topsis的matlab代码

以下是一个简单的MATLAB代码示例，用于实现TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法：

function [ranked_data, best_alternative] = topsis(data, weights, benefits)
    % 归一化数据
    normalized_data = data ./ sqrt(sum(data.^2));
    
    % 确定正理想解和负理想解
    if benefits
        ideal_best = max(normalized_data);
        ideal_worst = min(normalized_data);
    else
        ideal_best = min(normalized_data);
        ideal_worst = max(normalized_data);
    end
    
    % 计算正理想解和负理想解之间的欧氏距离
    positive_distances = sqrt(sum((normalized_data - ideal_best).^2));
    negative_distances = sqrt(sum((normalized_data - ideal_worst).^2));
    
    % 计算综合评分
    scores = negative_distances ./ (positive_distances + negative_distances);
    
    % 排序并返回排名结果
    [sorted_scores, ranked_indices] = sort(scores, 'descend');
    ranked_data = data(ranked_indices, :);
    best_alternative = ranked_indices(1);
end

这个函数接受三个参数：

- `data`：包含原始数据的矩阵，每行代表一个评价对象，每列代表一个评价指标。
- `weights`：一个与评价指标数量相等的权重向量，用于计算加权归一化数据。
- `benefits`：一个布尔值向量，指示每个评价指标是利益还是成本。利益指标越大越好，成本指标越小越好。

函数返回两个结果：

- `ranked_data`：根据TOPSIS方法排序后的数据矩阵。
- `best_alternative`：最佳解的索引。

你可以根据自己的需求对这个代码进行修改和扩展。希望对你有帮助！