模糊综合评价

2 模糊综合评价

在对许多事物进行客观评判时，其评判因素往往很多，我们不能只根据某一个指标的好坏就作出判断，而应该依据多种因素进行综合评判，如技术方案的选择、经济发展的比较等.模糊综合评判可有效地对受多种因素影响的事物作出全面评价.

理论介绍

模糊综合评判通常包括以下三个方面：设与被评价事物相关的因素有n 个，记为12{,,,}n U u u u =L ，称之为因素集。又设所有可能出现的评语有 m 个，记为

12{,,,}m V v v v =L ，称之为评判集。由于各种因素所处地位不同，作用也不一

样，通常考虑用权重来衡量，记为 12{,,,}n A a a a =L 。 1.评判步骤

进行模糊综合评判通常按以下步骤进行： （1）确定因素集12{,,,}n U u u u =L 。

（2）确定评判集12{,,,}m V v v v =L 。

（3）进行单因素评判得12{,,,}i i i im r r r r =L 。 （4）构造综合评判矩阵：

111212122212

m m n n nm r r r r r r R r r r ????

??=??????L L M M M L

（5）综合评判：对于权重12{,,,}n A a a a =L ，计算B A R =o ，并根据最大隶属度原则作出评判。 2.算子o 的定义

在进行综合评判时，根据算子 o 的不同定义，可以得到不同的模型。 1）模型I :(,)M ∧∨——主因素决定型

运算法则为max{(),1,2,,}j i ij b a r i n =∧=L (1,2,,)j m =L 。该模型评判结果只取决于在总评判中起主要作用的那个因素，其余因素均不影响评判结果，比较适用于单项评判最优就能认为综合评判最优的情形。 2）模型II (,)M ∨g ：——主因素突出型

运算法则为max{(),1,2,,}j i ij b a r i n ==g L (1,2,,)j m =L 。该模型与模型I 比较接近，但比模型I 更精细些，不仅突出了主要因素，也兼顾了其他因素，比较适用于模型I 失效，即不可区别而需要加细时的情形。 3）模型III:(,)M +g ——加权平均型

运算法则为1n

j i ij i b a r ==∑g (1,2,,)j m =L 。该模型依权重大小对所有因素均衡兼

顾，比较适用于要求总和最大的情形。 4）模型IV:(,)M ∧⊕——取小上界和型

运算法则为1min 1,()n j i ij i b a r =??

=∧????∑(1,2,,)j m =L 。使用该模型时，需要注意的

是：各个i a 不能取得偏大，否则可能出现j b 均等于1的情形；各个i a 也不能取得太小，否则可能出现j b 均等于各个i a 之和的情形，这将使单因素评判的有关信息丢失。

5）模型V:(,)M ∧+——均衡平均型

运算法则为1

()n

ij j i i r b a r ==∧

∑(1,2,,)j m =L ，其中01

n

kj k r r ==∑。该模型适用于综合

评判矩阵R 中的元素偏大或偏小时的情景。

案例分析

例1 考虑一个服装评判的问题，为此建立因素集1234{,,,}U u u u u =，其中1u 表示花色，2u 表示式样，3u 表示耐穿程度，4u 表示价格。建立评判集

1234{,,,}V v v v v =，其中1v 表示很欢迎，2v 表示较欢迎，3v 表示不太欢迎，4v 表

示不欢迎。进行单因素评判的结果如下：

11(0.2,0.5,0.2,0.1)u r =a ，22(0.7,0.2,0.1,0)u r =a

33(0,0.4,0.5,0.1)u r =a ，44(0.2,0.3,0.5,0)u r =a

设有两类顾客，他们根据自己的喜好对各因素所分配的权重分别为

1(0.1,0.2,0.3,0.4)A =, 2(0.4,0.35,0.15,0.1)A =

试分析这两类顾客对此服装的喜好程度。 分析 由单因素评判构造综合评判矩阵：

0.2 0.5 0.2 0.10.7 0.2 0.1 00 0.4 0.5 0.10.2 0.3 0.5 0R ????

?

?=??????

用模型(,)M ∧∨计算综合评判为

11(0.2,0.3,0.4,0.1)B A R ==o 22(0.35,0.4,0.2,0.1)B A R ==o

根据最大隶属度原则知，第一类顾客对此服装不太欢迎，第二类顾客对此服装则比较欢迎。

程序源码：

function Example 1

A1=[ ];

A2=[ ];

R=[ ;

0;

0 ;

0];

fuzzy_zhpj(1,A1,R)

fuzzy_zhpj(1,A2,R)

end

%%

function[B]=fuzzy_zhpj(model,A,R) %模糊综合评判

B=[];

[m,s1]=size(A);

[s2,n]=size(R);

if(s1~=s2)

disp('A的列不等于R的行');

else

if(model==1) %主因素决定型

for(i=1:m)

B(i,j)=0;

for(k=1:s1)

x=0;

if(A(i,k)

x=A(i,k);

else

x=R(k,j);

end

if(B(i,j)

B(i,j)=x;

end

end

end

end

elseif(model==2) %主因素突出型for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=A(i,k)*R(k,j);

if(B(i,j)

B(i,j)=x;

end

end

end

elseif(model==3) %加权平均型for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

B(i,j)=B(i,j)+A(i,k)*R(k,j);

end

end

end

elseif(model==4) %取小上界和型for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=0;

x=min(A(i,k),R(k,j));

B(i,j)=B(i,j)+x;

end

B(i,j)=min(B(i,j),1);

end

elseif(model==5) %均衡平均型 C=[];

C=sum(R);

for(j=1:n)

for(i=1:s2)

R(i,j)=R(i,j)/C(j);

end

end

for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=0;

x=min(A(i,k),R(k,j));

