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 =
且应满足：
1
, k
i
i j i U
U U U φ===
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 =
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
因素集U 分为三层：
第一层为 {}12345,,,,U u u u u u =
第二层为 {}{}{}111121314441424344551525354,,,;,,,;,,,u u u u u u u u u u u u u u u === 第三层为 {}{}5151151251352521522,,;,u u u u u u u ==
假设某区域有8个候选地址，决断集{},,,,,,,V A B C D E F G H =代表8个不同的候选地址，数据进行处理后得到诸因素的模糊综合评判如表3-8所示。
表3-8 某区域的模糊综合评判
⑴ 分层作综合评判
{}51511512513,,u u u u =，权重{}511/3,1/3,1/3A =，由表3-8对511512513,,u u u 的模糊评判构成的单因素评判矩阵：
510.600.710.770.600.820.950.650.760.600.710.700.600.800.950.650.760.910.900.930.910.950.930.810.89R ?? ?= ? ???
用模型(,)M ?+计算得：
515151(0.703,0.773,0.8,0.703,0.857,0.943,0.703,0.803)B A R == 类似地：525252(0.895,0.885,0.785,0.81,0.95,0.77,0.775,0.77)B A R ==
5550.7030.773
0.80.7030.8570.9430.7030.8030.8950.8850.7850.810.950.770.7750.77(0.40.30.20.1)0.810.940.890.600.650.950.950.890.900.600.920.600.600.840.650.81B A R ?? ?
?== ? ??? =(0.802,0.823,0.826,0.704,0.818,0.882,0.769,0.811)
4440.600.950.600.950.950.950.950.950.60
0.690.920.920.870.740.890.95(0.10.10.40.4)0.950.690.930.850.600.600.940.780.75
0.600.800.930.840.840.60
0.80B A R ??
?
?== ?
???
=(0.8,0.68,0.844,0.899,0.758,0.745,0.8,0.822)
1110.910.850.870.980.790.600.600.950.93
0.810.930.870.610.610.950.87(0.250.250.250.25)0.880.820.940.880.640.610.950.910.90
0.83
0.94
0.89
0.63
0.71
0.95
0.91B A R ??
?
?== ?
???
=(0.905,0.828,0.92,0.905,0.668,0.633,0.863,0.91)
（2）高层次的综合评判
{}12345,,,,U u u u u u =，权重{}0.1,0.2,0.3,0.2,0.2A =，则综合评判
12345B B B A R A B B B ?? ? ?
?
== ? ? ???
0.9050.8280.920.9050.6680.6330.8630.910.950.900.90.940.600.910.950.94 =(0.10.20.30.20.2)0.900.900.870.950.870.650.740.610.80.680.8440.8990.7580.7450.80.8220.8020.8230.8260.7040.8180.8820.7690.811? ? ???
?
?
? ??
=(0.871,0.833,0.867,0.884,0.763,0.766,0.812,0.789)
由此可知，8块候选地的综合评判结果的排序为：D,A,C,B ,G,H,F,E,选出较高估计值的地点作为物流中心。
应用模糊综合评判方法进行物流中心选址，模糊评判模型采用层次式结构，把评判因素分为三层，也可进一步分为多层。这里介绍的计算模型由于对权重集进行归一化处理，采用加权求和型，将评价结果按照大小顺序排列，决策者从中选出估计值较高的地点作为物流中心即可，方法简便。
