第4章隶属函数的确定方法 在模糊理论的应用中，我们面临的首要问题就是建立模糊集的隶属函数。对于一个特定的模糊集来说，隶属函数不仅基本体现了它所反映的模糊概念的特性，而且通过量化还可以实现相应的数学运算和处理。因此，“正确地”确定隶属函数是应用模糊理论恰如其分地定量刻划模糊概念的基础，也是利用模糊方法解决各种实际问题的关键。 然而，建立一个能够恰如其分地描述模糊概念的隶属函数，并不是一件容易的事情。其原因就在于一个模糊概念所表现出来的模糊性通常是人对客观模糊现象的主观反映，隶属函数的形成过程基本上是人的心理过程，人的主观因素和心理因素的影响使得隶属函数的确定呈现出复杂性、多样性，也导致到目前为止如何确定隶属函数尚无定法，没有通用的定理或公式可以遵循。 但即便如此，鉴于隶属函数在模糊理论中的重要地位，确定隶属函数的方法还是受到了特别的重视，至今已经提出了十几种确定隶属函数的方法，而且其中一些方法基本上摆脱了人的主观因素的影响。本章将选择4种经常使用的、具有代表性的方法予以介绍，它们是：直觉方法，二元对比排序法，模糊统计试验法，最小模糊度法。 4.1 直觉方法 直觉的方法就是人们用自己对模糊概念的认识和理解，或者人们对模糊概念的普遍认同来建立隶属函 例1、“正好”、“热”和“很热” 图1 空气温度的隶属函数 例2根据人们对汽车行驶速度中“慢速”、“中速”和“快速”这三个概念的普遍认同，可以给出描
图2 汽车行驶速度的隶属函数 虽然直觉的方法非常简单，也很直观，但它却包含着对象的背景、环境以及语义上的有关知识，也包含了对这些知识的语言学描述。因此，对于同一个模糊概念，不同的背景、不同的人可能会建立出不完全相同的隶属函数。例如，模糊集A = “高个子”的隶属函数。如果论域是“成年男性”，其隶属函数的曲线如图3(a )所示；而如果论域是“初中一年级男生”，其隶属函数的曲线则为图3(b )所示的情形。 (a) (b) 图3 不同论域下“高个子”的隶属函数 4.2 二元对比排序法 建立一个模糊集的隶属函数，实际上可以看成是对论域中每个元素隶属于某个模糊概念的程度进行比较、排序。但一般来讲，人们对多个事物的同时比较存在着度量上的困难，为此Saaty 教授在设计层次分析法时提出了两两比较的策略。借鉴两两比较排序的思想，人们提出了确定隶属函数的二元对比排序法。 二元对比排序方法就是通过对多个事物进行两两对比来确定某种特征下的顺序，由此来决定这些事物对该特征的隶属函数的大致形状。这种方法更适用于根据事物的抽象性质由专家来确定隶属函数的情形，可以通过一名专家或者一个委员会，甚至一次民意测验来实施，是一种比较实用的确定隶属函数的方法。 二元对比排序方法的基本步骤如下：设X = {x , y , z , …} 为给定的论域。对于某一模糊概念A ，任取一
隶属度函数 隶属度函数 若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈0，1与之对应，则称A 为U上的模糊集，A（x ）称为x对A的隶属度。当x在U中变动时，A（x）就是一个函数，称为A的隶属函数。隶属度A（x）越接近于1，表示x属于A的程度越高，A（x）越接近于0表示x属于A的程度越低。用取值于区间0，1的隶属函数A（x）表征x 属于A的程度高低。隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。 目录 隶属度函数及其确定方法分类 举例 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。(1)模糊统计法：模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo是固定的,A3的值是可变的,作n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数/ 试验总次数n随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。(2)例证法：例证法的主要思想是从已知有限个μA的值,来估计论域U 上的模糊子集 A 的隶属函数。如论域U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。(3)专家经验法：专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数
2016江西财经大学数学建模竞赛 A题 城市交通模型分析 参赛队员: 黄汉秦、乐晨阳、金霞 参赛队编号：2016018 2016年5月20日~5月25日
承诺书 我们仔细阅读了江西财经大学数学建模竞赛的竞赛章程。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C中选择一项填写）： A 我们的参赛队编号为2016018 参赛队员(打印并签名) ： 队员1. 姓名专业班级计算机141 队员2. 姓名专业班级计算机141 队员3. 姓名专业班级计算机141 日期： 2016 年 5 月 25 日
编号和阅卷专用页 江西财经大学数学建模竞赛组委会 2016年5月15日制定