B(i,j)=B(i,j)+x;

end

end

end

else

disp('模型赋值不当');

end

end end

程序输出结果如下：

ans= ans=

例 2 某校规定，在对一位教师的评价中，若“好”与“较好”占50%以上，可晋升为教授。教授分教学型教授和科研型教授，在评价指标上给出不同的权重，分别为1(0.2,0.5,0.1,0.2)A =，2(0.2,0.1,0.5,0.2)A =。学科评议组由7人组成，对该教师的评价见表1，请判别该教师能否晋升，可晋升为哪一级教授。 表1 对该教师的评价

好

较好 一般 较差 差 政治表现 4 2 1 0 0 教学水平 6 1 0 0 0 科研能力 0 0 5 1 1 外语水平 2 2

1

1

1

分析 将评议组7人对每一项的投票按百分比转化为成隶属度得综合评判矩阵：

0.570.290.14

000.860.14000000.710.140.140

0.290.140.140.14R ??????=????

?? 按模型 (,)M ∧∨针对俩个权重分别计算得

1B A R ==o ()

14.0,14.0,14.0,2.0,5.0

==R A B ο22()14.0,14.0,5.0,2.0,2.0

由于要计算百分比，需要将上述评判结果进一步归一化为如下：

='

1B ()12.0,12.0,12.0,18.0,46.0

='

2B ()12.0,12.0,42.0,17.0,17.0

显然，对第一类权重“好”与“较好”占50%以上，故该教师可晋升为教学型教授，程序与例1相同。 输入及结果：

%输入评价指标权重矩阵和综合评判矩阵

A1=[ ]; A2=[ ]; R=[ 0 0; 0 0 0; 0 0 ];

fuzzy_zhpj(1,A1,R) fuzzy_zhpj(1,A2,R)

程序输出结果如下：

ans= ans=

例3 某产粮区进行耕作制度改革，制定了甲、已、丙三个方案见表2，以表3作为评价指标，5个因素权重定为(0.2,0.1,0.15,0.3,0.25)，请确定应该选择哪一个方案。

表2 三个方案

方案亩产量（kg/亩）产品质量亩用工量亩纯收入/元生态影响

甲355725

乙5292381053

丙412132852

表3 5个评价标准

分数亩产量产品质量亩用工量亩纯收入生态影响

5550~6001<20>1301

4500~550220~30110~1302

3450~500330~4090~1103

2400~450440~5070~904

1350~400550~6050~705

0<3506>60<506

分析根据评价标准建立各指标的隶属函数如下。

亩产量的隶属函数：

111110, 350 350(), 350<6006003501, 600

x x C x x x ≤??-?

=

产品质量的隶属函数：

222221, 1 1()1, 1<6610, 6

x x C x x x ≤??-?

=-

亩用工量的隶属函数：

333331, 20 20()1, 20<6060200, 60

x x C x x x ≤??-?

=-

亩纯收入的隶属函数：

()444440,5050,50130130501,130x x C x x x ≤?

?-?

=<

≥??

对生态影响的隶属函数：

()555551,111,1661

0,6x x C x x x ≤?

?-?

=-<

将表2三个方案中数据带入相应隶属函数算出隶属度，从而得到综合评判距阵：

0.970.7160.2480.60.810.1250.550.70.2750.68750.43750.20.60.8R ??

??????=????????

根据所给权重按加权平均型计算得

()

o

==

0.4053,0.6620,0.5858

B A R

根据最大隶属度原则，最大，所对应的是乙方案，故应选择乙方案。程序同例1.

输入及结果：

%输入评价指标权重矩阵和综合评判距阵

A=[ ];

R=[ ;

1;

;

;

];

fuzzy_zhpj(3,A,R) %调用综合评判函数

程序运行结果如下：

ans=

例4 表4是大气污染物评价标准。今测得某日某地以上污染物日均浓度为（，，，，，），各污染物权重为（，，，，，），试判别其污染等级。 表4 大气污染物评价标准 单位2/mg m

污染物

Ⅰ级

Ⅱ级

Ⅲ级

Ⅳ级

2SO

TSP 20N

CO 1PM 3O

分析 由于大气中各污染物含量均是越少大气质量越高，可构造各污染物含量对四个等级的隶属函数如下： 对Ⅰ级的隶属函数：

11,

,0,

i i

i i i x a b x r a x b b a

x b ≤??-?=<

对Ⅱ级的隶属函数：

2,

,0,

i i i

i i i i x a

a x

b b a

c x r b x c c b

x c or x a -?<≤?-?

-?=<

对Ⅲ级的隶属函数：

3,

,0,

i i i

i i i i x b

b x

c c b

d x r c x d d c x d or x b -?<≤?-?

-?=<

≥≤???

对Ⅳ级的隶属函数：

40,

,1,

i i i i i x c x c r c x d d c x d ≤??-?=<

≥??

其中1,2,3,4,5,6i =表示6种污染物，如24r 表示第二种污染物的含量i x 对Ⅳ级的隶属度，而,,,a b c d 依次表示评价标准中各污染物含量。

对污染物2SO ，其含量0.07i x =，计算其对各等级的隶属度如下：因

0.050.070.15<<,故

110.150.070.8,0.150.05

r -=

=- 120.070.05

0.20.150.05r -=

=- 因0.070.15<，故130r =，因0.070.25<，故140r =。

同理可计算其他污染物含量对各等级的隶属度，从而得综合评判距阵：

0.80.2

000.560.440000.60.400

0.50.500.70.3000.50.500R ????????=??????????

