TOPSIS法，中文简称为优劣解距离法，是一种评价方法，通过比较评价对象与理想化目标的接近程度进行排序。该方法能充分利用原始数据信息，精确反映各评价方案差异。

基本思想在于构造评分公式，该公式能良好评估指标下的数据，反映数据在数据区间所处的位置。通过将指标正向化，统一不同指标类型，进而标准化处理消除不同指标量纲影响。计算得分过程中，定义与最大值、最小值的距离，结合指标权重，计算各评价对象得分。

结果处理环节，通过归一化或标准化，便于比较不同评价模型的评价结果，使结果更易理解与解释。

TOPSIS法涉及矩阵构建、指标正向化、标准化、计算得分和结果处理等步骤。模型步骤具体如下：

构造评价指标矩阵，描述所有指标。指标正向化，统一指标类型，转换为极大值指标。标准化处理，消除不同指标量纲影响。计算得分，定义与最大值、最小值的距离，结合权重计算得分。结果处理，归一化或标准化，便于比较评价结果。

模型思想基于信息论，熵权法通过计算信息量、概率和熵值，赋予指标权重。熵权法反应指标信息量大小，但不能反映重要程度，因此加权评价模型结果变化幅度更大。

归一化与标准化是特征工程中的特征线性缩放过程，用于缩放数据，避免新样本突破原始数据范围。归一化和标准化均保持数据分布不变，但归一化关注最大值和最小值，标准化关注数据分布，如均值和方差。归一化保留样本间间距，标准化具有更强的统计意义。