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 ==
55
50.7030.773
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)
44
40.600.950.600.950.950.950.950.950.600.690.920.920.870.740.890.95(0.10.10.40.4)
0.950.690.930.850.600.600.940.780.75
0.600.800.930.840.840.600.80B 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
0.830.940.890.630.710.950.91B 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1
1n
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
2
m 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
0.10.50.4
00.20.50.20.100.20.50.3000.2
0.60.200R ??
???
?=??
??
?? 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：
0.10.50.4
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 0.02 0)=
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 ++
=
第六章模糊数学基础6.1概述 6.1.1传统数学与模糊数学 6.1.2不相容原理 6.2 模糊集合与隶属度函数 6.2.1 模糊集合及其运算 6.2.2 隶属度函数 6.3 模糊逻辑与模糊推理 6.3.1模糊逻辑 6.3.2模糊语言 6.3.3 模糊推理
第六章 模糊数学基础 6.1 概述 6.1.1 传统数学与模糊数学 6.1.2 不相容原理 1965年，美国自动化控制专家扎德（L. A. Zadeh ）教授首先提出用隶属度函数 (membership function)来描述模糊概念，创立了模糊集合论，为模糊数学奠定了基础。 不相容原理:“随着系统复杂性的增加，我们对其特性作出精确而有意义的描述的能力会随之降低，直到达到一个阈值，一旦超过它，精确和有意义二者将会相互排斥”。这就是说，事物越复杂，人们对它的认识也就越模糊，也就越需要模糊数学。不相容原理深刻的阐明了模糊数学产生和发展的必然性，也为三十多年来模糊数学的发展历史所证实。 6.2 模糊集合与隶属度函数 6.2.1 模糊集合及其运算 一、模糊集合（Fuzzy Sets ）的定义 传统集合中的元素是有精确特性的对象，称之为普通集合。例如，“8到12之间的实数”是一个精确集合C ，C ={实数r |8≤r ≤12}，用特征函数μC (r )表示其成员，如图6.1(a)所示。 ??? ? ?≤≤=其它 ， ， 012 81)(r r C μ 在模糊论域上的元素符合程度不是绝对的0或1，而是介于0和1之间的一个实数。例如，“接近10的实数”是一个模糊集合F ＝{r |接近10的实数}，用“隶属度(Membership)” μF (r )作为特征函数来描述元素属于集合的程度。 1 812 1 107.2911 0.750.275 12.8 r r μC （r ） μF （r ） (a) (b) 图6.1 普通集合与模糊集合的对比
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，也称为方案层。 典型的递阶层次结构如下图1：
一．模糊数学的基础知识 1．模糊集、隶属函数及模糊集的运算。 普通集合A，对，有或。 如果要进一步描述一个人属于年轻人的程度大小时，仅用特征函数就不够了。模糊集理论将普通集合的特征函数的值域推广到[0，1]闭区间内，取值的函数以度量这种程度的大小，这个函数（记为）称为集合的隶属函数。即对于每一个元素，有[0,1]内的一个数与之对应。 （1）模糊子集的定义：射给定论域U，U到[0，1]上的任一映射： 都确定了U上的一个模糊集合，简称为模糊子集。称为元素属于模糊集的隶属度。映射所表示的函数称为隶属函数。 例如：设论域U=[0，100]，U上的老年人这个集合就是模糊集合： 若在集合U上定义了一个隶属函数，则称为模糊集。 （2）模糊集合的表示：，称为元素属于模糊集的隶 属度；则模糊集可以表示为：。 或，， （3）模糊集合的运算： ，， 并集： ， 交集： ， 补集：， 包含：， 2．模糊集的截集
已知U上模糊子集 对，则称为模糊集的-截集； 称为模糊集的-强截集；称为、的置信水平或阀值。 二．模糊数学的基本定理 1．模糊截积： 已知U上模糊子集 对，也是U上模糊集，其隶属函数为： ； 称为为与的模糊截积。 2．分解定理1：已知模糊子集，则 推论1：对 3．分解定理2：已知模糊子集，则 推论2：对 三．模糊关系与模糊聚类 1．模糊关系与模糊关系的合成 （1）模糊关系 普通集合的经典关系， 模糊关系：从U到V 上的一个模糊关系：，表示具有的关系程度，。（满足01）称为U 到V 上的一个模糊关系的模糊矩阵。 （2）．设＝和=为两个模糊矩阵，令