结合权重，选择加权平均型进行计算得()0.252,0.478,0.27,0B A R ==o ，根据最大隶属度原则，最大，故当日大气质量为Ⅱ级。 程序同例1

输入及其结果：

A=[ ];

R=[ 0 0;

0 0;

0 0;

0 0;

0 0;

0 0];

fuzzy_zhpj(3,A,R)

程序运行结果如下:

ans=

方法评论

模糊综合评价经常用来处理一类选择和排序问题。应用的关键在于模糊综合评价矩阵的建立，它是由单因素评判向量所构成的，简单的情形可按类似于百分比的方式得到，稍复杂一点的情形需要构造隶属函数来进行转化，此时，要注意评判指标的属性，合理选择隶属函数。进行综合评判时，要根据问题的实际情况，选择恰当的模型来进行计算。另外，关于权重，前面的例题都是直接给出的，而实际当中是不会有的。当然，评判者可以自行设定，但若能用到一些数学方法，如层次分析法，将定性和定量相结合，则会显得更加具有说服力。

基于层次分析法的模糊综合评价模型

基于层次分析法的模糊综 合评价模型 Prepared on 22 November 2020

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 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 []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 =。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 一、问题重述 随着我国经济社会持续快速发展，群众购车刚性需求旺盛，汽车保有量继续呈快速增长趋势，2015年新注册登记的汽车达2385万辆，保有量净增1781万辆，均为历史最高水平。汽车占机动车的比率迅速提高，近五年汽车占机动车比率从%提高到%，群众机动化出行方式经历了从摩托车到汽车的转变，交通出行结构发生了根本性变化。 2015年，小型载客汽车达亿辆，其中，以个人名义登记的小型载客汽车（私家车）达到亿辆，占小型载客汽车的%。与2014年相比，私家车增加1877万辆，增长%。全国有40个城市的汽车保有量超过百万辆，北京、成都、深圳、上海、重庆、天津、苏州、郑州、杭州、广州、西安11个城市汽车保有量超过200万辆。全国平均每百户家庭拥有31辆私家车，北京、成都、深圳等大城市每百户家庭拥有私家车超过60辆。

12 模糊综合评价模型

二 模糊综合评价模型 模糊综合评判方法，是一种运用模糊数学原理分析和评价具有“模糊性”的事物的系统分析方法。它是一种以模糊推理为主的定性与定量相结合、精确与非精确相统一的分析评价方法。由于这种方法在处理各种难以用精确数学方法描述的复杂系统问题方面所表现出的独特的优越性，近年来已在许多学科领域中得到了十分广泛的应用。 2.1 模糊综合评判模型 2.1.1单层次模糊综合评判模型 给定两个有限论域 U=｛u 1，u 2，…，um ｝ (1) V=｛v 1，v 2，…，v n ｝ (2) (1)式中，U 代表所有的评判因素所组成的集合；(2)式中，V 代表所有的评语等级所组成的集合。 如果着眼于第i(i=1，2，…，m)个评判因素u i ，其单因素评判结果为R i =[r i1，r i2，…，r in ]，则m 个评判因素的评判决策矩阵为 111121221 2221 2 n n m m m mn R r r r R r r r R R r r r ???? ????????==???? ???? ???????? （3） 就是U 到V 上的一个模糊关系。 如果对各评判因数的权数分配为：1,2,,m A a a a ??=?? （显然，A 是论域U 上的一，个模糊子集，且101,1m i i i a a =≤≤=∑）则应用模糊变换的合成运算，可以得 到论域V 上的一个模糊子集，即综合评判结果： 1,2,,n B A R b b b ??=?=?? （4） 2.1.2多层次模糊综合评判模型 在复杂大系统中，需要考虑的因素往往是很多的，而且因素之间还存在着不同的层次。这时，应用单层次模糊综合评判模型就很难得出正确的评判结果。所以，在这种情况下，就需要将评判因素集合按照某种属性分成几类，先对每一类进行综合评判，然后再对各类评判结果进行类之间的高层次综合评判。这样，就产生了多层次模糊综合评判问题。 多层次模糊综合评判模型的建立，可按以下步骤进行： (1)对评判因素集合U ，按某个属性，将其划分成m 个子集，使它们满足： 1 () m i i i j U U U U i j =?=????=Φ≠?∑ （5）

模糊综合评价模型及实例

模糊综合评价模型 模糊综合评价模型(Fuzzy Synthetic Evaluation Model) 目录 [隐藏] 1 什么是模糊综合评价模型？ 2 模糊评价的基本思想 3 模糊综合评价模型类别[1] o 3.1 模糊评价基本模型 o 3.2 置信度模糊评价模型 4 模糊综合评价模型的运用 5 模糊综合评价模型案例分析 o 5.1 案例一：模糊综合评价模型在企业跨国并购风险评价中的 应用[2] 6 参考文献 [编辑] 什么是模糊综合评价模型？ 模糊综合评价方法是模糊数学中应用的比较广泛的一种方法。在对某一事务进行评价时常会遇到这样一类问题，由于评价事务是由多方面的因素所决定的，因而要对每一因素进行评价；在每一因素作出一个单独评语的基础上，如何考虑所有因素而作出一个综合评语，这就是一个综合评价问题。 [编辑]

模糊评价的基本思想 许多事情的边界并不十分明显，评价时很难将其归于某个类别，于是我们先对单个因素进行评价，然后对所有因素进行综合模糊评价，防止遗漏任何统计信息和信息的中途损失，这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题。 [编辑] 模糊综合评价模型类别[1] [编辑] 模糊评价基本模型 设评判对象为P: 其因素集 ,评判等级 集。对U中每一因素根据评判集中的等级指标进行模糊评判，得到评判矩阵： (1) 其中，r ij表示u i关于v j的隶属程度。(U,V,R) 则构成了一个模糊综合评判模型。确定 各因素重要性指标（也称权数）后，记为,满足，合成得 (2) 经归一化后，得 ,于是可确定对象P的评判等级。 [编辑] 置信度模糊评价模型 (1) 置信度的确定。 在(U,V,R)模型中，R中的元素r ij是由评判者“打分”确定的。例如 k 个评判者，要求每个评判者u j对照作一次判断，统计得分和归一化后产生

