TOPSIS综合评价法，即逼近理想解排序法，是一种多目标决策分析方法，由C.L. Hwang和K. Yoon于1981年提出。该方法通过构建评价问题的正理想解和负理想解，计算每个方案到理想方案的相对贴近度，从而选出最优方案。TOPSIS算法的核心思想是，一个好的方案应该尽可能接近理想解，同时尽可能远离负理想解。
基本概念
决策矩阵：列出所有评价对象和评价指标，形成决策矩阵。
正向化处理：将不同性质的指标转化为可以比较的数值。
标准化处理：消除指标间的量纲影响，使数据可比。
加权标准化决策矩阵：根据指标的重要程度进行加权。
理想解和负理想解：理想解是所有指标最优值的集合，负理想解是所有指标最劣值的集合。
相对贴近度：方案与理想解的距离与方案与理想解和负理想解距离之和的比值。
算法步骤
构建决策矩阵：
收集所有评价对象和评价指标的数据，形成决策矩阵。
正向化处理：
将不同性质的指标转化为可以比较的数值。
标准化处理：
消除指标间的量纲影响，使数据可比。
计算加权标准化决策矩阵：
根据指标的重要程度进行加权。
确定理想解和负理想解：
理想解是所有指标最优值的集合，负理想解是所有指标最劣值的集合。
计算各方案与理想解及负理想解的距离 。计算相对贴近度：
方案与理想解的距离与方案与理想解和负理想解距离之和的比值。
根据相对贴近度对方案进行排序。
优势
简单易行： 对数据分布及样本含量没有严格限制，数据计算简单易行。 结果精确
客观合理：通过熵权法确定权重，使得权重的分配更加客观合理。
应用领域
TOPSIS法广泛应用于多目标决策分析，如项目评估、资源配置、客户满意度评价等。例如，在银行业务中，可以通过收集客户的收入水平、信用记录、贷款金额、贷款期限和历史还款行为等指标的数据，利用TOPSIS法进行客户排序，从而选择最优的客户管理策略。
改进方法
为了克服TOPSIS法的局限性，可以结合其他方法进行改进，例如增加权重分配的客观性，或者结合其他多属性决策分析方法，如熵权TOPSIS法，以提高评价的准确性和有效性。