熵权法是一种多指标评价方法，它通过计算指标之间的互信息熵，得到每个指标的权重，然后将权重应用到指标数据上，计算每个指标的得分，最后将所有指标得分加权求和得到综合得分。
具体地，熵权法的步骤包括：确定评价指标、收集指标数据、计算每个指标的熵值和权重、利用权重计算每个指标的得分、将每个指标的得分加权求和得到综合得分。
熵权法对于指标之间存在关联或重叠的情况，能够更加准确地反映事物的全貌，获得相对合理的评价结果。
熵增是热力学中的一个概念，简单来说，熵增过程是一个自发的从有序向无序发展的过程。
在一个孤立系统中，如果没有外界因素的干预，系统的熵（混乱程度）会不断增加。例如，一个热的物体和一个冷的物体接触后，热会自动地从热的物体传递到冷的物体，直到它们的温度相等，这个过程中熵增加了。又如，一个房间如果不打扫，会变得越来越杂乱，这也是熵增的体现。
总的来说，熵增原理表明，在没有外部能量输入的情况下，事物会自然地趋向于更加混乱和无序的状态。
设 X = {x1,x2,...,xn} 是一个决策样本集合，对于任意的样本 x，设 A = {a1,a2,...,am} 是 x 在属性空间上的属性集，对于任意一个属性 ai，设 Xj 表示属性 ai 上第 j 个取值，j=1,2,...,s，s 是属性 ai 的取值个数。dij 表示当属性 ai 取值为 Xj 时，样本集合 D 中属于类别 k 的样本数，dij 是 D 中样本分类在 k 类时属性 ai 取值为 Xj 的个数。假设 Ck 是决策样本中第 k 类，k = 1,2,...,r，r 是类别个数。设 pk = |Ck|/n，n 是决策样本总数。
则属性 ai 的熵值计算公式为：
H(ai) = -∑(j=1~s) [dij/|D| * log2(dij/|D|)]
其中，|D| 表示样本集合 D 的大小。
属性 ai 的信息增益为：
G(ai) = H(D) - H(ai)
其中，H(D) 表示样本集合 D 的熵值。
属性 ai 的熵权为：
W(ai) = G(ai) / ∑(i=1~m) G(ai)
最终权重向量为：
W = (W(a1),W(a2),...,W(am))