模糊综合评价模型及实例

模糊综合评价模型 [编辑] 什么是模糊综合评价模型？ 模糊综合评价方法是模糊数学中应用的比较广泛的一种方法。在对某一事务进行评价时常会遇到这样一类问题，由于评价事务是由多方面的因素所决定的，因而要对每一因素进行评价；在每一因素作出一个单独评语的基础上，如何考虑所有因素而作出一个综合评语，这就是一个综合评价问题。 [编辑] 模糊评价的基本思想 许多事情的边界并不十分明显，评价时很难将其归于某个类别，于是我们先对单个因素进行评价，然后对所有因素进行综合模糊评价，防止遗漏任何统计信息和信息的中途损失，这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题。 [编辑] 模糊综合评价模型类别[1] [编辑] 模糊评价基本模型

设评判对象为P: 其因素集 ,评判等级 集。对U中每一因素根据评判集中的等级指标进行模糊评判，得到评判矩阵： (1) 其中，r ij表示 u i关于v j的隶属程度。(U,V,R)则构成了一个模糊综合评判模型。确定各 因素重要性指标（也称权数）后，记为,满足，合成得 (2) 经归一化后，得 ,于是可确定对象P的评判等级。 [编辑] 置信度模糊评价模型 (1) 置信度的确定。 在(U,V,R)模型中，R中的元素r ij是由评判者 “打分”确定的。例如k 个评判者，要求每 个评判者u j对照 作一次判断，统计得分和归一化后产生 , 且 , 组成R0。其中既 代表u j关于v j的“隶属程度”，也反映了评判u j为v j的集中程度。数值为1 ,说明u j为v j是可 信的，数值为零为忽略。因此，反映这种集中程度的量称为“置信度”。对于权系数的确定也存在一个信度问题。 在用层次分析法确定了各个专家对指标评估所得的权重后，作关于权系数的等级划分，由此决定其结果的信度。当取N个等级时，其量化后对应于[0，l]区间上N次平分。例如，N取5，则依次得到[0，0.2]，[0.2，0.4]，[0.2，0.6]，[0.6，0.8]，[0.8，l]。对某j个指标， 取遍k个专家对该指标评估所得的权重，得。作和式 (3) 其中d ij表示数组中 属于的个数，a0 = 0,b N = 1。

数学建模模糊综合评价法

学科评价模型（模糊综合评价法） 摘要：该模型研究的是某高校学科的评价的问题，基于所给的学科统计数据作出综合分析。基于此对未来学科的发展提供理论上的依据。 对于问题1、采用层次分析法，通过建立对比矩阵，得出影响评价值各因素的所占的权重。然后将各因素值进行标准化。在可共度的基础上求出所对应学科的评价值，最后确定学科的综合排名。（将问题1中的部分结果进行阐述） （或者是先对二级评价因素运用层次分析法得出其对应的各因素的权重（只选取一组代表性的即可），然后再次运用层次分析法或者是模糊层次分析法对每一学科进行计算，得出其权重系数）。通过利用matlab确定的各二级评价因素的比较矩阵的特征根分别为：4.2433、2、4.1407、3.0858、10.7434、7.3738、3.0246、1 对于问题2、基于问题一中已经获得的对学科的评价值，为了更加明了的展现各一级因素的作用，采用求解相关性系数的显著性，找出对学科评价有显著性作用的一级评价因素。同时鉴于从文献中已经有的获得的已经有的权重分配，对比通过模型求得的数值，来验证所建模型和求解过程是否合理。 对于问题3、主成份分析法，由于在此种情况下考虑的是科研型或者教学型的高校，因此在评价因素中势必会有很大的差别和区分。所以在求解评价值的时候不能够等同问题1中的方法和结果，需要重新建立模型，消除或者忽略某些因素的影响和作用（将问题三的部分结果进行阐述）。 一、问题重述

学科的水平、地位是评价高等学校层次的一个重要指标，而学科间水平的评价对于学科本身的发展有着极其重要的作用。而一个显著的方面就是在录取学生方面，通常情况下一个好的专业可以录取到相对起点较高的学生，而且它还可以使得各学科能更加深入的了解到本学科的地位和不足之处，可以更好的促进该学科的发展。学科的评价是为了恰当的学科竞争，而学科间的竞争是高等教育发展的动力，所以合理评价学科的竞争力有着极其重要的作用。鉴于学科评价的两种方法：因素分析法和内涵解析法。本模型基于某大学（科研与教学并重型高校）的13个学科在某一时期内的调查数据，包括各种建设成效数据和前期投入的数据。 通过计算每一级、每一个评价因素所占的权重，确定某一学科在评价是各因素所占的比重，构建评价等级所对应的函数。通过数值分析得出学科的评价值。需要解决一下几个问题： 1、根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 2、模型分析，给出建立模型的适用性、合理性分析。 3、假设数据来自于某科研型祸教学型高校，请给出相应的学科评价模 型。 二、符号说明与基本假设 2.1符号说明 符号说明 S——评价数（评价所依据的最终数值） X——影响评价数值的一级因素所构成的矩阵

