多指标综合评价是指人们根据不同的评价目的选择相应的评价形式,将多个评价指标转化为能反映样本与目标之间符合度的信息。目前,随着人们研究领域的不断扩大,所面临的评价对象日趋复杂,综合评价在日常生活和科研工作中得到了更为广泛的应用。但是,诸多实践表明,运用综合评价方法所得到的结果还是不尽人意的。不同的评价方法往往会得到不同的评价结果。在众多的评价方法中,为人们所常用的有层次分析法、模糊综合评判法、灰色关联度法、TOPSIS法、主成分分析法等。这些方法各有优势但有以下两大缺占.一是数据标准化处理的问题突出。由于评价指标一般具有不同的量纲和数量级,评价前必须对指标进行一致化及无量纲化处理,但是因为没有统一可靠的原则,不同的数据处理方法往往会得出不同的结果；二是权重系数的确定难于客观。为了体现各个评价指标在评价体系中的重要程度,必须对指标赋予不同的权重系数,不同的权重系数会导致截然不同甚至相反的评价结论。由专家根据经验进行判断而得到权数的方法,虽有可能合理恰当,但主观性太强,其它非专家人士难于掌握；而根据指标之间的相关关系或变异系数来确定的方法,往往不能准确地反映客观事实。本文在总结分析了常用几种综合评价方法的基础上,提出了一种符合度新算法。该算法就评价信息的原始数据进行计算,以马氏距离反映评价对象与目标的接近程度,从而对研究对象进行客观合理的评价。研究中,首先利用MATLAB软件进行模拟实验确定了指标数、距离与符合度之间的关系,并通过曲线曲面拟合的方法找到该关系的最适模型(p-指标数,d-马氏距离,r-符合度)。然后,对该模型的进行大量的抽样验证,得到不同符合度条件下的次数分布与原先设定的符合度有很好的对应关系,充分说明了模型的可行性与可靠性。最后将符合度算法就计算扬麦系统RVA之间接近程度以及对模拟试验的评价进行了实际应用。本研究表明,符合度算法不需要数据标准化处理,原始数据直接计算,大大减少了工作量更降低了因数据标准化处理方法不同而引起的评价结果有差异的现象发生。而且它也不需要赋权,排除了主观性的影响,综合考虑信息,保证了信息的完整性以及评价结果的可靠性。