＝，＝1，2，…,,=1,2,…,。 则称矩阵=为模糊矩阵与的褶积，记为 ＝, 其中“”和“”的含义为 显然，两个模糊矩阵的褶积仍为模糊矩阵 2. 模糊等价矩阵及其矩阵 设方阵为以模糊矩阵，若满足 = 则称为模糊等价矩阵。 模糊等价矩阵可以反映模糊分类关系的传递性，即描述诸如“甲像乙，乙像丙，则甲像丙”这样的关系。 设＝为一个模糊等价阵，01为一个给定的数，令 则称矩阵为的截阵 例如， ＝ 为一个模糊等价阵，取0.4<,则 = 若取，则 =
模糊数学简介 模糊数学是数学中的一门新兴学科，其前途未可限量。1965年，《模糊集合》的论文发表了。作者是著名控制论专家、美国加利福尼亚州立大学的扎德（L.A.Zadeh）教授。康托的集合论已成为现代数学的基础，如今有人要修改集合的概念，当然是一件破天荒的事。扎德的模糊集的概念奠定了模糊性理论的基础。这一理论由于在处理复杂系统特别是有人干预的系统方面的简捷与有力，某种程度上弥补了经典数学与统计数学的不足，迅速受到广泛的重视。近40年来，这个领域从理论到应用，从软技术到硬技术都取得了丰硕成果，对相关领域和技术特别是一些高新技术的发展产生了日益显著的影响。有一个古老的希腊悖论，是这样说的：“一粒种子肯定不叫一堆，两粒也不是，三粒也不是……另一方面，所有的人都同意，一亿粒种子肯定叫一堆。那么，适当的界限在哪里？我们能不能说，123585粒种子不叫一堆而123586粒就构成一堆？”确实，“一粒”和“一堆”是有区别的两个概念。但是，它们的区别是逐渐的，而不是突变的，两者之间并不存在明确的界限。换句话说，“一堆”这个概念带有某种程度的模糊性。类似的概念，如“年老”、“高个子”、“年轻人”、“很大”、“聪明”、“漂亮的人”、“价廉物美”等等，不胜枚举。经典集合论中，在确定一个元素是否属于某集合时，只能有两种回答：“是”或者“不是”。我们可以用两个值0或1加以描述，属于集合的元素用1表示，不属于集合的元素用0表示。然而上面提到的“年老”、“高个子”、“年轻人”、“很大”、“聪明”、“漂亮的人”、“价廉物美”等情况要复杂得多。假如规定身高1.8米算属于高个子范围，那么，1.79米的算不算？照经典集合论的观点看：不算。但这似乎很有些悖于情理。如果用一个圆，以圆内和圆周上的点表示集A，而且圆外的点表示不属于A。A的边界显然是圆周。这是经典集合的图示。现在，设想将高个子的集合用图表示，则它的边界将是模糊的，即可变的。因为一个元素（例如身高1.75米的人）虽然不是100%的高个子，却还算比较高，在某种程度上属于高个子集合。这时一个元素是否属于集合，不能光用0和1两个数字表示，而可以取0和1之间的任何实数。例如对1.75米的身高，可以说具有70%属于高个子集合的程度。这样做似乎罗嗦，但却比较合乎实际。精确和模糊，是一对矛盾。根据不同情况有时要求精确，有时要求模糊。比如打仗，指挥员下达命令：“拂晓发起总攻。”这就乱套了。这时，一定要求精确：“×月×日清晨六时正发起总攻。”我们在一些旧电影中还能看到各个阵地的指挥员在接受命令前对对表的镜头，生怕出个半分十秒的误差。但是，物极必反。如果事事要求精确，人们就简直无法顺利的交流思想——两人见面，问：“你好吗？”可是，什么叫“好”，又有谁能给“好”下个精确的定义？有些现象本质上就是模糊的，如果硬要使之精确，自然难以符合实际。例如，考核学生成绩，规定满60分为合格。但是，59分和60分之间究竟有多大差异，仅据1分之差来区别及格和不及格，其根据是不充分的。不仅普遍存在着边界模糊的集合，就是人类的思维，也带有模糊的特色。有些现象是精确的，但是，适当的模糊化可能使问题得到简化，灵活性大为提高。例如，在地里摘玉米，若要找一个最大的，那很麻烦，而且近乎迂腐。我们必须把玉米地里所有的玉米都测量一下，再加以比较才能确定。它的工作量跟玉米地面积成正比。土地面积越大，工作越困难。然而，只要稍为改变一下问题的提法：不要求找最大的玉米，而是找比较大的，即按通常的说法，到地里摘个大玉米。这时，问题从精确变成了模糊，但同时也从不必要的复杂变成意外的简单，挑不多的几个就可以满足要求。工作量甚至跟土地无关。因此，过分的精确实际成了迂腐，适当的模糊反而灵活。显然，玉米的大小，取决于它的长度、体积和重量。大小虽是模糊概念，但长度、体积、重量等在理论上都可以是精确的。然而，人们在实际判断玉米大小时，通常并不需