城市交通模型分析 摘要 随着国民经济的高速发展和城市化进程的加快，我国机动车保有量及道路交通流量急剧增加，交通出行结构发生了根本变化，城市道路交通拥挤堵塞问题已成为制约经济发展、降低人民生活质量、削弱经济活力的瓶颈之一。本篇论文针对道路拥挤的问题采用层次分析法进行数学建模分析，讨论拥堵的深层次问题及解决方案。 首先建立绩效评价指标的层次结构模型，确定了目标层，准则层（一级指标），子准则层（二级指标）。 其次，建立评价集V=(优，良，中，差)。对于目标层下每个一级评价指标下相对于第m 个评价等级的隶属程度由专家的百分数u 评判给出，即U ＝[0,100]应用模糊统计建立它们的隶属函数A(u)， B(u)， C(u) ，D(u)，最后得出目标层的评价矩阵Ri ，（i=1,2,3,4,5）。利用A,B 两城相互比较法，根据实际数据建立二级指标对于相应一级指标的模糊判断矩阵P i （i=1,2,3,4,5） 然后，我们经过N 次试验调查，明确了各层元素相对于上层指标的重要性排序，构造模糊判断矩阵P ，利用公式 1 ,ij ij n kj k u u u == ∑ 1 ,n i ij j w u ==∑ 1 ,i i n j j w w w == ∑ []R W R W R W R W R W W R W O 5 5 4 4 3 3 2 2 1 1 ,,,,==计算出权重值，经过一致性检验公式 RI CI CR = 检验后，均有0.1CR <，由此得出各层次的权向量()12,,T n W W W W =K 。然后后， 给出建立绩效评价模型（其中O 是评价结果向量），应用模糊数学中最大隶属度原则，对被评价城市交通的绩效进行分级评价。 接着在改进方案中，我们具体以交叉口为中心建立模型，其中包括道路长度、宽度、车辆平均长度、车速等等考虑因素。通过车辆排队长度可以间接判断交通拥堵情况，不需要测量车速、时间等因素而浪费的人力物力和财力，有效的提高了工作成本和效率。为管理城市交通要道提供了良好的模型和依据。 【关键字】交通拥堵 层次分析法 模糊综合评判 绩效评价 隶属度
模糊综合评价法（见课件） 模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性． 一、单因素模糊综合评价的步骤 1． 根据评价目的确定评价指标（evaluation indicator ）集 合 },,,{21m u u u U = 例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}． 2． 给出评价等级（evaluation grade ）集合 },,,{21n v v v V = 如评价等级集合为V ={很好，好，一般，差}． 3． 确定各评价指标的权重（weight ） },,,{21m W μμμ = 权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，
经济效益}其各因素权重设为}4.0,3.0,3.0{=W ． 4．确定评价矩阵R 请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R 同样如果社会效益，经济效益两项单因素评价结果分别为 ()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2 .03=R 那么该项成果的评价矩阵为 ???? ? ??=????? ??=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价 通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ?=1)(μ，n m ji r R ?=)(，那么 ()()n mn m m n n m s s s r r r r r r r r r R W S ,,,,,,212 1 22221 11211 21 =???? ?? ? ??==μμμ 其中“ ”为模糊合成算子． 进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通 常有四种： (1) ),(∨∧M 算子
matlab里的模糊工具箱绘制隶属度函数曲线导入到word的方法 在fuzzy logic toolbox里有fuzzy membership function可以编辑隶属度函数，非常方便，但是我们写论文一般要把相应的曲线导入到word里，怎样将隶属度函数曲线导入到word里呢？本人也苦苦的寻找了好久。。。 方法如下： 先看看matlab帮助怎么说的： plotmf Plot all of the membership functions for a given variable Syntax plotmf(fismat,varType,varIndex) Description This function plots all of the membership functions in the FIS called fismat associated with a given variable whose type and index are respectively given b y (varType 'input'or 'o u tpu t'), and varIndex. This function can also be used with the MATLAB function, subplot. Examples a = readfis('t ipper'); plotmf(a,'inpu t',1) 看明白了吧？
