社会网络影响力最大化是当前社交网络分析领域的重要研究热点之一，其核心目标是通过选择最优的初始节点集合，使得信息在网络中的传播范围最大化。传统的影响力最大化算法多基于贪心策略或启发式方法，但往往忽略了节点评价指标间的内在关联与权重分配的客观性。本研究提出一种基于熵权TOPSIS的社会网络影响力最大化方法，旨在解决多属性决策中的权重确定问题。通过引入信息熵理论客观计算各评价指标的权重，结合TOPSIS（逼近理想解排序法）对节点进行综合评价与排序，从而更科学地选取初始影响力节点。该方法不仅提高了节点评价的客观性，还能有效平衡网络拓扑特征与节点属性之间的关系，为社交网络营销、舆情监控等实际应用提供更可靠的理论依据和技术支持。实验结果表明，相较于传统方法，本方法在传播范围和收敛速度方面均有显著提升。