模糊综合评价法

作业 某市直属单位因工作需要，拟向社会公开招聘8 名公务员，具体的招聘办法和程序如下： （一）公开考试：凡是年龄不超过30 周岁，大学专科以上学历，身体健康者均可报名参加考试，考试科目有：综合基础知识、专业知识和“行政职业能力测验”三个部分，每科满分为100 分。根据考试总分的高低排序选出16 人选择进入第二阶段的面试考核。 （二）面试考核：面试考核主要考核应聘人员的知识面、对问题的理解能力、应变能力、表达能力等综合素质。按照一定的标准，面试专家组对每个应聘人员的各个方面都给出一个等级评分，从高到低分成A/B/C/D 四个等级，具体结果如表1所示。 现要求根据表1中的数据信息对16 名应聘人员作出综合评价，选出8 名作为录用的公务员。

折衷型模糊多属性决策方法 （1）折衷型模糊决策的基本原理 折衷型模糊决策的基本原理是：从原始的样本数据出发，先虚拟模糊正理想和模糊负理想，其中模糊正理想是由每一个指标中模糊指标值的极大值构成；模糊负理想是由每一个指标中模糊指标值的极小值构成。然后采用加权欧氏距离的测度工具来计算各备选对象与模糊正理想和模糊负理想之间的距离。在此基础上，再计算各备选对象属于模糊正理想的隶属度，其方案优选的原则是，隶属度越大，该方案越理想。 （2）折衷型模糊决策的基本步骤 Step1：指标数据的三角形模糊数表达 下面运用以上的定义将定性、定量指标以及权重数据统一量化为三角形模糊数. 1) 对于定性指标，可以将两极比例法改进为三角模糊数比例法。再利用三角模糊数比例法将定性指标转化为定量指标，其具体的转化形式见表2。 表2 定性指标向定量指标转化的三角模糊数比例法 2) 对于精确的定量指标值，也写成三角模糊数的形式。设a 是一个具体的精确数，由三角模糊数的定义，则a 表示成三角模糊数的形式为：

基于AHP的模糊综合评价算法及应用

基于AHP的模糊综合评价算法及应用 徐亮 中国矿业大学（北京校区）资源学院（100083） E-mail：xuliang_168@https://www.doczj.com/doc/085689566.html, 摘 要：在应用AHP的多方案综合评价中，由于判断矩阵的一致性检验难以通过，就很难准确求取各方案的权重值，因此本文提出了一种基于AHP和模糊理论的综合评价算法。该算法采用AHP求取各层次指标的权重，采用模糊方法确定各方案的属性值，并将此算法应用在信息系统性能的综合评价中。 关键词：层次分析法；模糊评价；信息系统；算法 针对多方案综合评价问题中，判断矩阵的一致性检验难以通过，单一的应用层次分析法在求取各方案的权重值时就有了局限性[1]，本文在AHP方法中专家组相对于优选目标的每一个指标的实现程度进行两两比较时，引入模糊评价矩阵和评价集的隶属度向量从而得到所需求的综合评价指标，提出了一种基于AHP和模糊理论的综合评价算法。结合信息系统性能评价指标体系研究的基础上，根据评价工作的系统性、动态性、可操作性和定性分析与定量分析相结合的原则，此算法不仅提高了AHP中专家模糊性权重判断的准确性；对于促进信息系统的建设，及时维护和改进信息系统的缺陷和功能，加速信息化进程，具有十分重要的意义。 1. 建立评价指标 中国矿业大学（北京校区）研究生院在2004年重新设计开发了教务信息系统，经过一段时间的使用，为了对新系统的使用效果和系统性能进行综合评价，建立指标体系以反映所评价信息系统性能的主要特征和基本状况。 经调查研究，确定如下评价指标，以保证综合评价的全面性和可信度[2]，如图1所示： 图1 MIS性能评价的AHP算法 2. 计算权重 在构造n阶方阵A之前，我们要用1-9标度含义表列出八个指标的相对重要程度之比，如表1所示。 表1 标度含义表 标度值 两者关系 1 3 5 7 9 2，4，6，8 两者同等重要 前者比后者重要 前者比后者稍重要 前者比后者强烈重要 前者比后者极端重要 表示上述相邻判断的中间状态 若元素a与元素b的重要性之比为a ij, 那么元素b与元素a的重要性之比为a ij=1/a ji

模糊综合评价

2 模糊综合评价 在对许多事物进行客观评判时，其评判因素往往很多，我们不能只根据某一个指标的好坏就作出判断，而应该依据多种因素进行综合评判，如技术方案的选择、经济发展的比较等.模糊综合评判可有效地对受多种因素影响的事物作出全面评价. 2.1 理论介绍 模糊综合评判通常包括以下三个方面：设与被评价事物相关的因素有n 个， 记为12{,,,}n U u u u =，称之为因素集。又设所有可能出现的评语有 m 个，记为12{,,,}m V v v v =，称之为评判集。由于各种因素所处地位不同，作用也不一样，通常考虑用权重来衡量，记为 12{,, ,}n A a a a =。 1.评判步骤 进行模糊综合评判通常按以下步骤进行： （1）确定因素集12{,,,}n U u u u =。 （2）确定评判集12{,, ,}m V v v v =。 （3）进行单因素评判得12{,,,}i i i im r r r r =。 （4）构造综合评判矩阵： 111212122 212 m m n n nm r r r r r r R r r r ???? ??=?????? （5）综合评判：对于权重12{,,,}n A a a a =，计算B A R =，并根据最大隶 属度原则作出评判。 2.算子的定义 在进行综合评判时，根据算子 的不同定义，可以得到不同的模型。 1）模型I :(,)M ∧∨——主因素决定型 运算法则为max{(),1,2, ,}j i ij b a r i n =∧=(1,2, ,)j m = 。该模型评判结果 只取决于在总评判中起主要作用的那个因素，其余因素均不影响评判结果，比 较适用于单项评判最优就能认为综合评判最优的情形。 2）模型II (,)M ∨：——主因素突出型