原来强大的matlab给我们提供了这个函数给我们用，plotmf(模糊名，‘输入还是输出’，第几个输入或输出)。就可以画出来图像，然后和平时的方法一样再进行edit》copy figure就可以了。
模糊综合评价 模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。其基本步骤可以归纳为： ①首先确定评价对象的因素论域 可以设N 个评价指标，12(,, ...)n X X X X =； ②确定评语等级论域 设12n =(W ,W , ...W )A ，每一个等级可对应一个模糊子集，即等级集合。 ③建立模糊关系矩阵 在构造了等级模糊子集后，要逐个对被评事物从每个因素(=1,2,,n)i X i ……上 进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度i X （R ），进而 得到模糊关系矩阵11112122122212nm ......=..................m m n n n nm X r r r X r r r X r r r ??????????????????????????（R ）（R ）R=（R ），其中，第i 行第j 列元素，表示某个被评事物i X 从因素来看对j W 等级模糊子集的隶属度。 ④确定评价因素的权向量 在模糊综合评价中，确定评价因素的权向量：12(,, ...)n U u u u =。一般采用层 次分析法确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。 ⑤合成模糊综合评价结果向量 利用合适的算子将U 与各被评事物的R 进行合成，得到各被评事物的模糊综合评价结果向量B 即：
111212122 2121212nm ......(,, ...)(,, ...)...............m m n m n n nm r r r r r r U R u u u b b b B r r r ??????===?????? 其中，i b 表示被评事物从整体上看对j W 等级模糊子集的隶属程度。 ⑥对模糊综合评价结果向量进行分析 实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。
三种电视机模糊综合评价模型 摘要 本文通过顾客对三种电视机的图像，价格，音质三种评价因素建立的模糊综合评价的模型，此模型首先设定了评价指标因素集U 和评语集V ,从而建立了评价矩阵R , 然后根据评价指标权重集A 最后分别运用了四个算子，进而采用了加权平均原则的方法建立了如下四个模型，最终得出 模型一：运用① 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出11 2.73B =，12 2.62B =，13 2.46B =，即第一种电视机最受顾客青睐 模型二：运用② 和加权平均原则方法对三种电视机建立模糊综合评价模型，得出21 2.72B =，22 2.75B =，23 2.51B =，即第二种电视机最受顾客青睐 模型三：运用③ 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出31 2.71B =，32 2.58B =，3 3 2.32B =，即第一种电视机最受顾客青睐 模型四：运用④ 算子和最大隶属原则方法对三种电视机建立模糊 综合评价模型，得出41 2.75B =，4 2 2.71B =，43 2.39B =，即顾客对第二种电视机做出综合评价较好。 综合四个模型这三种电视机的综合评价在较好和可以之间并且在这三种电视机中第一种电视机最受顾客青睐，第二种次之，第三种最不受欢迎。 关键词：综合评价 模糊数学 加权平均原则 算子 ),(∨∧M (,)M ?∨算子),(⊕∧M ),(⊕?M
一、问题重述 在对电视机质量的评价中，其涉及的因素很多，一般说来基本要考虑图像，声音，价格等等，而每一类因素的质量水平受许多因素的影响。这些评价因素往往具有模糊性。评价的结果本身也带有模糊性。如何合理地评价电视机的质量呢？ 假设对电视机的评价因素U={图像u1，声音u2，价格u3}，评语集合V={很好v1，较好v2，可以v3，不好v4}，现请专家10人对三种电视机进行评价，结果如下： 设某类顾客主要关心图像、价格，对音质不太关心，即 试对以上三种电视机进行模糊综合评价。 二、问题分析 根据对题目的理解，我们知道问题的求解是根据10位专家对三种电视机的图像，价格，音质的评价结果，而要求我们对这三种电视机进行模糊综合评价，所以我采用四种算子方法。 即① 算子 评语 因素 (1)第一类电视机 (2)第二类电视机 (3)第三类电视机 v1 v2 v3 v4 v1 v2 v3 v4 v1 v2 v3 v4 u1 5 4 1 0 4 3 2 1 1 5 2 2 u2 4 3 2 1 5 1 2 2 4 3 1 2 u3 0 1 3 6 2 1 3 4 2 4 4 (0.5,0.2,0.3) A =(){}n k r r s jk j m j jk j m j k ,,2,1, ,min max )(11 =∧=≤≤=∨μμ＝),(∨∧M
