【5.0】 基于熵权法对TOPSIS模型的修正

原理：

熵权法是一种客观赋权方法，所依据的原理是指标的变异程度越小，所反映的信息量就越小，器对应的权值也就应该越低，客观体现在通过数据本身就可以告诉我们指标权重的大小。而在层次分析法中，使用填写判断矩阵的方法依赖于专家，如果专家的判断存在主观性的haul，会对结果产生很大的影响（主观性太强）

提醒：

对于熵权法而言，因为我们关注的是数据已有的信息，所以信息熵越大，信息量越小

熵权法的计算步骤

(1) 判断输入的矩阵中是否存在负数，如果有则要重新标准化到非负区间（后面计算概率时需要保证每一个元素为非负数）

假设有n个需要评价的对象，m个评价指标(已经正向化)构成的正向化矩阵如下所示：
$$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \cdots & x_{1m}\\ x_{21}& x_{22}& \cdots & x_{2m}\\ ⋮& ⋮& \ddots & ⋮\\ x_{n1}& x_{n2}& \cdots & x_{nm}\end{array}\right]$$
那么对其进行标准化的矩阵记为Z，Z中的每一个元素：
$$Z_{ij}=x_{ij}/\sqrt{\sum _{i=1}^n{x}_{ij}^2}$$
判断Z矩阵中是否存在负数，如果存在的话，需要对X使用另一种标准化方法，对矩阵X进行一次标准化得到矩阵$\tilde{Z}$矩阵，其标准化公式为：
Z ~ i j = x i j − min ⁡ { x 1 j , x 2 j , ⋯   , x n j } max ⁡ { x 1 j , x 2 j , ⋯   , x n j } − min ⁡ { x 1 j , x