模糊综合评价案例计算分析

模糊综合评价方法 1、基本思想和原理 基本思想 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。具地说，模糊综合评价就是以模糊数学为基础，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等级状况进行综合性评价的一种方法。 原理 首先确定被评价对象的因素（指标）集合评价（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权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。综合评价的目的是要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。 2. 模糊综合评价法的模型和步骤 步骤 步骤1 确定评价对象的因素论域， 有m个评价指标，表明评价对象的各个因素。 步骤2 确定评语等级论域

评语集是对被评价对象的各个评价结果的集合，用V表示， 有n个评价结果，其中表示第j个评价结果。 步骤3 进行单因素评价，建立模糊矩阵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，对被评价对象的每个因素进行量化,即确定从单因素来看被评价对象对各等级模糊子集的隶属度，进而得到模糊关系矩阵， 其中，表示被评价对象从因素来说对等级模糊子集的隶属度。一个被评价对象在某个因素方面的表现是通过模糊向量来刻画的（在其他评价方法中多是由一个指标实际值来刻画，因此模糊评价需要更多的信息），称为单因素评价矩阵，可以看作是因素集U和评价集V之间的一种模糊关系，即影响因素和评价对象之间的“合理关系”。 在确定隶属关系时，通常是专家打分，然后统计结果，根据绝对值减数法求得，即， 其中，c可以适当选取，使得0≤≤1。 步骤4 确定评价因素的模糊权向量 因为各评级因素的重要程度不同，所以要对个因素分配一个相应的权数，(i=1，2，3…m)，≥0，。A即为权重集。

模糊综合评价方法的理论基础

AHP ――模糊综合评价方法的理论基础 1.层次分析法理论基础 1970-1980年期间，著名学者Saaty最先开创性地建立了层次分析法，英文缩写为AHP。该模型可以较好地处理复杂的决策问题，迅速受到学界的高度重视。后被广泛应用到经济计划和管理、教育与行为科学等领域。AHP建立层次 结构模型，充分分析少量的有用的信息，将一个具体的问题进行数理化分析，从而有利于求解现实社会中存在的许多难以解决的复杂问题。一些定性或定性与定 量相结合的决策分析特别适合使用AHP。被广泛应用到城市产业规划、企业管 理和企业信用评级等等方面，是一个有效的科学决策方法。 Diego Falsini、Federico Fondi 和 Massimiliano M. Schiraldi（ 2012）运用AHP 与DEA的结合研究了物流供应商的选择；Radivojevi?、Gordana和Gajovi?, Vladimir（2014）研究了供应链的风险因素分析；K.D. Maniya 和 M.G. Bhatt（2011） 研究了多属性的车辆自动引导机制；朱春生（2013）利用AHP分析了高校后勤 HR配置的风险管理；蔡文飞（2013）运用AHP分析了煤炭管理中的风险应急处理；徐广业（2011）研究了 AHP与DEA的交互式应用；林正奎（2012）研究了城市保险业的社会责任。 第一，递阶层次结构的建立 一般来说，可以将层次分为三种类型： （1）最高层（总目标层）：只包含一个元素，表示决策分析的总目标，因此也称为总目标层。 （2）中间层（准则层和子准则层）：包含若干层元素，表示实现总目标所涉及的各子目标，包含各种准则、约束、策略等，因此也称为目标层。 （3）最低层（方案层）：表示实现各决策目标的可行方案、措施等，也称为方案典型的递阶层次结构如下图1：

模糊综合评价法

模糊综合评价法

————————————————————————————————作者：————————————————————————————————日期：

2) 层次分析法确定权重 1> 层次分析法 求权重是综合评价的关键。层次分析法是一种行之有效的确定权系数的有效方法。特别适宜于那些难以用定量指标进行分析得复杂问题[11]。它把复杂问题中的各因素划分为互相联系的有序层使之条理化，根据对客观实际的模糊判断，就每一层次的相对重要性给出定量的表示，再利用数学方法确定全部元素相对重要性次序的权系数。 2> 层次分析法的步骤 (1) 确定目标和评价因素 P 个评价指标，{}12,, ,p u u u u =。 (2) 构造判断矩阵 判断矩阵元素的值反映了人们对各元素相对重要性的认识，一般采用1—9及其倒数的标度方法。但当相互比较因素的重要性能够用具有实际意义的比值说明时，判断矩阵相应元素的值则取这个比值。即得到判断矩阵()ij p p S u ?=。 (3) 计算判断矩阵 用Mathematica 软件计算判断矩阵S 的最大特征根max λ，及其对应的特征向量A ，此特征向量就是各评价因素的重要性排序，也即是权系数的分配。 (4)一致性检验 为进行判断矩阵的一致性检验，需计算一致性指标max 1n CI n λ-=- ，平 均随机一致性指标RI 。它是用随机的方法构造500个样本矩阵，构

造方法是随机地用标度以及它们的倒数填满样本矩阵的上三角各项，主对角线各项数值始终为1，对应转置位置项则采用上述对应位置随机数的倒数。然后对各个随机样本矩阵计算其一致性指标值，对这些CI 值平均即得到平均随机一致性指标RI 值[12]。当随机一致性比率0.10CI CR RI =<时，认为层次分析排序的结果有满意的一致性，即权系数的分配是合理的；否则，要调整判断矩阵的元素取值，重新分配权系数的值。