隶属度函数 ----------------------------精品word文档值得下载值得拥有---------------------------------------------- 美国加利福尼亚大学控制论教授扎得(L、A、Zadeh)经过多年的琢磨，终于在1965年首先发表了题为《模糊集》的论文。指出:若对论域(研究的范围)U中的任一元素x，都有一个数A(x)?[0，1]与之对应，则称A为U上的模糊集，A(x )称为x对A的隶属度。当x在U中变动时，A( x)就是一个函数，称为A的隶属函数。隶属度A(x)越接近于1，表示x属于A的程度越高，A(x)越接近于0表示x属于A的程度越低。用取值于区间[0，1]的隶属函数A(x)表征x 属于A的程度高低，这样描述模糊性问题比起经典集合论更为合理。 隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法:
用模糊数学综合评价法对水质进行评价 付智娟 （中山市环境保护科学研究所，中山 542803） 摘 要：综合评价法作为模糊数学的一种具体应用方法，在很多领域中得到了广泛的运用。由于综 合评价法的数学模型简单、容易掌握，更适合于对多因素、多层次的复杂问题的评价。将其应用于对水质的评价能更客观、科学地反映水质情况。 关键词：模糊数学 ；综合评价法；水质评价法 Abstract:As the praxis of fuzzy mathematics,comprehensive evaluation is prevalent used in many fields ,Because it is a simple mathematical model and easy to use,comprehensive evaalution has advantage to solve the complex problem that have more different https://www.doczj.com/doc/091012296.html,ing it to evaluate the quality of water can get an objective and scientific result. Key words: fuzzy mathematics; comprehensive evaluation; evaluate the quality of water 模糊数学理论是近年来发展起来的科学，水质的好坏具有模糊的概念，因此也可以用它来评价水质，对水质进行综合评价，打破以往仅用一个确定性的指标来评价水质的方法，并可以弥补其中的不足，更客观、科学地对水质进行评价。现引用对某水质进行评价的例子来说明模糊数学综合评价在水质评价中的运用。 1. 基本概念 1. 1隶属度 以往的水质分级中多用一个简单的数学指标为界限，造成界限两边分为截然不同的等级.例如参数DO ， I 级水的指标为7mg/L,则7.1mg/L 为I 级水，但DO 若为6.9mg/L 就的定为II 级水。事实上，由于水质的污染程度属于模糊概念,所以这里用隶属概念来描述模糊的水质分级界限。所谓隶属度系指某事物所属某种标准的程度：如:DO=7.1mg/L 时,隶属I 级水的程度为100%;6.9mg/L 时,隶属I 级水的程度达95%。 隶属度可用隶属函数表示。为方便起见，取线性函数： 10X X X X --或 11X X X X --，（X 0 ８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、 进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华 东营职业学院 ［摘 要］ 本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］ 绿色供应链绩效评价 模糊综合评价法 数学模型方法 流通论坛 隶属函数确定问题 一、隶属函数的确定原则 1、表示隶属度函数的模糊集合必须是凸模糊集合； 即：在一定范围内或者一定条件下，模糊概念的隶属度具有一定的稳定性；从最大的隶属度函点出发向两边延伸时，其隶属度是单调递减的，而不许有波浪性，呈单峰；一般用三角形和梯形作为隶属度函数曲线。 2、变量所取隶属度函数通常是对称和平衡的 模糊变量的标值选择一般取3-9个为宜，通常取奇数（平衡），在“零”“适中”等集合的两边语言值通常取对称。 3、隶属度函数要避免不恰当的重复 在相同的论域上使用的具有语意顺序的若干标称的模糊集合，应该合力排序。 4、论语中的每个点应该至少属于一个隶属度函数的区域，同时它一般应该属于之多不超过两个隶属度函数的区域。 5、对于同一输入，没有两个隶属度函数会同时有最大隶属度 6、对两个隶属度函数重叠时，重叠部分对于两个隶属度函数的最大隶属度不应该有交叉。 二、隶属度函数确定的方法 1、模糊统计法 模糊统计法的基本思想是对论域U上的一个确定元素v是否属于论 域上的一个可变的清晰集的判断。（清晰集、模糊集） 模糊统计法计算步骤： Step1 确定论域 Step2形成调查表 Step3统计成频数分布表 Step4建立隶属函数 Step5隶属度（由频数分布表或者隶属函数可得） 所谓模糊统计实验包含以下四个要素： 假设做n次模糊统计试验，则可计算出： 实际上，当n不断增大时，隶属频率趋于稳定，其频率的稳定值称为0x对A的隶属度，即 2、例证法例证法由已知的有限个隶属度函数的值，来估计论域U 上的模糊子集A的隶属函数。 