模糊控制的基本原理 模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是 模糊数学在控制系统中的应用，是一种非线性智能控制。 模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。一般用于无法以 严密的数学表示的控制对象模型，即可利用人(熟练专家)的经验和知识来很好 地控制。因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。模 糊控制的基本原理如图所示： 模糊控制系统原理框图 它的核心部分为模糊控制器。模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E；一般选误差信号E作为模糊控制器的一个输入量，把E的精确量进行模糊量化变成模糊量，误差E的模糊量可用相应的模糊语言表示；从而得到误差E的模糊语言集合的一个子集e(e实际上是一个模糊向量); 再由e和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策，得到模糊控制量u为： 式中u为一个模糊量；为了对被控对象施加精确的控制，还需要将模糊量u 进行非模糊化处理转换为精确量：得到精确数字量后，经数模转换变为精确的模拟量送给执行机构，对被控对象进行一步控制；然后，进行第二次采样，完成第二步控制……。这样循环下去，就实现了被控对象的模糊控制。 模糊控制(Fuzzy Control)是以模糊集合理论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制。模糊控制同常规的控制方案相比，主要特点有： (1)模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据，不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。 (2)模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，不用传递函数与状态方程，只要对人们的经验加以总结，进而从中提炼出规则，直接给出语言变量，再应用推理方法进行观察与控制。 (3)系统的鲁棒性强，尤其适用于时变、非线性、时延系统的控制。 (4)从不同的观点出发，可以设计不同的目标函数，其语言控制规则分别是独立的，但是整个系统的设计可得到总体的协调控制。 它是处理推理系统和控制系统中不精确和不确定性问题的一种有效方法，同时也构成了智能控制的重要组成部分。 模糊控制器的组成框图主要分为三部分：精确量的模糊化，规则库模糊推理，
模糊数学 第1节模糊聚类分析 第2节模糊模式识别 第3节模糊相似优先比方法 第4节模糊综合评判 第5节模糊关系方程求解 在自然科学或社会科学研究中,存在着许多定义不很严格或者说具有模糊性的概念。这里所谓的模糊性，主要是指客观事物的差异在中间过渡中的不分明性，如某一生态条件对某种害虫、某种作物的存活或适应性可以评价为“有利、比较有利、不那么有利、不利”；灾害性霜冻气候对农业产量的影响程度为“较重、严重、很严重”，等等。这些通常是本来就属于模糊的概念，为处理分析这些“模糊”概念的数据，便产生了模糊集合论。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，二者必居其一，且仅居其一。这样的集合论本身并无法处理具体的模糊概念。为处理这些模糊概念而进行的种种努力，催生了模糊数学。模糊数学的理论基础是模糊集。模糊集的理论是1965年美国自动控制专家查德(L. A. Zadeh)教授首先提出来的，近10多年来发展很快。 模糊集合论的提出虽然较晚，但目前在各个领域的应用十分广泛。实践证明，模糊数学在农业中主要用于病虫测报、种植区划、品种选育等方面，在图像识别、天气预报、地质地震、交通运输、医疗诊断、信息控制、人工智能等诸多领域的应用也已初见成效。从该学科的发展趋势来看，它具有极其强大的生命力和渗透力。 在侧重于应用的模糊数学分析中，经常应用到聚类分析、模式识别和综合评判等方法。在DPS系统中，我们将模糊数学的分析方法与一般常规统计方法区别开来，列专章介绍其分析原理及系统设计的有关功能模块程序的操作要领，供用户参考和使用。 第1节模糊聚类分析 1. 模糊集的概念 对于一个普通的集合A，空间中任一元素x，要么x∈A，要么x?A，二者必居其一。这一特征可用一个函数表示为： A x x A x A ()= ∈ ?? ? ? 1 A(x)即为集合A的特征函数。将特征函数推广到模糊集，在普通集合中只取0、1两值推广到模糊集中为[0, 1]区间。 定义1 设X为全域，若A为X上取值[0, 1]的一个函数，则称A为模糊集。 如给5个同学的性格稳重程度打分，按百分制给分，再除以100，这样给定了一个从域X=｛x1 , x2 , x3 , x4, x5｝到[0, 1]闭区间的映射。 x1：85分，即A(x1)=0.85 x2：75分，A(x2)=0.75 x3：98分，A(x3)=0.98 x4：30分，A(x4)=0.30 x5：60分，A(x5)=0.60
管理学基本知识 内部编号：（YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128）