模糊评价方法的基本步骤

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。

层次分析法与模糊综合评价的区别

层次分析法与模糊综合判别的区别与联系 1、层次分析法 [ 参考文献：吋义成, 柯丽华, 黄德育. 系统综合评价技术及其应用[M]. 北京: 冶金工业出版社,2006] 人们在日常生活中经常要从一堆同样大小的物品中挑选出最重要的物品，如重量最大的物品，即至少要确定各物品的相对重量。这时，经验和常识告诉我们，可以利用两两比较的方法来达到目的。 若在没有称量仪器的条件下对一组物体的重量进行估计，则可以通过爱对比较这组物体相对重量的方法，得出每对物体相对重量比的判断，从而形成比较判断矩阵，再通过求解判断矩阵的最大特征根和它所对应的特征向量问题，就能计算出这组物体的相对重量。 将此方法应用到复杂的社会、经济和科学管理等领域中，就能确定各种方案、措施、政策等 相对于总目标的重要性排序情况，以供领导者决策。 一般的层次分析法模型由图5-1 所示，分为目标层、准则层、指标层、方案层组成。需要注意几点： （1）层次分析法的评价结构并非是上述部分一成不变的，其中的当指标层因素较少时准则层可以省去（图5-2 ），当某一准则对应的指标层元素过多时可以将其指标层细分为“子准则层和指标层”（图5-4 ）。由于层次分析法是利用两两比较完成的，为了便于人的比较与判别，每层的元素个数在3~7 之间为佳，超过7 以后增加了比较判断的难度，因此当元素过多时，可以将其分类后分成两层或多层来判别。 （2）准则层与指标层之间的关系可以对比一下图5-1 和图5-4 ，即每个准则可能有独 用的指标体系，也可能是各准则之间共用某几个指标。 （3）层次分析法的特点是基于某个目标，对多个待评价方案进行评价，从而得到方案的重要性排序。具体到某个问题，其并无相应的数据。而模糊综合判别有相应的基础数据。两者可以结合一起用，比如常用的是模糊综合评判过程中，权重可以由层次分析法计算。 层次分析法的骤如下： 1）在作者建立评价模型后，根据经验对每层里的各个元素建立重要性判别矩阵，从判 别矩阵中可以得到某一层中各个指标的归一化权重（表5-1中的W B,W C1,W C2,W C3,W C4）。（表5-1和5-2 的数据为图5-1 模型的） 2）由层与层之间权重的传递可以得到最低层（具体指标层）的综合权重。如图5-1 所示的图中有得到各个C ij的综合权重W ij（表5-2第2列）。 3）最后，在指标层与方案层之间建立判别矩阵，针对每一个指标C ij 都需要建立一个各 方案A i的比较矩阵，判别A针对C j的重要性w A i （表5-2的每一行）。最后将指标C ij的综合权重W ij与W Ai进行乘法求和，从而得到方案A的最终综合权重刀（W ij心Ai），即为续表5-2的最后一行。

模糊综合评价模型理论

校园环境质量的模糊综合评价方法 信息与计算科学2003级马文彬 指导教师杜世平副教授 摘要：本文应用模糊数学理论，把模糊综合评价方法具体应用到校园环境质量综合评价研究中，结合校园的实际情况将环境评价系统根据需要分成若干个指标，建立了因子集、评价集、隶属函数和权重集，实现对校园环境的质量等级综合评判。采用层次分析法计算评价的权重集，并对取大取小算法和评价结果的最大隶属度原则进行了改进，取得较好的效果。实例表明：模糊综合评价方法可操作性强、效果较好，可在一般环境的质量评价中广泛应用。 关键词：校园环境质量，模糊综合评价，层次分析法，权重 1引言 模糊综合评价是以模糊数学为基础。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，进行综合评价的一种方法[1]。在校园环境质量综合评价中，涉及到大量的复杂现象和多种因素的相互作用，而且，评价中存在大量的模糊现象和模糊概念[2,3,4]。因此，在综合评价时，常用到模糊综合评价的方法进行定量化处理[5,6]，评价出校园环境的质量等级，取得了良好的效果。但权重的确定需要专家的知识和经验，具有一定的缺陷，为此，本文采用层次分析法来确定各指标的权系数[7]。使其更有合理性，更符合客观实际并易于定量表示，从而提高模糊综合评判结果的准确性。此外，模糊综合评价中常取的取大取小算法，信息丢失很多，常常出现结果不易分辨(即模型失效)的情况[8]。所以，本文提出了针对模糊综合评价的改进模型。另外，本文在对模糊综合评价结果进行分析时，对常用的最大隶属度原则方法进行了改进，提出了加权平均原则方法。 2模型的建立 2.1 模糊综合评价方法和步骤 2.1.1 模糊综合评价方法 模糊综合评价是通过构造等级模糊子集把反映被评事物的模糊指标进行量化(即确定隶属度)，然后利用模糊变换原理对各指标综合[9]。

(完整版)多级模糊综合评判法案例

第三节 模糊综合评判法的应用案例 二、在物流中心选址中的应用 物流中心作为商品周转、分拣、保管、在库管理和流通加工的据点，其促进商品能够按照顾客的要求完成附加价值，克服在其运动过程中所发生的时间和空间障碍。在物流系统中，物流中心的选址是物流系统优化中一个具有战略意义的问题，非常重要。 基于物流中心位置的重要作用，目前已建立了一系列选址模型与算法。这些模型及算法相当复杂。其主要困难在于： （1） 即使简单的问题也需要大量的约束条件和变量。 （2） 约束条件和变量多使问题的难度呈指数增长。 模糊综合评价方法是一种适合于物流中心选址的建模方法。它是一种定性与定量相结合的方法，有良好的理论基础。特别是多层次模糊综合评判方法，其通过研究各因素之间的关系，可以得到合理的物流中心位置。 1．模型 ⑴ 单级评判模型 ① 将因素集U 按属性的类型划分为k 个子集，或者说影响U 的k 个指标，记为 12(,,,)k U U U U =L 且应满足： 1 , k i i j i U U U U φ===U I ② 权重A 的确定方法很多，在实际运用中常用的方法有：Delphi 法、专家调查法和层次分析法。 ③ 通过专家打分或实测数据，对数据进行适当的处理，求得归一化指标关于等级的隶属度，从而得到单因素评判矩阵。 ④ 单级综合评判B A R =o