五、在人事考核中的应用
随着知识经济时代的到来，人才资源已成为企业最重要的战略要素之一，对其进行考核评价是现代企业人力资源管理的一项重要内容。
人事考核需要从多个方面对员工做出客观全面的评价，因而实际上属于多目标决策问题。对于那些决策系统运行机制清楚，决策信息完全，决策目标明确且易于量化的多目标决策问题，已经有很多方法能够较好的将其解决。但是，在人事考核中存在大量具有模糊性的概念，这种模糊性或不确定型不是由于事情发生的条件难以控制而导致的，而是由于事件本身的概念不明确所引起的。这就使得很多考核指标都难以直接量化。在评判实施过程中，评价者又容易受人际关系、经验等主观因素的影响，因此对人的综合素质评判往往带有一定的模糊性与经验
性。
这里说明如何在人事考核中运用模糊综合评判，从而为企业员工职务的升降、评先晋级、聘用等提供重要依据，促进人事管理的规范化和科学化，提高人事管理的工作效率。
1．一级模糊综合评判在人事考核中的应用
在对企业员工进行考核时，由于考核的目的、考核对象、考核范围等的不同，考核的具体内容也会有所差别。有的考核，涉及的指标较少，有些考核，又包含了非常全面丰富的内容，需要涉及很多指标。鉴于这种情况，企业可以根据需要，在指标个数较少的考核中，运用一级模糊综合评判，而在问题较为复杂，指标较多时，运用多层模糊综合评判，以提高精度。
一级模糊综合评价模型的建立，主要包括以下步骤。 ⑴ 确定因素集
对员工的表现，需要从多方面进行综合评判，如员工的工作业绩、工作态度、沟通能力、政治表现等。所有这些因素构成了评价体系集合，即因素集，记为：
12{,,,}n U u u u =
⑵ 确定评语集
由于每个指标的评价值的不同，往往会形成不同的等级。如对工作业绩的评价有好、较好、中等、较差、很差等。由各种不同决断构成的集合被称作评语集 记为：
12{,,,}m V v v v =
⑶ 确定各因素的权重
一般情况下，因素集中的各因素在综合评价中所起的作用是不同的，综合评价结果不仅与各因素的评价有关，而且在很大程度上还依赖与各因素对综合评价所起的作用，这就需要确定一个各因素之间的权重分配，它是U 上一个模糊向量，记为：
12(,,,)n A a a a =
其中i a 表示第i 个因素的权重，且11n
i i a ==∑。确定权重的方法很多，例如Delphi
法、加权平均法、众人评估法等。
⑷ 确定模糊综合判断矩阵
对第i 个指标来说，对各个评语的隶属度为V 上的模糊子集。
12(,,,)i i i in R r r r = ，各指标的模糊综合判断矩阵为：
1112121
2221
2m m n n nm r r r r r r R r r r ??
??
??
=????
????
它是一个从U 到V 的模糊关系矩阵。 ⑸ 综合评判
如果有一个从U 到V 的模糊关系()ij n m R r ?=，那么利用R 就可以得到一个模糊变换：:()()R T F U F V ??→由此变换，就可得到综合评判结果*B A R =。 综合后的评判可看作是V 上的模糊向量，记为：12(,,,)m B b b b =
B 的求法有很多种，例如用Zadeh 算子。这种方法很简单，但算子比较粗糙，
为了加细算子，可以使用普通乘法算子等。
下面以某单位对员工的年终综合评定为例，来说明其应用。 ⑴ 取因数集{}234,,,i U u u u u =政治表现工作能力工作态度工作成绩； ⑵ 取评语集{}12345,,,V v v v v v =优秀良好一般，较差差； ⑶ 确定个因素的权重：(0.25,0.2,0.25,0.3)A = ⑷ 确定模糊综合判断矩阵：对每个因素i u 做出评价。 ① 1u 比如由群众评议打分来确定
1(0.1,0.5,0.4,0,0)R =
上面式子表示，参与打分的群众当中，有10%的人认为政治表现优秀，50%的人认为政治表现良好，40%的人认为政治表现一般，认为政治表现较差或差的人为0，用同样的方法对其它因素进行评价。
② 23,u u 由部门领导打分来确定
2(0.2,0.5,0.2,0.1,0)R = 3(0.2,0.5,0.3,0,0)R =
③ 4u 由单位考核组员打分来确定
4(0.2,0.6,0.2,0)R =
以i R 为i 行构成评价矩阵
0.10.50.4000.20.50.20.100.20.50.3000.2
0.6
0.200R ?????
?=??
??
??
它是从因素集U 到评语集V 的一个模糊关系矩阵。 ⑸ 模糊综合评判。进行矩阵合成运算：
0.10.50.40
00.2
0.50.20.10(0.25 0.2 0.25 0.3)0.20.50.3000.2
0.60.200B A R ??
???
?==????
??
