模糊综合评价法的例题计算方法

3.3.1 模糊综合评价计算取评价等级集={优,良,中,差}=1234,,,a a a a ，我们采用多层次模糊评价模型，该模型起到了层次得细分代替因数（或权重）细分的作用[9]。

设以x 表示某一评价单因素的得分，则x 对于A 的隶属度关系可以由下式计算：()11,90,80,8090,;100,80a x x x x x μ≥⎧⎪-⎪=≤<⎨⎪<⎪⎩ ()290,8090,1070,7080,;100,70a x x x x x x μ-⎧≤<⎪-⎪-⎪=≤<⎨⎪<⎪⎪⎩()380,7080,1060,6070,;.100,60a x x x x x x μ-⎧≤<⎪-⎪-⎪=≤<⎨⎪<⎪⎪⎩()470,6070,101,60a x x x x μ-⎧≤<⎪=-⎨⎪<⎩. 于是有单因素评价矩阵i R ,（1,2,3i =），因此，得到i V （1,2,3i =）的评价结果：()1234,,,i i i i i i i B A R b b b b =⋅=，（1,2,3i =）。

其中1V 为有关科技开发能力的评价因素集；2V 为有关科技成果转化能力的评价因素集；3V 为有关科技成果转化直接效果的评价因素集。

i A 为i V 的诸因素权重分配矩阵（1,2,3i =）。

总的评价矩阵为()12343ij B R B b B ⨯⎡⎤⎢⎥==⎢⎥⎢⎥⎣⎦。

因此，科技成果转化的综合评价结果为：'B A R =⋅，其运算过程如图3.1。

图3.1 科技成果转化的综合评价各指标的权重确定，要依据实际情况，兼顾国内外各评价指标的数据范围。

在实际操作中，可采用专家咨询或数理统计等方法确定。

科技成果转化的综合评价方法是一种定性与定量结合的分析方法，是一种“定性－定量－定性”的评价过程。

根据以上综合评价的方法，按照本文建立的科技成果转化评价指标体系，对某地区的科技成果转化情况自上而下，对指标集中的各项指标进行评分计算得：{85，75，85，80，85，60，70，80，70，65，60，80，70，60，70,75}，于是有关科技开发能力1V 的评判矩阵为：0.50.50000.50.500.50.50001000.50.5000001R ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦因此，得到关于科技开发能力1V 的评价结果：111B A R =⋅＝[0.19 0.42 0.07 0.16 0.07 0.09]0.50.50000.50.500.50.50001000.50.5000001⎡⎤⎢⎥⎢⎥⎢⎥⋅⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦＝[0.1650.535 0.210 0.900]。

模糊综合评价案例计算分析(总7页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--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”。

模糊综合评价法的例题计算方法模糊综合评价法是一种常用的决策分析方法，主要用于对多个因素进行综合评价。

在实际应用中，模糊综合评价法可以被广泛应用于各种领域，如经济、环境、管理等。

下面通过一个例题来介绍模糊综合评价法的计算方法。

假设某公司需要对10家供应商进行综合评价，评价因素包括价格、交货期、质量、服务等四个方面。

评价等级分为优秀、良好、一般、差。

通过问卷调查和实地考察，得到了如下评价数据：评价因素 | 供应商1 | 供应商2 | 供应商3 | …… | 供应商10 --------|--------|--------|--------|--------|--------价格 | 优秀 | 良好 | 一般 | …… | 差交货期 | 良好 | 一般 | 差 | …… | 优秀质量 | 一般 | 差 | 优秀 | …… | 良好服务 | 差 | 优秀 | 良好 | …… | 一般首先，需要将评价因素转化为数值，以便进行计算。

这里可以使用三角隶属函数，将每个等级的数值表示为一个隶属度区间。

例如，对于价格因素，可以设定隶属度如下：优秀：[0,0,5,10]良好：[0,5,7.5]一般：[5,7.5,10]差：[7.5,10,10,10]接下来，计算每个供应商在每个评价因素上的隶属度。

以供应商1为例，其在价格上的隶属度可以计算为：优秀：(10-0)/(10-5) = 2良好：(5-0)/(7.5-5) = 2一般：(0-5)/(10-5) = -1差：(0-7.5)/(10-7.5) = -2同样地，可以计算出该供应商在其他评价因素上的隶属度。

最后，将各个评价因素的隶属度加权求和，得到该供应商的综合评价得分。

例如，可以设定价格因素的权重为0.4，交货期为0.3，质量为0.2，服务为0.1，则供应商1的综合评价得分可以计算为：综合评价得分 = 0.4×2 + 0.3×2 + 0.2×(-1) + 0.1×(-2) = 0.5同样地，可以计算出其他供应商的综合评价得分。

