现有n个指标，m个评价对象，指标均是越小越好，且指标存在负值，写一个matlab程序，用topsis算法确定最优方案

好的，我可以为你编写一个简单的MATLAB程序来使用Topsis算法确定最优方案。以下是程序的步骤：

1. 准备数据：将所有评价对象的指标值存储在一个n×m的矩阵中，其中n表示指标的数量，m表示评价对象数量。

2. 标准化数据：对每个指标进行标准化处理，使得指标值在0到1之间。对于每个指标i，计算出其最小值min_i和最大值max_i，然后对每个评价对象j的指标值进行如下转换：

x_ij = (x_ij - min_i) / (max_i - min_i)

3. 确定权重：对于每个指标i，确定其权重w_i。可以采用主观评估法或客观评估法确定权重。在这里，我们假设已经确定了权重。

4. 计算加权标准化矩阵：使用权重w_i将标准化后的数据进行加权，得到加权标准化矩阵。

v_ij = w_i * x_ij

5. 确定最佳和最劣解：计算出每个评价对象j的最佳解和最劣解。最佳解是指对于每个指标i，取得最大值的评价对象j；最劣解是指对于每个指标i，取得最小值的评价对象j。

best_j = max(v_ij)
worst_j = min(v_ij)

6. 计算距离：计算每个评价对象j到最佳解和最劣解的距离。可以使用欧几里得距离或曼哈顿距离。在这里，我们使用欧几里得距离。

D_best_j = sqrt(sum((v_ij - best_j).^2))
D_worst_j = sqrt(sum((v_ij - worst_j).^2))

7. 计算综合评价得分：对于每个评价对象j，计算其综合评价得分。

C_j = D_worst_j / (D_best_j + D_worst_j)

8. 选出最优方案：选择得分最高的评价对象作为最优方案。

完整的MATLAB代码如下：

% 输入数据
X = [1 -2 3 4; -2 3 4 -5; 3 4 5 6];
[n, m] = size(X);

% 标准化数据
for i = 1:n
    min_i = min(X(i, :));
    max_i = max(X(i, :));
    for j = 1:m
        X(i, j) = (X(i, j) - min_i) / (max_i - min_i);
    end
end

% 确定权重
w = [0.25 0.25 0.25 0.25];

% 计算加权标准化矩阵
V = w .* X;

% 确定最佳和最劣解
best = max(V, [], 2);
worst = min(V, [], 2);

% 计算距离
D_best = sqrt(sum((V - best).^2, 2));
D_worst = sqrt(sum((V - worst).^2, 2));

% 计算综合评价得分
C = D_worst ./ (D_best + D_worst);

% 选出最优方案
[~, index] = max(C);
fprintf('最优方案是评价对象%d\n', index);

这个程序可以根据你输入的数据求解最优方案。请注意，这个程序假设已经确定了权重。如果你没有确定权重，可以使用主观评估法或客观评估法来确定权重。