(0.06 0.18 0.1
= 取数值最大的评语作综合评判结果，则评判结果为“良好”。
2．多层次模糊综合评判在人事考核中涉及的指标较多时，需要考虑的因素很多，这时如果仍用一级模糊综合评判，则会出现两个方面的问题；一是因素过多，它们的权数分配难以确定；另一方面，即使确定了权分配，由于需要满足归一化条件，每个因素的权值都小。对这种系统，我们可以采用多层次模糊综合评判方法。对于人事考核而言，采用二级系统就足以解决问题了，如果实际中要划分更多的层次，那么可以用建二级模糊综合评判的方法类推。
下面介绍一下二级模糊综合评判法模型建立的步骤。
第一步：将因素集{}12,,,n U u u u = 按某种属性分成s 个子因素集
12,,,s U U U ，其中{}12,,,,1,2,,i i i in U u u u i s == ，且满足：
① 12s n n n n ++=
② 12s U U U U = ③ 对任意的,i j i j U U ≠=?
第二步：对每一个因素集i U ，分别做出综合评判。设{}12,,,m V v v v = 为评语集，i U 中各因素相对于V 的权重分配是：
()12,,,i i i in A a a a =
若i R 为单因素评判矩阵，则得到一级评判向量：
()12,,,, 1,2,,i i i i i im B A R b b b i s ===
第三步：将每个i U 看作一个因素，记为：
{}12,,,s K u u u =
这样，K 又是一个因素集，K 的单因素评判矩阵为：
11112122122
212
m m s s sm s B b b b B b b b R b b b B ????????????==????
???
?
??
?? 每个i U 作为U 的部分，反映了U 的某种属性，可以按它们的重要性给出权重分配
()12,,,s A a a a = ，于是得到二级评判向量：
()12,,,m B A R b b b ==
如果每个子因素集,1,2,,i U i s = ，含有较多的因素，可将i U 再进行划分，于是有三级评判模型，甚至四级、五级模型等。
下面，以某烟草公司对某部门员工进行的年终评定为例来加以说明。 关于考核的具体操作过程，以对一名员工的考核为例。如表3-11所示，根据该部门工作人员的工作性质，将18个指标分成工作绩效（1U ）、工作态度（2U ）、工作能力（3U ）和学习成长（4U ）这4各子因素集。
首先确定各个子因素集模糊综合判断矩阵，就得到了表3-11中的数据。
取数值最大的评语作综合评判结果，则评判结果为“良好”。
2．多层次模糊综合评判在人事考核中涉及的指标较多时，需要考虑的因素很多，这时如果仍用一级模糊综合评判，则会出现两个方面的问题；一是因素过多，它们的权数分配难以确定；另一方面，即使确定可权分配，由于需要满足归一化条件，每个因素的权值都小。对这种系统，我们可以采用多层次模糊综合评判方法。对于人事考核而言，采用二级系统就足以解决问题了，如果实际中要划分更多的层次，那么可以用建二级模糊综合评判的方法类推。
下面介绍一下二级模糊综合评判法模型建立的步骤。
第一步：将因素集{}12,,,n U u u u = 按某种属性分成s 个子因素集
12,,,s U U U ，其中{}12,,,,1,2,,i i i in U u u u i s == ，且满足：
① 12s n n n n ++= ② 12s U U U U = ③ 对任意的,i j i j U U ≠=?
第二步：对每一个因素集i U ，分别做出综合评判。设{}12,,,m V v v v = 为评语集，i U 中各因素相对于V 的权重分配是：
()12,,,i i i in A a a a =
若i R 为单因素评判矩阵，则得到一级评判向量：
()12,,,, 1,2,,i i i i i im B A R b b b i s ===
第三步：将每个i U 看作一个因素，记为：
{}12,,,s K u u u =
这样，K 又是一个因素集，K 的单因素评判矩阵为：
11112
122122
212
m m s s sm s B b b b B b b b R b b b B ????????????==????
???
?
??
??
