1.模糊综合评价
因素U-评语V-单因素评判ri-构建综合评价矩阵R-综合评判A-计算B=A*R
根据隶属度最大原则作出评判
隶属度的计算
先确定模糊集合（偏大型，偏小型，中间型）-采用相应的隶属函数-求出隶属度
2.层次分析
层次结构图（目标层，准则层，方案层）-构建判断矩阵（明确目标，选择方案，确定评价指标）-进行一致性检验（CR=CI/RI<0.1,如果CR>0.1,进行修正：判断矩阵列归一化（每一元素除以其所在列的和）-将归一化的列相加（按行求和）-相加后的和除以向量中的元素总和n得权重向量）-指标两两比较C(n,2)次推算权重
权重计算有三种方法：算术平均，几何平均，特殊值论文写作时三种建议都用
确定权重的方法：上网查找别的研究报告，发问卷做调查，找专家赋权等等。层次分析法可以自行确定权重。但层次分析法主观性太强，判断矩阵基本上是由个人进行填写，往往最适用于没有数据的情况。
3.优劣解距离法(TOPSIS)
适用范围：评价对象得分，且各个指标值已知。
1.原始数据同趋势化（极大化）
极小型指标正向化：x' = M - x （最大值-原值）
中间型指标：
2.构建标准化矩阵
3.计算评价指标与最优及最劣向量之间的差距
第i个评价对象与最大值的距离：
第i个评价对象与最小值的距离：
4.评价对象与最优方案的接近程度
熵权法
优劣解距离法(TOPSIS)隐藏了一个前提，就是我们默认所有指标对最终打分的重要程度是相同的，也就是他们的权重相同。但是在实际的问题中，不同的指标往往具有不同的权重。即使题目本身可能没有直接指明这方面的要求，但是仅仅根据常识，我们也晓得评价指标的重要程度许多情况下都是不完全相同的。因此在TOPSIS的拓展方面，我们提出了带有权重的欧氏距离求法
熵权法的原理是：指标的变异程度越小，所反映的现有信息量也越少，其对应的权值也越低。
熵权法是一种完全由数据出发，具有一定逼格的确定权重的方法。
熵权法的不足之处：只从数据出发，不考虑问题的实际背景，确定权重时就可能出现与常识相悖的情况。
越有可能发生的事情，信息量越小，越不可能发生的事情，信息量越多。而我们使用概率衡量事件发生的可能性，因此也可以使用概率，衡量事件包含的信息量的大小。信息量随着概率的增大而减小，且概率处于0-1之间，而信息量处在0-正无穷之间。
计算步骤
1.对于输入矩阵，先进行正向化和标准化
2.计算第j项指标下第i个样本所占的比重，并将其看作信息熵计算中用到的概率。
