Topsis算法基本思想：

基于归一化后的原始数据矩阵，采用余弦法找出有限方案中的最优方案和最劣方案（分别用最优向量和最劣向量表示），
然后分别计算各评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。
案例代码：x是需要评价的对象矩阵

代码：

x=[
21584   76.7    7.3 1.01    78.3    97.5    2.0
24372   86.3    7.4 0.80    91.1    98.0    2.0
22041   81.8    7.3 0.62    91.1    97.3    3.2
21115   84.5    6.9 0.60    90.2    97.7    2.9
24633   90.3    6.9 0.25    95.5    97.9    3.6];%矩阵
[n,m]=size(x);
%将3，4，7的低优指标去倒数转化为高优指标并且把所有指标换成接近的大小?
x(:,1)=x(:,1)/100;
x(:,3)=(1./x(:,3))*100;
x(:,4)=(1./x(:,4))*100;
x(:,7)=(1./x(:,7))*100;
zh=zeros(1,m);
d1=zeros(1,n); %最小值矩阵
d2=zeros(1,n); %最大值矩阵
c=zeros(1,n);  %接近程度
%归一化
for i=1:mfor j=1:nzh(i)=zh(i)+x(j,i)^2;end
end
for i=1:mfor j=1:nx(j,i)=x(j,i)/sqrt( zh(i));end
end
%计算距离
xx=min(x);
dd=max(x);
for i=1:nfor j=1:md1(i)=d1(i)+(x(i,j)-xx(j))^2;endd1(i)=sqrt(d1(i));
end
for i=1:nfor j=1:md2(i)=d2(i)+(x(i,j)-dd(j))^2;endd2(i)=sqrt(d2(i));
end
%计算接近程度
for i=1:nc(i)=d1(i)/(d2(i)+d1(i));
end

Floyd算法求最小距离代码

基本函数代码，请将下属代码复制到Matlab函数输入中，将其保存在根目录下

代码：

function [d,r]=floyd(a)
n=size(a,1);
% 初始化距离矩阵
d=a;
% 初始化路由矩阵
for i=1:nfor j=1:nr(i,j)=j;end 
end 
r;% Floyd算法开始
for k=1:nfor i=1:nfor j=1:nif d(i,k)+d(k,j)<d(i,j)d(i,j)=d(i,k)+d(k,j);r(i,j)=r(i,k);end end endk;d;r;
end
d
r

复制到上面截至就可以了，直接调用是不可以的，因为a还没有赋值，下面是具体的符号解释
a是距离矩阵，也就是各顶点间的距离
R是路由矩阵，指的是找到各点之间的最短距离对应的路径，不懂得可以看一下原理
例如
a=[0 4 11;6 0 2;3 inf 0];