1、Feizi等2020采用熵权法TOPSIS模型构建指标为了整合具有不同单元和特征的城市智能增长的四个方面，作者采用与理想解决方案相似度偏好顺序技术TOPSIS作为多标准决策分析MCDA方法Ewa， 2011Ghorbanzadeh等，2020之所以使用TOPSIS方法，是因为它提供了一种有效的方法来衡量同时考虑最佳和最差选择；通俗地讲，熵权TOPSIS法是先使用熵权法得到新数据newdata数据成熵权法计算得到的权重，然后利用新数据newdata进行TOPSIS法研究可以使用SPSSAU进行分析上表格展示出4个政务系统指标的权重值，明显可以看出指标3的权重更大但权重大小仅仅是过程值，熵值TOPSIS分析重心在于TOPSIS法计算出相对接近度权重；TOPSISTechniqueforOrderPreferencebySimilaritytoSolution又叫理想解法，是一种有效的多指标决策方法通过应用TOPSIS法从企业的规模质量效率社会效益等方面对绩效情况进行综合评价和分析，指出TOPSIS法具有计算简便结果合理应用灵活等特点基于TOPSIS法对孵化企业数量超过家企业的家国家级科技企业孵化器；TOPSIS法是一种决策分析工具，它的核心理念是基于评价对象与其理想解和反理想解之间的相对位置进行排序简单来说，这个方法通过计算每个评价对象在各个评价指标上的表现与最佳状态和最差状态的差距，来确定其优劣在TOPSIS法中，理想解代表着所有指标的最佳状态，所有指标的值都达到了各自指标的最优值反；以此为标准对各评估对象所对应点的优劣做出评估通常，参考点有正理想点和负理想点之分，距离正理想点越近越好，距离负理想点越远越好可以通过衡量评估对象的对应点与正理想点的相对接近度来对被评估对象的综合状况做出评估基本步骤为1对指标实际值预处理求指标评估值，TOPSIS法一般应用相对；在Matlab中实现TOPSIS法的代码，通常包含以下三个步骤1 判断指标是否正向化 2 对正向化后的矩阵进行标准化处理 3 计算得分并对其进行归一化 接下来，我将通过一个实例来讲解如何判断指标是否正向化常见的指标类型主要有以下四种为了实现原始矩阵的正向化，我们需要将所有指标转化为极大型指标首。