用matlab写topsis怎么写

TOPSIS是一种多属性决策分析方法，用于解决决策问题。在MATLAB中实现TOPSIS主要需要以下步骤：

1. 输入决策矩阵

假设我们有m个样本，n个属性，则决策矩阵为m×n的矩阵。可以使用MATLAB中的矩阵来表示。

2. 标准化决策矩阵

将决策矩阵标准化，得到标准化决策矩阵。有多种标准化方法，如最小-最大规范化、z-score规范化等。可以根据实际情况选择不同的标准化方法。

3. 确定正负理想解

根据决策问题的具体情况，确定正负理想解。正理想解为各属性指标的最大值，负理想解为各属性指标的最小值。

4. 计算距离

计算每个样本到正理想解和负理想解的距离。可以使用欧几里德距离、曼哈顿距离等。

5. 计算综合得分

根据距离计算每个样本的综合得分，并按照得分从高到低排序，得到最终的排序结果。

下面是一个简单的MATLAB代码实现：

% 输入决策矩阵
D = [1, 2, 3; 4, 5, 6; 7, 8, 9];

% 最小-最大规范化
[m, n] = size(D);
D_norm = zeros(m, n);
for i = 1:n
    D_norm(:,i) = (D(:,i) - min(D(:,i))) / (max(D(:,i)) - min(D(:,i)));
end

% 确定正负理想解
Z = max(D_norm);
F = min(D_norm);

% 计算距离
dZ = sqrt(sum((D_norm - repmat(Z, m, 1)).^2, 2));
dF = sqrt(sum((D_norm - repmat(F, m, 1)).^2, 2));

% 计算综合得分
C = dF ./ (dF + dZ);
[~, rank] = sort(C, 'descend');
disp(rank);

注意：这只是一个简单的示例代码，实际应用时需要根据决策问题的具体情况进行修改。