按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；根据信息熵的定义，对于某项指标，可以用熵值来判断某个指标的离散程度，其信息熵值越小，指标的离散程度越大， 该指标对综合评价的影响（即权重）就越大，如果某项指标的值全部相等，则该指标在综合评价中不起作用。因此，可利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据。

利用熵权法和Topsis方法解决综合评价类数学建模题目的具体应用参考，包括一个数学建模题目、一个对应的参考答案和一个对应的参考资料文件夹

熵权法求权重python代码，快速高效实用价值高，熵权法求权重python代码

为了进一步提高定额编制的精度,采用层次分析法和熵权法相结合的方法,对定额幅度差进行了研究.结果发现,用层次分析法和熵权法能够有效地计算定额幅度差,并得出了定额幅度差计算的模型.

熵权TOPSIS法综合评价

适合研究熵权法—Topsis综合评价法模型的原理公式部分参考

用Python实现熵权法的脚本，自编，亲测可用，容易理解。有注释

一、基本原理 在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。 根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大，其熵值越小。 二、熵值法步骤 1. 选取n个国家，m个指标，则为第i个国家的第j个指标的数值（i=1, 2…, n; j=1,2,…, m）； 2. 指标的归一化处理：异质指标同质化 由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令，从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好），因此，对于高低指标我们用不同的算法进行数据标准化处理。其具体方法如下: 正向指标: 负向指标: 则为第i个国家的第j个指标的数值（i=1, 2…, n; j=1, 2,…, m）。为了方便起见，归一化后的数据仍记为; 3. 计算第j项指标下第i个国家占该指标的比重： 4. 计算第j项指标的熵值： 其中. 满足; 5. 计算信息熵冗余度： 6. 计算各项指标的权值： 7. 计算各国家的综合得分：

数学建模获奖论文—城市表层土壤重金属污染分析，内含完整MATLAB实现kriging的插值方法和熵权法实现代码

利用EXCEL进行基于熵权法的京津冀三地2014-2017年的科技评分。