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

好的，我可以帮你编写一个MATLAB程序来实现这个任务。下面是代码示例：

% 输入指标矩阵X，每一行代表一个评价对象，每一列代表一个指标
X = [1 2 3 4; 4 3 2 1; 2 3 4 1; 3 1 2 4; 2 3 1 4];

% 对指标矩阵进行归一化处理，使得每个指标都在0-1之间
[n,m] = size(X);
X_normalized = zeros(n,m);
for j = 1:m
    X_normalized(:,j) = X(:,j) ./ sqrt(sum(X(:,j).^2));
end

% 输入权重向量W，每个元素代表对应指标的重要程度
W = [0.2, 0.3, 0.4, 0.1];

% 计算加权后的指标矩阵
X_weighted = X_normalized .* repmat(W,n,1);

% 计算最优方案
A = max(X_weighted);
B = min(X_weighted);
S_plus = sqrt(sum((X_weighted - repmat(A,n,1)).^2,2));
S_minus = sqrt(sum((X_weighted - repmat(B,n,1)).^2,2));
C = S_minus ./ (S_plus + S_minus);
[~,idx] = max(C);

% 输出最优方案
fprintf('最优方案为第%d个评价对象\n', idx);
disp(X(idx,:));

在这个示例中，我们首先输入了一个评价对象矩阵X和一个权重向量W，然后对X进行归一化处理，再根据权重向量计算加权后的指标矩阵。接着，我们根据Topsis算法计算每个评价对象的C值，最后输出C值最大的评价对象作为最优方案。