每个i U 作为U 的部分，反映了U 的某种属性，可以按它们的重要性给出权重分配
()12,,,s A a a a = ，于是得到二级评判向量：
()12,,,m B A R b b b ==
如果每个子因素集,1,2,,i U i s = ，含有较多的因素，可将i U 再进行划分，于是有三级评判模型，甚至四级、五级模型等。
下面，以某烟草公司对某部门员工进行的年终评定为例来加以说明。 关于考核的具体操作过程，以对一名员工的考核为例。如表3-11所示，根据该部门工作人员的工作性质，将18个指标分成工作绩效（1U ）、工作态度（2U ）、工作能力（3U ）和学习成长（4U ）这4各子因素集。
首先确定各个子因素集模糊综合判断矩阵，就得到了表3-11中的数据。
表3-11 员工考核指标体系及考核表
学习成长
勤情评价 0.3 0.4 0.2 0.1 0 技能提高
0.1 0.4 0.3 0.1 0.1 培训参与 0.2 0.3 0.4 0.1 0 工作提供
0.4
0.3
0.2
0.1
请专家设定指标权重，一级指标权重为：
()0.4,0.3,0.2,0.1A =
二级指标权重为：
()10.2,0.3,0.3,0.2A =
()20.3,0.2,0.1,0.2,0.2A = ()30.1,0.2,0.3,0.2,0.2A = ()40.3,0.2,0.2,0.3
A = 对各个子因素集进行一级模糊综合评判得到：
()1110.39,0.39,0.26,0.04,0.01B A R ==
()2220.21,0.37,0.235,0.125,0.06B A R == ()3330.15,0.32,0.355,0.125,0.06
B A R == ()4440.27,0.35,0.24,0.1,0.02B A R ==
这样，二级综合评判为：
()0.39
0.390.260.040.010.21
0.370.2350.1250.060.4,0.3,0.2,0.10.150.320.3550.1250.060.27
0.350.240.1
0.2B A R ?????
?==??
????
()0.28,0.37,0.27,0.27,0.09,0.04
= 根据最大隶属度原则，认为该员工的评价为良好。同理可对该部门其他员工进行考核。
需要说明的是，在最后评判结果中，当几个评语的评判结果之和不为“1”时，可以直接取用评判结果，也可先对评判结果进行归一化处理，再取用评判结果。
以上说明了如何用一级综合模糊评判和多层次综合模糊评判来解决企业中的人事考评问题，该方法在实践中取得了良好的效果。经典数学在人事考核的应用中显现出了很大的局限性，而模糊分析很好地将定性分析和定量分析结合起来，为人事考核工作的量化提供了一个新的思路。
第六章灰色综合评价法
第一节灰色综合评价法的思想和原理
在控制论中，人们常用颜色的深浅来形容信息的明确程度，用“黑”表示信息未知，用白表示信息完全明确，用灰表示部分信息明确、部分信息不明确。相应地，信息未知的系统称为黑色系统，信息完全明确的系统称为白色系统，信息不完全明确的系统称为灰色系统。灰色系统是介于信息完全知道的白色系统和一无所知的黑色系统之间的中介系统。带有中介性的事物往往具有独特的性能，值得开发。
灰色系统是贫信息的系统统计方法难以奏效。灰色系统理论能处理贫信息系统，适用于只有少数观测数据的项目。灰色系统理论是我国著名学者邓聚龙教授于1982年提出的。它的研究对象是“部分信息已知，部分信息未知”的“贫系统”不确定性系统，它通过对部分已知信息的生成、开发实现对现实世界的确切描述和认识。换句话说，灰色系统理论主要是利用已知信息来确定系统的未知信息，系统由灰变白。其最大的特点是对样本量没有严格的要求，不要求服从任何分布。
社会、经济等系统具有明显的层次复杂性，结构关系的模糊性，动态变化的随机性，指标数据的不完整性和不确定性。比如，由于技术方法、人为因素等，早吃各种数据误差、短缺甚至虚假现象即灰色性。由于灰色系统的普遍存在，决定了灰色系统理论具有十分广阔的发展前景。随着灰色系统理论研究的不断深入
和发展，其已经有许多领域取得不少应用成果。
进行关联度分析，首先要找准数据序列，即用什么数据才能反映系统的行为特征。当有了系统行为特征的数据列（即各时刻的数据）后，根据关联度计算公式便可算出关联程度。
关联度反映各评价对象对理想（标准）对象的接近次序，即评价对象的优劣次序，其中灰色关联最大的评价对象为最佳。
灰色关联分析，不仅可以作为优势分析的基础，而且也是进行科学决策的依据。