3、专家经验法是根据专家的实际经验给出模糊信息的处理算式或 美国加利福尼亚大学控制论教授扎得（L、A、Zadeh）经过多年的琢磨，终于在1965年首先发表了题为《模糊集》的论文。指出：若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈[0，1]与之对应，则称A为U上的模糊集，A（x ）称为x对A的隶属度。当x在U中变动时，A（x）就是一个函数，称为A的隶属函数。隶属度A（x）越接近于1，表示x属于A的程度越高，A（x）越接近于0表示x属于A的程度越低。用取值于区间[0，1]的隶属函数A（x）表征x 属于A的程度高低，这样描述模糊性问题比起经典集合论更为合理。 隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息 的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法： 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, v o是固定的,A3的值是可变的,作n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数/ 试验总次数n 随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 (2)例证法： 例证法的主要思想是从已知有限个μA的值,来估计论域U 上的模糊子集 A 的隶属函数。如论域U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 (3)专家经验法： 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来 确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。 隶属度函数 美国加利福尼亚大学控制论教授扎得(L、A、Zadeh)经过多年的琢磨，终于在1965年首先发表了题为《模糊集》的论文。指出:若对论域(研究的范围)U中的任一元素x，都有一个数A(x)?[0，1]与之对应，则称A为U上的模糊集，A(x )称为x对A的隶属度。当x在U中变动时，A( x)就是一个函数，称为A的隶属函数。隶属度A(x)越接近于1，表示x属于A的程度越高，A(x)越接近于0表示x属于A的程度越低。用取值于区间[0，1]的隶属函数A(x)表征x 属于A的程度高低，这样描述模糊性问题比起经典集合论更为合理。 隶属度属于模糊评价函数里的概念:模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。 隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法: 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合 A3可以有 不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率 = v0?A 的次数 / 试验总次数 n 随着 n的增大,隶属频率也会趋向稳定,这个稳定值就是 vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 (2)例证法: 例证法的主要思想是从已知有限个μA的值,来估计论域 U 上的模糊子集 A 的隶属函数。如论域 U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值 h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对 n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 (3)专家经验法: 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。 (4)二元对比排序法: 二元对比排序法是一种较实用的确定隶属度函数的方法。它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状。二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等。 举例 模糊综合评价法 一、基本思想和原理 在客观世界中，存在着大量的模糊概念和模糊现象，模糊数学就是试图用数学工具解决模糊事物方面的问题。 模糊综合评价是借助模糊数学的一些概念，对实际的综合评价问题提供一些评价的方法，具体说，模糊综合评价就是以数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，从多个因素对被评价事物隶属度等级状况进行综合性评价的一种方法。 模糊综合评价的原理 首先确定被评价对象的因素（指标）集合评（等级）集；再分别确定各个因素的权重及它们的隶属度向量，获得模糊评判矩阵；最后把模糊评判矩阵与因素的全向量进行模糊运算并进行归一化，得到模糊综合评价结果。 