管理科学 管理科学是研究管理理论、方法和管理实践活动的一般规律的科学。管理科学的初创阶段，始于19世纪末至20世纪初。首先，由美国工程师费雷德里克·泰罗创造出"标准劳动方法"和劳动定额，被称为"泰罗制"，并于1911年发表了他的代表作《科学管理原理》，泰罗被誉为"科学管理之父"。与"科学管理理论"同期问世的还有法约尔的"管理过程理论"和韦伯的"行政组织理论。"这三种理论统称为"古典管理理论。" 管理的概念：一个组织有计划、组织、领导、控制、对资源进行合理配置和使用以实现目标的过程，就叫管理。 管理科学的第二个里程碑是""。它产生于本世纪20年代，创始人是美国哈佛大学教授乔治·奥尔顿·梅奥和茨·罗特利斯伯格等。后来，行为科学在其发展过程中，又形成一些新的理论分支。现代管理理论是以"系统理论"、""、"管理科学理论"等学派为代表，其特点是以、、为其理论基础，模型和手段来研究解决各种管理问题。 管理学的分类 管理学是一门多分枝的学科体系.按照不同的研究对象，管理学细分为很多分枝学科。按照教育部学科分类目录，管理学下设管理科学与工程(可授管理学、工学学位)， 工商管理（会计学，企业管理，财务管理、市场营销、人力资源管理，旅游管理，技术经济及管理）， 农林经济管理（农业经济管理，林业经济管理）
公共管理（行政管理，社会医学与卫生事业管理，教育经济与管理，社会保障，土地资源管理（图书馆、情报与档案管理，图书馆学，情报学，档案学）。 我国着名学者提出了中国管理科学“三个基础，三个层次和三个领域”的学科结构理论。即 三个基础 三个基础是数学、经济学和心理学.数学是管理科学中数量分析方法的基础，最常使用的是统计学(包括数理统计、回归分析、非参数统计等)、组合数学(主要研究存在性、计数、优化等问题)、数学规划(包括线性规划、非线性规划、整数规划、动态规划、目标规划等)、随机过程、离散数学及模糊数学等。 经济学是管理科学中各类决策的出发点和依归，最常使用的是理论经济学(主要包括微观经济学和宏观经济学)、应用经济学(例如工业经济学、劳动经济学、区域经济学、国际经济学等)及计量经济学等。 心理学是研究人的心理活动和行为表现的科学，它是管理科学中研究人际关系、调动人的积极性的依据。最常使用的是工业心理学、社会心理学及认知心理学等。 三个层次 三个层次是基础管理、职能管理和战略管理。 基础管理是管理中带有共性的基础理论和基本技术，主要包括管理数学、管理经济学、管理心理学、管理会计学、管理组织学、管理决策学、管理史学，等等。职能管理是将管理基础与特定的管理职能相结合，例如计划管理、财务管理、人事管理、生产管理、营销管理、科技管理、国际贸易管理，公共行政管理，等等。
《模糊数学》学习心得 姓名：李书纲 学号：200805050303 专业：信息与计算科学 老师；黄晓昆 地点：文鼎楼502
《模糊数学》学习心得 在大四的上学期，我们数学学院给我们开了黄晓昆老师的《模糊数学》这门课，这是继《近世代数基础》后黄老师给我们上的第二门比较抽象的课程。“模糊数学”这个词一听上去就很抽象，翻开课本是感觉更“模糊”。但在学习了半个学期后，对这门课程有了一定的了解，并学到了一部分知识，也积累了一点自己的学习心得体会。 先说说什么是“模糊数学”。模糊数学是相对于精确数学而言的，在较长时间里，精确数学及随机数学在描述自然界多种事物的运动规律中，获得显著效果。但在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远……。在人们的工作经验中，往往也有许多模糊的东西。例如，要确定一炉钢水是否已经炼好，除了要知道钢水的温度、成分比例和冶炼时间等精确信息外，还需要参考钢水颜色、沸腾情况等模糊信息。因此，为了研究这些与模糊概念相关的东西，“模糊数学”就产生了。 1965年，美国控制论专家、数学家查德发表了论文《模糊集合》，标志着模糊数学这门学科的诞生。模糊数学的研究内容主要有：第一，研究模糊数学的理论，以及它和精确数学、随机数学的关系。查德以精确数学集合论为基础，并考虑到对数学的集合概念进行修改和推广。他提出用“模糊集合”作为表现模糊事物的数学模型。并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复
东北大学 数学公共基础课教学大纲 课程名称：模糊数学 开课单位：理学院数学系 制订时间：2003 .7 修订时间：2004.7
《模糊数学》课程教学大纲
二、教学内容及基本要求 1.绪论 了解现实中的模糊性普遍存在性以及与传统数学的关系.模糊数学的基本概念、发展历史和特点. 理解模糊数学发展带动人工智能、控制理论等相关研究领域研究. 自学：集合基础知识. 2. 模糊集基本概念 了解模糊集理论的概念、要素和内容. 理解和掌握模糊子集及其运算、模糊集的基本定理等. 列举模糊集在信息科学、管理科学领域中的应用，描述形式、优点. 3. 模糊关系及模糊图 理解模糊关系及其运算、模糊关系性质. 了解模糊图论基础和模糊图的应用. 掌握模糊矩阵和关系图，λ截矩阵等概念. 重点为λ截矩阵和模糊关系合成. 在信息科学、管理科学中的应用分析. 4. 模糊性及其度量 了解模糊集合的模糊度等基本概念. 理解贴近度概念、模型。 重点要掌握海明距离、加权海明距离以及距离的其它形式. 5. 模糊模型识别 了解模糊模型识别的基本概念. 掌握模糊识别的最大隶属度原则. 重点为最大隶属度原则和择近原则运用. 6. 模糊综合评判 了解模糊综合评判决策方法. 掌握经典的综合评判决策方法. 模糊映射与模糊变换、模糊综合评判决策的数学模型.