由于关联度分析方法是按发展趋势作分析，因此对样本量的多少没有要求，也不需要典型的分布规律，计算量小，即使是上十个变量（序列）的情况也可用手算，且不至于出现关联度的量化结果和定性分析不一致的情况。换句话说，关联度分析方法的最大优点是它对数据量没有太高的要求，即数据多与少都可以分析。它的数学方法是非统计方法，在系统数据资料较少和条件不满足统计要求的情况下，更具有实用性。
概括得地说，由于人们对评判对象的某些因素不完全了解，致使评判依据不足；或者由于事物不断发展变化，人们的认识落后于实际，使评判对象已成为过去；或者由于人们受事物伪信息和反信息的干扰，导致判断发生偏差等。所有这些情况归结为一点，就是信息不完全，即“灰”。灰色系统理论是从信息的非完备性出发研究和处理复杂关系的理论，它不是从系统内部特殊的规律出发去讨论，而是通过对系统某一层次的观测资料加以数学处理，达到在更高层次上了解系统内部变化趋势、相互关系等机制。其中，灰色关联度分析是灰色系统理论应用的主要方面之一。基于灰色关联度的灰色综合评价法是利用各方案和最优方案之间关联度的大小对评价对象进行比较、排序。灰色综合评价法计算简单，通俗易懂，因此，现在也越来越多地被应用于社会、经济、管理的评价问题。
第二节灰色综合评价法的模型和步骤
灰色理论应用最广泛的是关联度分析方法。关联度分析是分析系统中各元素之间关联程度或相似的方法，其基本思想是依据关联对系统排序。下面介绍基于关联度分析的综合评价模型和步骤。
一、灰色关联分析
在客观世界中，有许多因素之间的关系是灰色的，分不清哪些因素之间关系密切，哪些不密切，这样就难以找到主要矛盾和主要特征。关联度是表征两个事物的关联程度。具体地说，关联度是因素之间关联性大小的量度，它定量地描述了因素之间相对变化的情况。
关联度分析是灰色系统分析、评价和决策的基础。灰色关联度分析是一种多因素统计分析方法，用灰色关联度来描述因素间关系的强弱、大小和次序。
从思路上看，关联度分析是属于几何处理范畴的。它是一种相对性的排序分析，基本思路是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，反之就越少。
作为一个发展变化的系统，关联度分析事实上是动态过程发展态势的量化分析。说得确切一点，是发展态势的量化比较分析。发展态势的比较，也就是历年来有关统计数据列几何关系的比较，实质上是几种曲线间几何形状的分析比较，即认为几何形状越接近，则发展变化态势越接近，关联程度越大。
假如考虑表6-1所示的三个数据列，一个是某地区1997—2003年总收入（亿元），一个是这个地区1997—2003年招商引资收入，一个是这个地区1997—2003年农业收入，将以上数列做成曲线，如图6-1。
表6-1 某地区1997—2003年总收入、招商引资、农业收入亿元
图6-1 三个数据列关联分析图
从图6-1可以看出，曲线2的形状与曲线1的形状较接近，而曲线3与曲线1相差较大，因此该地区对收入影响较大的是招商引资，在制定该地区经济发展规划时，显然应加大招商引资的力度。
这种因素分析的比较，实质上是几种曲线间几何形状的分析比较，而且对数据量也没有太高的要求，即数据或多或少都可以分析。但事实上，这种直观的几何形状的判断比较，是比较粗糙的，并且，如果好几条曲线形状相差不大，或者在某些区间形状比较接近，就很难用直接观察的方法来判断各曲线间的关联程度。
下面就介绍最常用的衡量因素间关联程度大小的量化方法。
作关联分析先要制定参考的数据列（母因素时间数列），参考数据列常记为0x ,一般表示为：
()()(){}00001,2,,x x x x n =
关联分析中被比较数列（子因素时间序列）常记为0x ，一般表示为：
()()(){}11111,1,,,1,2,,x x x x n i m ==
对于一个参考数据列 ，比较数列为 ，可用下述关系表是各比较曲线与参考曲线在各点的差：
()()()()()
()()()()
0000min min max max max max i i i
k
i k
i i i i
k
x k x k x k x k k x k x k x k x k ξξξ-+-=
-+-
式中, ()i k ξ是第k 个时刻比较曲线i x 与参考曲线0x 的相对差值,这种形式
的相对差值称为i x 对0x 在k 时刻的关联系数。
ξ为分辨系数, ξ∈[]0,1,引入它是
为了减少极值对计算的影响.在实际使用时,应根据序列间的关联程度选择分辨系数,一般取0.5ξ≤最为恰当。
若记：()()()()00min min min ,max max max i i i
k
i
k
x k x k x k x k ?=-?=-
则min ?与max ?分别为各时刻0x 与i x 的最小绝对值与最大绝对差值。从而有:
()()()0min max
max
i i k x k x k ξξξ?+?=
-+?
