学与计算机学院的研究生S.H.Lee在MATLAB上实现了带权重的TOPSIS算法。下面是一份示例代码，您可以在MATLAB环境中运行它：

function [best_alt] = topsis_with_weights(data, weights)
    % 数据矩阵的每一列代表一个评价指标
    % weights为各个指标的权重向量

    % 归一化处理
    norm_data = data ./ sqrt(sum(data.^2));
    
    % 计算正理想解和负理想解
    positive_ideal = max(norm_data);
    negative_ideal = min(norm_data);

    % 计算每个备选方案到正理想解和负理想解的距离
    positive_distance = sqrt(sum((norm_data - positive_ideal).^2));
    negative_distance = sqrt(sum((norm_data - negative_ideal).^2));

    % 计算综合评价指数
    performance = negative_distance ./ (positive_distance + negative_distance);

    % 根据综合评价指数进行排序，找到最佳备选方案
    [~, best_alt_index] = min(performance);
    best_alt = data(best_alt_index, :);
end

使用示例：

% 假设我们有一个3个备选方案和4个评价指标的数据矩阵
data = [3 2 4 5; 4 3 5 2; 2 4 3 4];

% 假设我们给出了4个指标的权重向量
weights = [0.4 0.3 0.2 0.1];

% 调用函数进行计算
best_alt = topsis_with_weights(data, weights);

这段代码实现了带权重的TOPSIS算法，根据指标的权重计算每个备选方案的综合评价指数，并找到最佳备选方案。您可以根据实际情况修改数据矩阵和权重向量来适应您的问题。