⑵多层次综合评判模型 一般来说，在考虑的因素较多时会带来两个问题：一方面，权重分配很难确定；另一方面，即使确定了权重分配，由于要满足归一性，每一因素分得的权重必然很小。无论采用哪种算子，经过模糊运算后都会“淹没”许多信息，有时甚至得不出任何结果。所以，需采用分层的办法来解决问题。 2．应用 运用现代物流学原理，在物流规划过程中，物流中心选址要考虑许多因素。根据因素特点划分层次模块，各因素又可由下一级因素构成，因素集分为三级，三级模糊评判的数学模型见表3-7. 表3-7 物流中心选址的三级模型

模糊综合评价法

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=

模糊综合评判在中学生综合素质评价体系中的应用

模糊综合评判在中学生综合素 质评价体系中的应用 1背景 为使学生综合素质评价工作能科学的反映学生的道德品质，公民素养，学习能力，交流与合作能力，运动与健康以及审美与表现，促进学生全面发展，激励和引导全体学生不断进步，为学校实施素质教育提供保障与支持，我们就必须建立起符合其自身特点的行之有效的评价体系。现存的学生评价常用评语法，操行加减评分法等都无法克服主观性大，无明确的标准，结果不够可靠等缺点。由于要评价的学生综合素质诸多因子具有模糊性，所以采用模糊数学的方法来研究，可以在一定程度上弥补

上述不足，用模糊数学的评价方法评价综合素质是有定性的分析问题开始，通过研究综合素质各因子的作用，定量的给出评价结果。 2学生综合素质评价指标体系的建立 在进行素质的综合评价前，应进行系统的分析，既要考虑全面，尽可能找出影响综合素质的各个因素，又要选择好主要的关键的因素，适当

的忽略次要因素，有时更有利于做出好的选择。 我们以《教育部关于积极推进中小学评价与考试制度改革的通知》中的基础性发展目标为基本依据，我们将学生综合素质的评价标准划分为：道德品质，公民素养，学习能力，交流与合作，运动与健康，审美与表现。上述六个方面组成了学生综合素质评价的第一层评价指标，其中每个指标又可以细化，其要素为二十个方面。如表1 所示： 表1 综合素质评价指标体系及十人评判小组对学生甲的评判数据表

3模糊综合评判的数学模型 综合评判，又称多元决策，即按一定的标准，对某系统的相关因素进行综合考虑，按一定意义进行排序，以期得到最佳的决策。 对于比较简单的问题，利用一级综合评判就能够得出合理的结果，而在复杂的应用实例中，需要考虑的因素往往很多，每一因素所分得的权重常常很小，因而在作模糊运算时，信息容易丢失，常常出现模型失效的情况，而这时可以采用多层次综合评判模型和广义模糊算子加以改进。 它的一般的数学模型如下： 3.1确定评价对象的因素论域 U = U i ^其中U i = {u ii,u i2,…，u ip i} (i = 1,2,…，s) i =1 U ={Ui,U2^ ,U S} 称U i为第一因素集，其元素U ij为第二层因素集。 3.2确定评语等级论域 通常可以根据不同的需求建立不同的评语 等级论域V =（V1, V2…Vm ），而考虑到评价结果的可靠性，

模糊综合评价方法

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

模糊综合评价方法案例

模糊综合评价方法在物流中心选址的应用 物流中心作为商品周转、 分拣、 保管、在库管理和流通加工的据点，其促进商品能够按 照顾客的要求完成附加价值， 克服在其运动过程中所发生的时间和空间障碍。 物流中心的选址是物流系统优化中一个具有战略意义的问题，非常重要。 基于物流中心位置的重要作用， 目前已建立了一系列选址模型与算法。 相当复杂。其主要困难在于： 在物流系统中， 这些模型与算法 （1）即使简单的问题也需要大量的约束条件和变量； （2）约束条件和变量多使问题的难度呈指数增长。 模糊综合评判方法是一种适合于物流中心选址的建模方法。 它是一种定性与定量相结合 的方法， 有良好的理论基础。 特别是多层次模糊综合评判方法， 其通过研究各因素之间的关 系，可以得到合理的物流中心位置。 1、模型 （1）单级评判模型 ① 将因素集 U 按属性的类型划分为 k 个子集，或者说影响 U 的 k 个指标，记为 U （U 1,U 2,K ,U k ） k 且应满足： U U i U, U i I U j i1 ② 权重A 的确定方法很多，在实际运用中常用的方法有：层次分析法、 Delphi 法、专家 调查法、加权平均法。 ③ 通过专家打分或实测数据，对数据进行适当的处理，求得归一化指标关于等级的隶 属度，从而得到单因素评判矩阵。 ④ 单级综合评判 B AoR . （2）多层次综合评判模型 一般来说， 在考虑的因素较多时会带来两个问题： 一方面，权重分配很难确定；另一方 面，即使确定了权重分配，由于要满足归一性，每一因素分得的权重必然很小。无论采用哪 种算子，经过模糊运算后都会“淹没”许多信息，有时甚至得不出任何结果。所以，需采用 分层的办法来解决问题。 2、应用 运用现代物流学原理， 在物流规划过程中， 物流中心选址要考虑许多因素。 根据因素特点划 分层次模块， 各因素又可由下一级因素构成， 因素集分为三级， 三级模糊评判的数学模型见 下表：