三、教学安排及方式 总学时 24 学时，讲课 24 学时，实验学时。 四、课程教学的有关说明 本课程内外学时比例： 1:1 ；平均周学时： 2 ； 可对下述有关情况做出说明： 1、本课程自学内容及学时 自学：集合基础知识 2学时 2、课内习题课的安排及学时 3、利用现代化教学手段内容及演进 采用多媒体教学与传统教学相结合。 4、对学生能力培养的要求 学生通过该课程学习，了解模糊数学的基本概念、原理和基本方法，了解国际、国内模糊数学理论及应用的新进展，模糊数学与基础数学的关系。学会运用模糊思想和方法处理问题，掌握模糊数学应用特点以及专业知识的结合。
基于模糊数学的网络安全风险评估 模型 学院电信学院 专业计算机软件与理论 学号 姓名 日期2010年12月10日
基于模糊数学的网络安全风险评估模型 兰州交通大学电子与信息工程学院，兰州（730070） 摘要：针对计算机网络频繁遭受到攻击的情况，在分析网络安全的基础上，本论文将模糊数学的方法运用于网络安全风险评估中,综述了计算机网络安全以及网络信息安全评估标准和评价现状，探索了用模糊数学综合评价方法进行网络安全风险评估的应用途径。初步的实验结果表明，应用模糊数学分析网络的安全风险评估中，可以得到一种较为实际和准确的描述。 关键词:网络安全模糊综合评价风险评估模糊数学 Abstract：There are frequent attacks on computer network now. This paper proposes a new network security risk analysis method in which fuzzy mathematics is applied ,Overview of the computer network security, and network information security evaluation criteria and the evaluation of the current situation, explore a comprehensive evaluation method using fuzzy mathematics for network security risk assessment of the application. The preliminary experiment shows that this method can attain a more accurate description in analyzing network security status. Keywords: Network Security , Fuzzy Comprehensive Assessment ,Risk Assessment, Fuzzy Mathematics
模糊数学概述 任何事物都具有质和量两个侧面。在分析和解决问题时，我们既可以考察对象的性质、属性等质的方面，也可以对对象的数量关系与空间位置进行分析。数学就是研究现实世界中量的关系和空间形式的学科。 现实世界中，客观现象在质的表现上具有确定性和不确定性，而不确定性又分为随机性和模糊性。这种属性反映在量的方面，自然导致研究量的数学学科要按照如下三种划分来分别刻画客观现象： ????????模糊数学研究的领域—模糊性的量随机数学研究的领域 —随机性的量不确定性的量精确数学研究的领域—确定性的量量 因而，与精确数学和随机数学一样，模糊数学创立并发展为一门独立的数学学科，也是科学技术发展和社会实践需求的历史必然。 模糊数学是从量上来研究和处理模糊现象的一个数学分支，它以“模糊集合论”为基础。模糊数学提供了一种处理不肯定性和不精确性问题的新方法，是描述模糊信息的有力工具，其应用范围已遍及自然科学和社会科学的几乎所有的领域。 由于模糊性数学发展的主流在于它的应用，因此人们也常称之为“模糊系统理论”、“模糊集与系统理论”或“模糊理论”。 1．模糊数学的产生 现代数学是建立在集合论基础之上的。集合论的重要意义就在于它能将数学的抽象能力延伸到人类认识过程的深处：用集合来描述概念，用集合的关系和运算表达判断和推理，从而将一切现实的理论系统都纳入集合描述的数学框架中。毫无疑问，以经典集合论为基础的精确数学和随机数学在描述自然界多种客观现象的内在规律中，获得了显著的效果。 但是，和随机现象一样，在自然界和人们的日常生活中普遍存在着大量的模糊现象，如多云，阴天，小雨，大雨，贫困，温饱等。由于经典集合论只能把自己的表现力限制在那些有明确外延的现象和概念上，它要求元素对集合的隶属关系必须是明确的，决不能模棱两可，因而对于那些经典集合无法反映的外延不分明的概念，以前人们都是尽量回避它们。 然而，随着现代科技的发展，我们所面对的系统日益复杂，模糊性总是伴随着复杂性出现；此外人文、社会学科及其它“软科学”的数学化、定量化趋向，也把模糊性的数学处理问题推向中心地位；更重要的是，计算机科学、控制理论、系统科学的迅速发展，要求电脑要像人脑那样具备模糊逻辑思维和形象思维的功能。凡此种种，迫使人们再也无法回避模糊性，必须寻求途径去描述和处理客观现象中非清晰、非绝