如果计算关联程度的数列量纲不同，要转化为无量纲。无量纲化的方法，常用的有初值化与均值化。初值化是指所有数据均用第一个数据除，然后得到一个新的数列，这个新的数列即是各不同时刻的值相对于第一个时刻的值的百分比。均值化处理就是用序列平均值除以所有数据，即得到一个占平均值百分比的数列。另外，还有我们经常使用的规范化处理方式。
于是,我们就可以把影响字母序列0x 的因素按上述定义的优劣排队,即按各自对0x 的影响程度大小排序,从而完成我们的关联分析。
总的来说，灰色关联度分析是系统态势的量化比较分析，其实质就是比较若干数列所构成的曲线列与理想（标准）数列所构成的曲线几何形状的接近程度，几何形状越接近，其关联度就越大，关联序则反映各评价对象对理想（标准）对象的接近次序，即评价对象的优劣次序，其中灰色关联度对大的评价对象为最佳。因此，利用灰色关联度可对评价对象的优劣进行分析比较。
二、基于灰色关联度分析的灰色综合评价法
对事物的综合评价,多数情况是研究多对象的排序问题,即在各个评价对象之间排出优选顺序。
灰色综合评判主要是依据以下模型：R E W =?
式中:[]11,,,T
m R r r r = 为m 个被评对象的综合评判结果向量；
[]12,,,T
n W ωωω= 为n 个评价指标的权重分配向量,其中1
1n
j j ω==∑；
E 为各项指标的评判矩阵：
()()()()()()()()()111222121212m m m n n E n ξξξξξξξξξ??????=????????
()i k ξ为第i 种方案的第k 个指标与第k 个最有指标的关联系数。
根据R 的数值,进行排序。 1. 确定最优指标集()*F
设 ****
12,,,n F j j j ??=??
式中()*1,2,,k j k n = 为第k 个指标的最优值。
此最优值可是诸方案中最优值(若某一指标取大值为好,则取该指标在各个方案中的最大值;若取小值为好, 则取各个方案中的最小值),也可以是评估者公认的最优值。不过在定最优值时,既要考虑到先进性,又要考虑到可行性。若最优标志的过高,则不现实,不能实现,评价的结果也就不可能正确。
选定最优指标集后,可构造矩阵D ：
*
*
*
121111
2
122n n
m m m j j j j j j D j j j ??????=???????
?
式中：i
k j 为第i 个方案中第k 个指标的原始数值。
2. 指标值的规范化处理
由于批判指标间通常是有不同的量纲和数量级,故不能直接进行比较,为了保证结果的可靠性,因此要对原始指标值进行规范化处理。
设第k 个指标的变化区间为[
]12,k k j j ,1
k j 为第k 个指标在所有方案中的最小
值, 2k j 为第k 个指标在所有方案中的最大值,则可用下式将上式中原始数值变
换成无量纲值()0,1i
k C ∈。
1
1i
i k k k
i
k k j j C j j -=- 1,2,,;i m = 1,2,,k n = 这样D C →矩阵
**
*121111
21
2
n n
m m m n C C C C C C C C C C ??????=????????
