现在是信息大爆炸时代,信息推动全球经济一体化飞速发展。伴随着市场竞争越来越激烈,企业为了应对这种剧烈的竞争重压,所做的每一步决策都至关重要。比如企业某种产品的综合性能评价、企业的盈利能力、企业的负债能力等决策问题。都需要一种方便的多属性决策方法来评价研究。TOPSIS法是一种简便的多属性决策方法,一般被用在解决各种对象的优化排序问题上,比如可以对企业的产品质量进行评价、企业的财务进行综合评价和优化,这对管理者的管理和企业的进步起到了至关重要的作用。但是传统的TOPSIS法忽视了评价指标之间的相关性,当存在属性相关现象时,会产生欧氏距离失效、结果存在偏差从而导致评价结果不准确的现象。本文的研究重点在于利用马氏距离、余弦相似性距离和垂直距离构造出具有较强决策能力的智能决策模型。马氏距离代替欧氏距离解决了传统TOPSIS属性相关的问题,但是运用马氏距离需要有一个前提条件:备选方案数大于或者等于决策指标数,在这一前提无法满足时用余弦相似性代替欧氏距离取得了较好的效果。本文在探讨传统垂直距离有效性较低的基础上,利用联系向量将多维度的复杂问题简化为三维空间上问题,垂直距离可以在三维空间上直观地衡量评价对象与理想解之间的距离,从而将复杂的问题简化为一个求解几何距离的问题,提高了垂直距离的有效性。最后通过具体的案例分析对改进方法的机理做出了解释。