多属性决策的TOPSIS算法。其中leibie.mat可修改各个属性效益型or成本型，效益型即为1，成本型即为-1。shuxing.mat可修改各个方案的评价值。最终输出的index为最终的排名结果。

利用c++ 编写群决策中典型的topsis排序算法。

用于数据处理与建立数学模型，TOPSIS方法的详细步骤及举例，

TOPSIS综合评价是综合评价模型之一，在多目标决策中具有广泛的应用价值。本文使用R语言自己编写源代码实现TOPSIS综合评价模型，方便R语言用户使用该模型应用于实际的学习和工作中！

TOPSIS综合评价模型在综合评价中得到广泛应用。本文使用R语言实现该算法，该文档对算法实现进行了详细说明。

多属性决策TOPSIS方法matlab程序，可以直接加载到matlab后调用，A为评价矩阵，w为权重，输入后运行就可以得到方案排序

基于信息熵和TOPSIS法的目标威胁评估及排序

此教程用简单，平易近人的语言讲解了topsis 模糊综合评价模型，是初学者的一个好选择

本文档是关于用Matlab实现Topsis算法的具体内容

，利用TOPSIS法计算网络训练理想输出样 本值。首先建立起包括3个投入和4个产出的企业技术创新测度评价指标体系， 然后根据综合评价要求和网络训练学习的可行性、有效性，设计出3．1 O．1拓扑 结构的BP神经网络模型，其中，网络输入为3个技术创新投入测度，网络输 出为1个技术创新测度评价值，而用于神经网络训练学习的理想输出是根据4 个技术创新产出测度，运用TOPSIS法计算得出的综合评价值。实证部分，以 9家上市企业近四年技术创新投入产出指标值样本为例，运用本文所提出的方 法，借助MATLAB神经网络工具箱，通过大量的学习样本的测试和训练，使 模型的误差值达到预定的范围内，从而建立起可用于企业技术创新测度综合评 价的神经网络模型。