3. 计算综合评判结果
根据灰色系统理论,将{}****
12
,,,n C C C C ??=?? 作为参考数列,将{}12,,,i i i
n C C C C ??=?? 作为被参考数列,则用关联分析法分别求得第i 个方案第k
个指标与第k 个最优指标的关联系数()i k ξ,即:
()**
*
*min min max max max max i i k k k k i
k
i
k
i i i k k k k
i
k
C C C C k C C C C
ρξρ-+-=
-+-
式中,[]
0,1ρ∈,一般取0.5ρ=。
由
()
i k ξ,即得E ,这样综合评判结果为:R E W =?,即
()()1n
i i k r W k k ξ==?∑
若关联度i r 最大,则说明{}i C 与最优指标{}*C 最接近,亦即第i 个方案优于其他方案,据此,可以排出各方案的优劣次序。
三、实例分析
下面以一个煤炭企业管理水平的评价为例说明该模型方法。
影响生产的因素很多，因而评价煤矿生产管理水平比较困难。正确评价一下煤炭企业所属各矿井的管理水平以及相互之间的差距，不仅有助于加强矿井自身的企业管理，还能为企业管理部门考核矿井的管理水平提供可靠依据。对企业管理水平的评价经常使用的方法有：定性分析法、单项指标分析比较法、多目标分析法、模糊综合评判法等。但多数方法都不能反应矿井管理水平的综合情况，计算也比较繁琐。灰色关联度综合评价法能克服上述方法的不足，能把互相间互补的不可比的各项指标变成可比的，尤其是对多指标系统的评价更为有效。
1. 煤矿管理水平指标体系的选择
矿井管理水平的多指标评价，通常是选择同类矿井，对共同的指标进行分析，
从中评价管理水平的高低。要从众多指标中选择一个指标体系，这个指标体系应能够反映所评价矿井的基本情况，指标体系中各项指标的优劣程度应能较好地反映客观现实。根据上述思想，现选择能够体现煤炭生产特征和标志的6项指标，即：
产量，以评判期计划产量为100，希望实现完成的百分数越大越好； 掘进，以评判期计划掘进进尺为100，希望实现完成的百分数越大越好； 工效，以评判期计划全员工效为100，希望实现工效越高越好； 质量，以评判期商品没计划含矸率越低越好；
成本，以评判期计划吨煤成本为100，希望实际成本越低越好； 安全因素，以评判期事故率为100，希望实际事故率越低越好。
对于上述6项评价指标,采用的权重上述指标出现的先后顺序次序依次为：
()()123456,,,,,0.2,0.2,0.1,0.15,0.15,0.2j W W W W W W W ==
2. 评价数据
某矿务局有5对矿井,年终考核各矿企业管理情况,5对矿井的各项指标实际数据列于表6-2中。
表6-2 评价原始数据
3. 指标计算
构造理想对象。把各评价对象中每一项指标的最佳值作为理想对象的指标值。最佳值从参加比选的被评对象中选取,对不同影响因素而言,有的指标以最大为好,有的指标则以最小为好,以最佳值为基础,便可构造理想对象的指标值。
现仅以一矿与理想对象的加权关联度计算为例,来说明其计算过程。
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 = 且应满足： 1 , k i i j i U U U U φ=== 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 =
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
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
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 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。
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：
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
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 = 且应满足： 1 , k i i j i U U U U φ=== 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 =
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
模糊综合评价方法 1、基本思想和原理 1.1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。 1.2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 2.1步骤 步骤1 确定评价对象的因素论域， U= u1，u2，…，u m 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， V= v1，v2，…，v n 有n个评价结果，其中v j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u i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， R=R1 … R m = r11r12?r1n ??? r m1r m2?r mn
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/0c1943512.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 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 Fuzzy Comprehensive Evaluation Method for the Environment Quality of university Campus MA Wen-bin Information and Computational Science , Grade 2003 Directed by Du Shi-ping (Associate Prof ) Abstract: In this paper,based on fuzzy mathematics theory, the fuzzy comprehensive evaluation is applied in the environment quality evaluation of university campus,combining the actual situation list to evaluate