其特点在于评判逐对象进行，对被评价对象有唯一的评价值，不受被评价对象所处对象集合的影响。综合评价的目的是从对象集中选出优胜对象，所以还需要将所有对象的综合评价结果进行排序。 二、模糊综合评价法的模型和步骤 1.确定评价对象的因素论域 U={u1,u2,u3···m} 也就是说有m个评价指标，标明我们对被评价对象从哪些方面来进行评判描述。 2.确定评语等级论域 评语集是评价者对被评价对象可能做出的各种总的评价结果组成的集合，用V表示： V={v1,v2,v3···n} 实际上就是对被评价对象变化区间的一个划分，其中v1代表第i个评价结果，n为总的评价结果数。 具体等级可以依据评价内容适当的语言进行描述，比如评价产品的竞争力可用V=（好、较好、一般、较差、差）等。 3.进行但因素评价，建立模糊关系矩阵R 单独从一个因素出发进行评价，以确定评价对象对评价集合V的隶属程度，称为单因素模糊评价，在构造了等级模糊子集后，就要逐个对被评价对象从每个因素ui（i=1,2,···m）上进行量化，也就是确定从单因素来看被评价对象各等级模糊子集的隶属度，进而得到模糊关系矩阵： R= 编辑本段隶属度函数及其确定方法分类 隶属度函数是模糊控制的应用基础,正确构造隶属度函数是能否用好模糊控制的关键之一。隶属度函数的确定过程,本质上说应该是客观的,但每个人对于同一个模糊概念的认识理解又有差异,因此,隶属度函数的确定又带有主观性。 隶属度函数的确立目前还没有一套成熟有效的方法,大多数系统的确立方法还停留在经验和实验的基础上。对于同一个模糊概念,不同的人会建立不完全相同的隶属度函数,尽管形式不完全相同,只要能反映同一模糊概念,在解决和处理实际模糊信息的问题中仍然殊途同归。下面介绍几种常用的方法。 (1)模糊统计法： 模糊统计法的基本思想是对论域U上的一个确定元素vo是否属于论域上的一个可变动的清晰集合A3作出清晰的判断。对于不同的试验者,清晰集合A3可以有不同的边界,但它们都对应于同一个模糊集A。模糊统计法的计算步骤是:在每次统计中, vo 是固定的,A3的值是可变的,作 n次试验,其模糊统计可按下式进行计算v0对 A 的隶属频率= v0∈A 的次数 / 试验总次数 n 随着n的增大,隶属频率也会趋向稳定,这个稳定值就是vo对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 (2)例证法： 例证法的主要思想是从已知有限个μA的值,来估计论域U 上的模糊子集 A 的 隶属函数。如论域U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 (3)专家经验法： 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。 (4)二元对比排序法： 二元对比排序法是一种较实用的确定隶属度函数的方法。它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状。二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等。 编辑本段举例 【例一】 A(x )=表示模糊集“年老”的隶属函数，A表示模糊集“年老”，当年龄x≤50时A（x）=0表明x不属于模糊集A（即“年老”），当x ≥100时，A（x）=1表明x 完全属于A，当50くx〈100时，0〈A（x）〈1，且x越接近100，A（x）越接近1，x属于A的程度就越高。这样的表达方法显然比简单地说：“100岁以上的人是年老的，100岁以下的人就不年老。”更为合理。 【例二】 按照模糊综合分析法，我们对某企业效绩进行评价。 1.设因素集U：U={u1，u2， (9) 综合我国现行评价体系和平衡记分法(SEC)，我们选取了u1(净资产收益状况)、u2(资产营运状况)、u3(长期偿债能力)、u4(短期偿债能力)。U5(销售增长状况)，u6(市场占有能力)、u7(技术能力)、u8(发展创新能力)、u9(学习能力)等9个指标为反映企业效绩的主要指标。其中，u1、u2、u3、u4、u5是财务业绩方面的指标，原来都用精确的比率指标反映，但对它们适当地模糊化更能客观真实地反映企业效绩。例如，在评价企业短期偿债能力时，该企业流动比率为 1.8，但专家们发现该企业存货数额庞大，占了流动资产的较大部分，说明其资产的流动性并不好，因而仍可评定该指标为较低等级。U6是客户方面业绩指标，u7内部经营过程方面业绩指标，u8、u9是学习与增长方面业绩指标。 2.设评价集V={v1，v2……v4} 。简便起见，我们设v1：优秀，v2：良好，v3：平均，v4：较差。 3.我们选取了该企业的注册会计师、熟悉该企业情况的专家组成评判组，得到评 第6章模糊逻辑【转】 2009-04-16 21:48 高斯隶属函数 函数gaussmf 格式 y=gaussmf(x,[sig c]) 说明高斯隶属函数的数学表达式为：，其中为参数，x为自变量，sig为数学表达式中的参数。 例6-1 >>x=0:0.1:10; >>y=gaussmf(x,[2 5]); >>plot(x,y) >>xlabel('gaussmf, P=[2 5]') 结果为图6-1。 