基于熵权-灰色关联-topsis的综合评价模型

对于熵权、灰色关联和TOPSIS三个方法的原理：

熵权法+topsis+灰色关联度综合算法 matlab语言代码获取戳此处

1. 熵权法（Entropy Weight Method）：
熵权法是一种基于信息熵的权重确定方法。它通过计算指标的信息熵来评估指标的重要性，进而确定权重。具体步骤如下：
- 计算每个指标的信息熵，公式为：$E_i = -\sum_{j=1}^{n} \frac{p_{ij}}{\log(p_{ij})}$，其中$p_{ij}$表示第i个指标在第j个样本中的比例。
- 计算每个指标的权重，公式为：$w_i = \frac{1 - E_i}{\sum_{i=1}^{m}(1 - E_i)}$，其中$m$表示指标的个数。

2. 灰色关联分析法（Grey Relational Analysis）：
灰色关联分析法是一种用于处理灰色系统的方法，它可以用于评估指标之间的关联程度。具体步骤如下：
- 将原始数据序列进行标准化处理，使得各指标处于相同的量纲范围内。
- 计算参考序列和各个比较序列之间的关联度，公式为：$r_i = \frac{\min_{j}(x_{0j}, x_{ij}) + \rho \max_{j}(x_{0j}, x_{ij})}{x_{0i} + \rho \sum_{j=1}^{n}x_{0j}}$，其中$x_{0j}$表示参考序列的第j个元素，$x_{ij}$表示比较序列的第i个元素，$\rho$为关联度衡量参数。
- 根据关联度的大小确定指标的权重。

3. TOPSIS法（Technique for Order of Preference by Similarity to Ideal Solution）：
TOPSIS法是一种多属性决策方法，用于评估各个方案与理想解之间的接近程度。具体步骤如下：
- 将原始数据进行标准化处理，使得各指标处于相同的量纲范围内。
- 计算每个方案与理想解之间的距离，包括正理想解距离和负理想解距离。正理想解距离表示方案与理想解之间的最小距离，负理想解距离表示方案与理想解之间的最大距离。- 计算每个方案的综合评价指数，公式为：$C_i = \frac{负理想解距离}{负理想解距离 + 正理想解距离}$。
- 根据综合评价指数的大小确定方案的排序。