数模（TOPSIS法）

TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution,逼近理想解排序法/优劣解距离法），是一种综合评价的方法，能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。

1、现将原始数据矩阵统一指标类型（一般正向化处理），得到正向化矩阵：

（max为所有已知数据中的最大值，min为所有已知数据中的最小值，x为某一个数据的值）

成绩是越高越好，这样的指标被称为极大型指标（效益型指标）

与他人争吵的次数越小越好，这样的指标被称为极小型指标（成本型指标）

区间型指标->极大型指标

2、在对正向化的矩阵的矩阵进行标准化处理以消除各指标量纲的影响：

3、分别计算各评价对象与最优方案（最大值）和最劣方案（最小值）间的距离，获得各评价对象与最优方案的相对接近程度：

        （wj为每个指标的权重，可以用层次分析法确定权重）

代码新点提示：

1、如何将excel的数据用matlab代码导入：（1）在工作区右键，点击新建（Ctrl+N）,输入变量名称为X；

                                                               （2）在Excel中复制数据，再回到matlab中以EXCEL形式打开变量，右键点击粘贴excel数据；

                                                                （3）关掉这个窗口，点击X变量，右键另存为，保存为mat文件（下次就不用复制粘贴了，只需要使用load命令即可加载数据）

                                                                    (4)注意，保存路径要和代码在同一个目录下，且matlab的工作文件夹也要在这个目录下；

完成上述四步即可用load data_water_quality.mat导入变量数据矩阵

2、sort函数：sort(A，1)默认对各列升序排序，sort(A，2)默认对各行升序排序，sort(A，‘descend’)默认对各列降序排序，【sA,index】=sort(A,'descend'）中sA是排序好的向量，index是向量sA中对A的索引。

3、for i=1:size(Position,2)

        .......

        end

4、自己定义函数Positivization：

        （1）单独放在一个.m文件里，

         （2）function     [输出变量]=函数名称（输入变量）

         （3）函数最后要用end结尾