the general level of university campus by fuzzy comprehensive evaluation. By setting up the factor sets, the evaluation sets, subjection functions and the weighting sets. Implementation of the Campus Environment Quality Level comprehensive evaluation. The evaluation of the weighting sets are made by AHP. The choosing big or small algorithm and the maximal subjection degree of the evaluation result is improved, and the effect is very good.The applying example indicates: the 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。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。这些模型与算法相当复杂。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 且应满足： 1 ,k i i j i U U U U ===?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：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 A R =o . （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： 物流中心选址的三级模型 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。 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 文献综述 电气工程及自动化 模糊综合评价法的应用研究 摘要：综合评判是对多种属性的事物，或者说其总体优劣受多种因素影响的事物，做出一个能合理地综合这些属性或因素的总体评判。例如，教学质量的评估就是一个多因素、多指标的复杂的评估过程，不能单纯地用好与坏来区分。而模糊逻辑是通过使用模糊集合来工作的，是一种精确解决不精确不完全信息的方法，其最大特点就是用它可以比较自然地处理人类思维的主动性和模糊性。因此对这些诸多因素进行综合，才能做出合理的评价，在多数情况下，评判涉及模糊因素，用模糊数学的方法进行评判是一条可行的也是一条较好的途径。 关键词：：层次分析；模糊综合评判 1模糊综合评价法的原理和思想 在客观世界中存在着许多不确定性，这种不确定性表现在两个方面；一是随机性-时间是否发生的不确定行；二是模糊性-事物本身状态的不确定行。 在客观世界中，存在着大量的模糊概念和模糊现象。一个概念和与其对立的概念无法划出一条明确的分界，他们是随着量变逐渐过渡到质变的。例如“年轻”和“年老”、“高与矮”、“胖与廋”、“美与丑”等没有确切界限的一些对立概念都是所谓的模糊概念。凡涉及模糊概念的现象被称为模糊现象。现实生活中的绝大多数现象，存在着中介状态，并非非此即彼，表现出亦此亦彼，存在着许多，甚至无穷多的中间状态。 总之，模糊性是时间本身状态的不确定性，或者说是指某些事物或者概念的边界不清楚，这种边界不清楚，不是由人的主观认识达不到客观实际所造成的，而是事物的一种客观属性，是事物的差异之间存在着中间过渡过程的结果。 模糊数学就是试图利用数学工具解决模糊现象一门学科。1965年，美国加州大学的控制论专家扎德发表了一篇题为《模糊集合》的重要论文，第一次成功运用精确的数学方法描述了模糊概念，从而宣告了模糊数学的诞生。从此，模糊数学现象进入了人类科学的研究领域。 模糊数学是产生把数学的应用范围，从精确现象扩大到模糊现象的领域，去处理复杂的系统问题。模糊数学绝不是把已经很清楚的数学变得模模糊糊，而是用精确的数学方法来处理过去无法用数学描述的模糊事物。从某种意义上来说，模糊数学是架在形式化思想和复杂系统之间的一座桥梁，通过它可以把多年积累起来的形式化思想，也就是精确数学的一系列 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= 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 R 。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0 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。 取(4) 第十三章2层次分析及模糊综合评价 13.1层次分析模型深入分析 13.2模糊综合评价 13.1层次分析模型深入分析 （、数学模型层次分析法的基本步骤 1）建立层次分析结构模型 深入分析实际问题，将有关因素自上而下分层（目标一准则或指标一方案或对象），上层受下层影响，而层内各因素基本上相对独立。 2）构造成对比较阵 用成对比较法和1?9尺度，构造各层对上一层每一因素的成对比较阵。 对每一成对比较阵计算最大特征根和特征向量，作一致性检验，若通过，则特征向量为权向量。 4）计算组合权向量（作组合一致性检验*） 组合权向量可作为决策的定量依据。 二.层次分析法的广泛应用 -应用领域：经济计划和管理，能源政策和分配，人才选拔和评价，生产决策，交通运输，科研选题, 产业结构，教育，医疗，环境，军事等。 -处理问题类型：决策、评价、分析、预测等。 -建立层次分析结构模型是关键一步，要有主要决策层参与。 -构造成对比较阵是数量依据，应由经验丰富、判断力强的专家给出。 例2工作选择 ____________ 工作讐 贡 收 发 声 关 位 献 入 展 誉 系 置 供选择的岗位 例1国家 实力分析 国家综合实力 美、俄、中、日、德等大国 (1)过河效益层次结构 O — 进出方便 G —— —舒适c 9 —自豪感C 8 — 交往沟通 c 7—— —安全可靠 c 6—— — 建筑就业 G —— — 当地商业C 4—— —岸间商业 G —— —收入C C (、数学模型 经济效益 B i 社会效益 B 2 环境效益 B 3 过河的效益 A 美化 G 节省时间 例3横渡 江河、海峡 方案的抉择基于层次分析法的模糊综合评价
模糊综合评价方法案例
层次分析法与模糊综合评价的区别
模糊综合评价法的数学建模方法简介_任丽华
模糊综合评价法的应用研究【文献综述】(01)
模糊综合评价法
什么是模糊综合评价模型
层次分析法及模糊综合评价
相关主题
文本预览