在信息论中，熵是对不确定性的一种度量。不确定性越大，熵就越大，包含的信息量越大；不确定性越小，熵就越小，包含的信息量就越小。
根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大。比如样本数据在某指标下取值都相等，则该指标对总体评价的影响为0，权值为0.
熵权法是一种客观赋权法，因为它仅依赖于数据本身的离散性。
熵权法的思想是：变量数值变化越大，变异程度越大，则其权重应该更大；反之权重则越小。这是较为合理的。
（1）方法一
前提：输入的矩阵已经归一化到0.001-0.999之间（这里不是0-1是因为0-1会出问题）
%B矩阵中的每一列均已经归一化至0-1 B(B==0)=0.0001; B(B==1)=0.9999; [n,m]=size(B); % n个样本, m个指标 %%计算第j个指标下，第i个样本占该指标的比重p(i,j) for i=1:n for j=1:m p(i,j)=B(i,j)/sum(B(:,j)); end end %%计算第j个指标的熵值e(j) k=1/log(n); for j=1:m e(j)=-k*sum(p(:,j).*log(p(:,j))); end d=ones(1,m)-e; %计算信息熵冗余度 w=d./sum(d); %求权值w 主要需要的结果是这个 s=100*w*B\'; %求综合得分