《模糊数学及其应用》课程教学大纲 课程编号：09206 课程类别：学位课 学时：68 学分：3 适用学科（专业）：全院各专业 授课单位：理学院 一、课程的性质、目的与任务： 模糊数学及其应用工科院校控制理论与控制工程、应用数学、机械设计及其自动化、计算机技术、管理等学科的硕士研究生必修的技术基础课之一。通过本课程的学习，使学生对模糊数学的原理和思想方法有一个完整的认识。掌握应用模糊数学的原理分析和解题的基本技巧。了解模糊数学方法在各个领域的应用，特别是模糊信息技术与模糊控制。为理工科研究生在一定的数学基础上，应用模糊数学知识解决问题打下基础。 二、基本要求： 本课以课堂讲授为主，结合多媒体。适当补充一些模糊数学在实际中应用的实例，做到精讲多练，理论联系实际。在各章中均可安排一些内容引导学生自学，通过布置作业和讨论题，提高学生自己解决问题与分析问题的能力。同时，也可适当让学生自己来寻找一些实际问题，应用学过的知识来进行分析、综合、评判，以期达到更好的巩固、应用的目的。 (一) 模糊数学的基本理论和基本原理 1、模糊集合是处理模糊事物的新的数学概念，是模糊数学的基础。理解模糊集的定义、表示方法、模糊集的运算。了解模糊算子的定义及各种模糊算子，了解模糊集的模糊度定义。 2、理解模糊集截集的定义及性质，掌握模糊数学的基本原理：分解定理（联系普通集与模糊集的桥梁）、扩张原理、多元扩张原理。了解凸模糊集、区间数、模糊数及模糊数的运算。 (二) 模糊数学方法及其在各领域中的应用 1、理解模糊关系的概念及性质，深入理解在有限域的情况下，模糊关系可以用矩阵表示。理解模糊关系合成的定义及性质。理解掌握贴近度概念及最大隶属原则和择近原则。掌握模糊映射、模糊变换。 2、对于模糊数学方法的应用。重点掌握模糊模式识别、模糊聚类分析、模糊综合评判、模糊故障诊断，以及了解它们在不同领域的应用举例。 （三）模糊信息技术与模糊控制 掌握模糊语言，模糊推理模型及算法、重点掌握模糊控制的原理及简单应用，了解模糊辨识、模糊T-S模型、模糊自适应控制。 课程主要内容
《模糊数学》教学大纲 院系名称数学与应用数学系 制定人董媛媛 制定时间 2008年7月6日
《模糊数学》教学大纲 一、总则 1、课程代码： 2、课程名称：中文名称：模糊数学 英文名称：Fuzzy Mathematics 3、开课对象：数学与应用数学专业的本科生 4、课程性质：专业任选课 模糊数学诞生于1965年，40余年来，它的思想已广泛渗透到数学的许多分支，在科技、工程等领域显示出了强大的生命力，并在人文科学（经济、管理、社会等）领域里，也已获得了相当多的应用。本课程是数学系专业选修课，为数学系本科数学与应用数学专业四年级学生所选修。 5、教学目的和要求： 通过本门课程的学习： （1）了解和掌握模糊集合，模糊关系，模糊矩阵，模糊聚类与模糊变换等基本概念和基本理论；掌握模糊聚类分析，模糊模型识别，模糊决策的实际应用所运用的模糊数学方法；初步了解模糊规划及模糊控制理论，并运用上述有关理论和方法进行进一步的科学研究与实际应用； （2）掌握模糊数学有关方面的理论知识和处理模糊现象的基本思维方法； （3）培养学生的抽象概括问题、自我学习接受知识的能力及科学研究能力；同时培养学生综合运用所学知识分析并通过相关数学模型的建立与运用进而解决生活中实际问题的能力。（4）提高学生的素质，为部分考研学生的后继学习以及将来从事科学研究等工作奠定必要的数学基础。 6、教学内容： 本课程主要研究了利用用模糊数学的知识来解决实际问题的理论及其方法。主要内容有：模糊集合的基本概念、模糊聚类分析、模糊模型识别、模糊决策、模糊线性规划、模糊控制。 7、教学重点与难点： 重点：通过本课程的学习，掌握模糊数学的基本思想，基础理论，从而进一步了解模糊理论的基本应用，能够运用模糊理论解决生活中的实际问题。 难点：模糊数学的基本理论及如何正确运用这些理论知识来解决实际问题。 8、先修课程：
模糊神经网络（备课笔记） 预备知识 复杂的东西是难以精确化的，这使得人们所需要的精确性和问题的复杂性间形成了尖锐的矛盾。 正如模糊数学的创始人L.A.Zadeh(查德)教授（美国加利福尼亚大学）所说：“当系统的复杂性增加时，我们使它精确化的能力将减小。直到达到一个阈值，一旦超越它，复杂性和精确性将相互排斥。”这就是著名的“互克性原理”。 该原理告诉我们，复杂性越高，有意义的精确化能力就越低；而复杂性意味着因素众多，以致人们往往不可能同时考察所有因素，只能把研究对象适当简化或抽象成模型，即抓住其中的主要部分而忽略掉次要部分。当在一个被压缩了的低维因素空间考虑问题时，即使本来是明确的概念，也会变得模糊起来。或者某些抽象简化模型本身就带有概念的不清晰，如“光滑铰链”这个力学模型，什么叫“光滑”、什么叫“粗糙”就没有一个明确的定义，客观上两者之间没有绝对分明的界限；主观上，决策者对此类非程序化决策做出判断时，主要是根据他的经验、能力和直观感觉等模糊概念进行决策的。 或者判断一个人的好坏，本来有很多因素，比如人品、性格、相貌等，现在简化改成一个综合评价：好、坏、一般等，都是根据个人爱好或者个人经验等模糊概念进行判断的。 在科学发展的今天，尤其在工程研究和设计领域中，这些模糊性问题就无法回避了，要求对数据进行定量分析，那如何对其进行定量分析呢？ 1965年，Zadeh教授发表一篇论文“模糊集合”（Fuzzy sets），所谓模糊集合就是指边界不清的集合。提出用“隶属函数”（menbership function）这一概念来描述现象差异中的中间过渡，突破了德国人Cantor创立的古典集合论中属于或不属于的绝对关系，标志着模糊数学的诞生。Zadeh认为应该重新把模糊性和精确性统一在一起，因为在现实生活中复杂事物要绝对精确是不可能的，实际上只是把所谓的不准确程度降低到了无关重要的程度。