图6-1 6.1.2 两边型高斯隶属函数 函数gauss2mf 格式 y = gauss2mf(x,[sig1 c1 sig2 c2]) 说明 sig1、c1、sig2、c2为命令1中数学表达式中的两对参数 例6-2 >>x = (0:0.1:10)'; >>y1 = gauss2mf(x, [2 4 1 8]); >>y2 = gauss2mf(x, [2 5 1 7]); >>y3 = gauss2mf(x, [2 6 1 6]); >>y4 = gauss2mf(x, [2 7 1 5]); >>y5 = gauss2mf(x, [2 8 1 4]); >>plot(x, [y1 y2 y3 y4 y5]); >>set(gcf, 'name', 'gauss2mf', 'numbertitle', 'off'); 结果为图6-2。 6.1.3 建立一般钟型隶属函数 函数gbellmf 格式 y = gbellmf(x,params) 说明一般钟型隶属函数依靠函数表达式 这里x指定变量定义域范围，参数b通常为正，参数c位于曲线中心，第二个参数变量params是一个各项分别为a，b和c的向量。 例6-3 >>x=0:0.1:10; >>y=gbellmf(x,[2 4 6]); >>plot(x,y) >>xlabel('gbellmf, P=[2 4 6]') 结果为图6-3。 图6-2 图6-3 6.1.4 两个sigmoid型隶属函数之差组成的隶属函数 函数dsigmf 格式 y = dsigmf(x,[a1 c1 a2 c2]) 说明这里sigmoid型隶属函数由下式给出 x是变量，a,c是参数。dsigmf使用四个参数a1，c1，a2，c2，并且是两个sigmoid 目录 摘要 (Ⅰ) Abstract (Ⅱ) 第1章绪论 (1) 第2章模糊数学的基本概念及模糊综合评价方法 (2) 2.1模糊数学的基本概念 (2) 2.1.1模糊集与隶属函数 (2) 2.1.2模糊聚类分析 (4) 2.2 模糊综合评价 (5) 2.2.1 理论介绍 (5) 2.2.2 案例分析 (7) 第3章模糊综合评价在实际问题中的应用 (8) 3.1三好学生模糊综合评选 (8) 3.2合理的分配住房 (13) 3.3模糊综合评价在人事考核中的应用 (23) 结论 (30) 致谢 (31) 参考文献 (32) 附录1 (34) 附录2 (38) 摘要 模糊综合评价法是数学模型案例研究中的重要方法之一，它在我们日常学习和生活的各个方面有着广泛的应用。 在介绍模糊数学基本概念的基础上，研究了模糊综合评价理论及相关的实例；针对实际问题建立的三个数学模型案例，采用了模糊综合评价方法对模型进行分析求解，所探讨的案例涉及到生产、生活以及学习等方面，具有一定的代表性，同时能够较深刻的反映模糊综合评价方法的具体应用情况；以结论的形式说明了采用该方法能较好地解决模糊的、难以量化的问题，且适合各种非确定性问题的解决。 关键词：模糊综合评价；数学模型；非确定性；应用 Abstract Fuzzy comprehensive evaluation method is one of the important ways in studying mathematical model , it has a wide range of applications in all aspects of our daily learning and life. On the basis of the introduces for the basic concept of fuzzy mathematics, fuzzy comprehensive evaluation theory and related examples are researched; in view of the three mathematical model cases based on actual problems, we use the fuzzy comprehensive evaluation method to model analysis and solution, these cases refer to production, life and learning, etc, not only has a certain representative, but has a deep reflect on the the specific application of fuzzy comprehensive evaluation method; in the form of the conclusion we specify that the method can well solve the problems vague and hard to measure, and suitable for all kinds of uncertainty to the solution of the problem. Key words:fuzzy comprehensive evaluation；mathematical model；uncertainty；application模糊综合评价法的数学建模方法简介_任丽华
隶属函数确定问题
隶属度函数
隶属度函数
模糊综合评价法
隶属度函数
模糊控制_隶属度函数
模糊综合评价方法
相关主题
文本预览