他这篇论文第一次引人注目地提出了模糊性问题，给出了模糊概念的定量表示法，标志着模糊数学的诞生。模糊数学是使模糊现象定量化的应用数学分支学科。由于它突破了传统数学绝不允许模棱两可的约束，使那些与数学毫不相关的学科都可能用定量化和数学化加以描述和处理，从而显示其强大的生命力。 在模糊评价中，最基本和使用最多的是隶属度和隶属函数。隶属度表示元素u属于模糊集合U的程度；也就是对模糊集合的判断是用元素对此集合的从属程度大小来表达的。 模糊系统 模糊逻辑控制系统，简称模糊控制系统或模糊系统，是一种基于模糊数学理论的新型控制方法。 模糊控制由于模仿人对复杂事物的抽象思维方式，利用模糊信息处理对被控对象执行控制。所以，它不需要知道系统的精确数学模型。对不确定的非线性的系统来说是一种有效的控制途径。但是，模糊控制对信息的简单模糊化导致系统的控制精度下降。为了提高精度，往往要在模糊化时增加模糊量的个数，或者，增大控制规则集。这样会使控制规则搜索范围的扩大、搜索时间增加、降低了决策的速度，则影响了动态过程的品质。因此，隶属函数和控制规则的优化是提高品质的关键，在本质上，是对模糊控制中的知识进行正确性校正。
第四讲 模糊数学模型（Fuzzy ） 过份的精确反而模糊；适当的模糊反而精确。 起源：1965年 L.A.Zadeh 在杂志“ Information and Control ”上发表著名论文，首先提出模糊集合的概念，标志着模糊理论的产生。 一、模糊综合评判法 （一）模糊集合： 1、X 上的模糊集合A ，由()A U x 表示的隶属函数的集合。 ()A U x 表示X 隶属集合A 的程度，()A U x 越接近1 ，表示X 属于A 的程度越大。 当()A U x =1时，X 肯定属于A ； 当()A U x =0时，X 肯定不属于A ； 2、若X 为离散空间，则X 可以表示为：{}12,, ,n X x x x =,则模糊集合A 可以表示为： {}1122(,()),(,()),,(,())A A n A n A x U x x U x x U x =。 {}:1,2, ,9Eg X =,A=“大体上与5接近的数”， 模糊集合A 可以表示为A ={（1，0），（2，0），（3，0.4），（4，0.8）,(5,1),(6,0.8),(7,0.4),(8,0),(9,0)}。 3、若X 为连续空间，则X 可以表示为：{},,X x x R R =∈为某连续区域，模糊集合 {}(,()),A A x U x x R =∈。 Eg:若建立年轻人的隶属函数，可以根据统计资料，作出年轻人的隶属函数的大致曲线，发现与柯西分布接近。 21 ()()1 1()11 (30)0.3 1 3.51(3025)10 A A x a U x P x x a x a U βαβα≤?? ==?>?+-?===+-1 取a=25,=2,＝ 10 不合理
第四章：模糊数学理论基础。主要是对本文所需要的模糊数学的知识进行了介绍。首先对模糊集的诞生和发展的历史背景、目的和意义进行了论述；接着给模糊集的定义及其表示方法；紧接着介绍了模糊集的隶属函数的定义及确定隶属函数的方法；最后引入了目前比较热门的概念模糊熵及其性质。对这些知识的了解，将有助于我们自觉地或不自觉地应用到图像处理中去。 第四章模糊数学理论基础 传统的信息处理方法建立在概率假设和二态假设(Probality Assumption ＆Binary—State Assumption)的基础上。概率假设使传统的数学应用范围从确定性现象扩展到随机现象，二态假设对应了人类的精确思维方式。但自然界客观存在的事物除了可以精确表示之外，还存在着大量的模糊现象，如“年轻人”、“高个子”等，究竟多大年龄之间算“年轻”，多高个子为“高个子”，这是人们观念中的模糊的概念，模糊(Fuzzy)概念由此产生。模糊性也就是生活中的不确定性。实际上客观事物的不确定性除了随机性外，模糊性也是一种不确定性。所谓模糊性是指事物的性质或类属的不分明性，其根源是事物之间存在过渡性的事物或状态，使它们之间没有明确的分界线。 在自然科学中，人们长久以来习惯于追求精确性，总希望把事物以数学方式描述出来，然而，面对模糊现象，传统的数学方法遇到了实质性的困难。但对于人的大脑而言，它具有很高的模糊划分、模糊判断和模糊推理的能力，而且人们为了表达和传递知识所采用的自然语言中已巧妙地渗透了模糊性，并能用最少的词汇表达尽可能多的信息。但是，对于计算机来说，无论它怎样发展，总无法达到人脑的境界，所以，用计算机来处理模糊信息，就需要一种能够将模糊语言形式化的工具，用数学的方式处理这种模糊性。 L．A．Zade提出的模糊集概念将一般的集合以隶属函数的概念推广到模糊集。为模糊数学的发展与成熟奠定了深厚的基础。模糊集理论的出现引起了数学
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，X =(X i,X2,…Xn)； ②确定评语等级论域 设A=(W I,W2, ...W n)，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X i(i=1,2,……,n)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(RX i)，进而 (RX i)丨工1 r i2 ...川 (R X2) r21r22 (2) 得到模糊关系矩阵R= 2= 21 22，其中，第i行第j列元素， (R X n) Jm r n2 …需_nm 表示某个被评事物X i从因素来看对W j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：U =(4氏，..山)。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:
其中，bi 表示被评事物从整体上看对 Wj 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。 U 、； R =(U i ,U 2, ...U n ) r i1 r i2 ... r im =(Dd …b m )二 B nm r 21 r 22 r nm
模糊层次分析法基本理论基础 FAHP及计算过程层次分析法(AHP)是20世纪70年代美国运筹学家T.L.Saaty教授提出的一种定性与定量相结合的系统分析方法，该方法对于量化评价指标，选择最优方案提供了依据，并得到了广泛的应用。然而，AHP存在如下方面的缺陷：检验判断矩阵是否一致非常困难，且检验判断矩阵是否具有一致性的标准CR<0.1缺乏科学依据;判断矩阵的一致性与人类思维的一致性有显著差异。 为此，结合模糊数学理论，首先介绍了模糊层次分析法(Fuzzy-AHP)FAHP，然后用FAHP对公共场所安全性指标权重进行了处理。 1.1模糊一致矩阵及有关概念 1.1.1定义1.1 设矩阵R=(rij)n×n，若满足:0≤(rij)≤1，(i=1，2，……n，j=1，2，……n)，则称R为模糊矩阵 1.1.2定义1.2 若模糊矩阵R=(rij)n×n，若满足:Πi，j，k有rij=rik-rij+0.5，则称模糊矩阵R为模糊一致矩阵。 1.1.3定理1.1 设模糊矩阵R=(rij)n×n是模糊一致矩阵，则有 (1)Πi(i=1，2，…n)，则rij=0.5; (2)Πi，j(i=1，2，…n，j=1，2，…n)，有rij+rji=1;
(3)R的第i行和第i列元素之和为n; (4)从R中划掉任一行及其对应列所得的矩阵仍然是模糊一致矩阵; (5)R满足中分传递性，即当λ≥0.5时，若rij≥λ，rjk≥λ，则rij≥λ;当λ≤0.5时，若rij≤λ，rjk≤λ，则rij≤λ。(证明见文献1)。 1.1.4定理1.2 模糊矩阵R=(rij)n×n是模糊一致矩阵的充要条件是任意指定行和其余各行对应元素之差是一个常数。 1.1.5定理1.3 如果对模糊互补矩阵F=(fij)n×n按行求和，记为ri=6nk=1fik(i=1，2，…，n)，并施之如下数学变换:rij=ri-rj2m+0.5(1)，则由此建立的矩阵是模糊一致的。 1.2模糊一致判断矩阵的建立 模糊一致判断矩阵的建立R表是针对上一层某元素，本层次与之有关元素之间相对重要性的比较，假定上一层次元素T同下一层次元素a1，a2，…，an有关系，则模糊一致判断矩阵可表示为: rij的实际意义是:元素ai和元素aj相对于元素T进行比较时，ai
绪言 任何新生事物的产生和发展，都要经过一个由弱到强,逐步成长壮大的过程，一种新理论、一种新学科的问世，往往一开始会受到许多人的怀疑甚至否定。模糊数学自1965年L.A.Zadeh教授开创以来所走过的道路，充分证实了这一点，然而，实践是检验真理的标准，模糊数学在理论和实际应用两方面同时取得的巨大成果，不仅消除了人们的疑虑，而且使模糊数学在科学领域中，占有了自己的一席之地。 经典数学是适应力学、天文、物理、化学这类学科的需要而发展起来的，不可能不带有这些学科固有的局限性。这些学科考察的对象，都是无生命的机械系统，大都是界限分明的清晰事物，允许人们作出非此即彼的判断，进行精确的测量，因而适于用精确方法描述和处理。而那些难以用经典数学实现定量化的学科，特别是有关生命现象、社会现象的学科，研究的对象大多是没有明确界限的模糊事物，不允许作出非此即彼的断言，不能进行精确的测量。清晰事物的有关参量可以精确测定，能够建立起精确的数学模型。模糊事物无法获得必要的精确数据，不能按精确方法建立数学模型。实践证明，对于不同质的矛盾，只有用不同质的方法才能解决。传统方法用于力学系统高度有效，但用于对人类行为起重要作用的系统，就显得太精确了，以致于很难达到甚至无法达到。 精确方法的逻辑基础是传统的二值逻辑，即要求符合非此即彼的排中律，这对于处理清晰事物是适用的。但用于处理模糊性事物时，就会产生逻辑悖论。如判断企业经济效益的好坏时，用“年利税在100万元以上者为经济效益好的企业”表达，否则，便是经济效益不好的企业。根据常识，显而易见：“比经济效益好的企业年利税少1元的企业，仍是经济效益好的企业”，而不应被划为经济效益不好的企业。这样，从上面的两个结论出发，反复运用经典的二值逻辑，我们最后就会得到，“年利税为0者仍为经济效益好的企业”的悖论。类似的悖论有许多，历史上最著名的有“罗素悖论”。它们都是在用二值逻辑来处理模糊性事物时产生的。 客观实际中存在众多的模糊性事物和现象，促使人们寻求建立一种适于描述模糊事物和现象的逻辑模式。模糊集合理论便是在这种形势下应运而生的。模糊方法的逻辑基础是连续值逻辑，它是建立在[0，1]上的。如若我们把年利税在100万元以上者的属于“经济效益好”的企业的隶属度规定为1，那末，相比之下，年利税少1元的企业，属于“经济效益好”的企业的隶属度就应相应减少一