模糊综合评价法模糊算子excel公式
模糊综合评价法是一种基于模糊集理论的评价方法，用于处理评
价问题中的不确定性与模糊性。

其中，模糊算子是用于计算模糊关系、模糊相似度和模糊逻辑运算的数学公式。

在Excel中，可以使用以下中文公式表示模糊算子：
1. 模糊相似度计算：
- 余弦相似度公式：=(∑(A*B))/(√(∑(A^2))*√(∑(B^2)))
- 欧式距离公式：=√(∑((A-B)^2))
- 杰卡德相似系数公式：=∑(min(A, B))/∑(max(A,B))
2. 模糊关系计算：
- 最小值法：=min(A, B)
- 最大值法：=max(A, B)
- 相乘法：=A*B
- 相加法：=A+B-A*B
3. 模糊逻辑运算：
- 模糊与运算：=min(A, B)
- 模糊或运算：=max(A, B)
- 模糊非运算：=1-A
其中，A和B分别表示模糊集合中的元素值。

这些公式可以在Excel中直接使用，以计算模糊相似度、模糊关
系和模糊逻辑运算的结果。

通过这些公式，可以准确地处理评价问题
中的模糊性和不确定性，并得出相应的评价结果。

模糊综合评价法例题以选择一款智能手表为例，假设有以下几个指标和权重：指标1：电池续航力（权重0.3）。

指标2：刘海屏幕大小（权重0.2）。

指标3：系统处理速度（权重0.2）。

指标4：尺寸适宜性（权重0.15）。

指标5：价格（权重0.15）。

下面是4款手表的评价得分，得分越高表示越好：手表A：电池续航力80分，刘海屏幕大小60分，系统处理速度75分，尺寸适宜性85分，价格70分。

手表B：电池续航力90分，刘海屏幕大小65分，系统处理速度70分，尺寸适宜性80分，价格75分。

手表C：电池续航力85分，刘海屏幕大小70分，系统处理速度80分，尺寸适宜性85分，价格80分。

手表D：电池续航力60分，刘海屏幕大小75分，系统处理速度75分，尺寸适宜性70分，价格90分。

首先需要标准化每个指标的得分，将评分范围调整为0~1之间：手表A：电池续航力0.64，刘海屏幕大小0.4，系统处理速度0.58，尺寸适宜性1，价格0.33。

手表B：电池续航力0.86，刘海屏幕大小0.5，系统处理速度0.35，尺寸适宜性0.8，价格0.5。

手表C：电池续航力0.75，刘海屏幕大小0.6，系统处理速度0.65，尺寸适宜性1，价格0.67。

手表D：电池续航力0，刘海屏幕大小0.8，系统处理速度0.58，尺寸适宜性0.6，价格1。

然后计算加权得分，即每个指标得分乘以对应权重的得分，最后求和即得到模糊综合评价的得分：手表A：0.64*0.3+0.4*0.2+0.58*0.2+1*0.15+0.33*0.15=0.514。

手表B：0.86*0.3+0.5*0.2+0.35*0.2+0.8*0.15+0.5*0.15=0.557。

手表C：0.75*0.3+0.6*0.2+0.65*0.2+1*0.15+0.67*0.15=0.628。

手表D：0*0.3+0.8*0.2+0.58*0.2+0.6*0.15+1*0.15=0.461。

因此综合评价得分最高的手表是手表C，其次是手表B、A和D。

关于模糊综合评价的矩阵算法：1、按模糊矩阵运算（培训教材课堂上的例题）：a、权重系数会事先给出，由此会得出集合A = [ 0.2, 0.2, 0.2, 0.4 ]b、指标集和评价集按下式列出，代入数据表示成集合R评价集V1 V2 V3 V4 V5指 U10 0.1 0.2 0.3 0.4标 U2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集 U3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0C、综合评价集合的计算B=A·R即用集合A中第一个数和集合R中的沿第一列方向的第一个数模糊相乘(0.2︿0)，然后再模糊相加（﹀）集合A中第二个数和集合R中的沿第一列方向的第二个数模糊相乘(0.2︿0.1)，依次类推得到下式(0.2︿0)﹀(0.2︿0.1) ﹀(0.2︿0) ﹀(0.4︿0)按相乘取小，相加取大得出= 0 ﹀ 0.1﹀ 0 ﹀ 0 = 0.1然后再用集合A中第一个数和集合R中的沿第二列方向的第一个数模糊相乘(0.2︿0.1)，然后再模糊相加（﹀）集合A中第二个数和集合R中的沿第二列方向的第二个数模糊相乘(0.2︿0.1)，依次类推得到下列各算式，按相乘取小，相加取大得出各数值(0.2︿0.1)﹀(0.2︿0.1)﹀(0.2︿0.1)﹀(0.4︿0.2)= 0.2(0.2︿0.2)﹀(0.2︿0.4)﹀(0.2︿0.2)﹀(0.4︿0.5)= 0.4(0.2︿0.3)﹀(0.2︿0.2)﹀(0.2︿0.6)﹀(0.4︿0.3)= 0.3(0.2︿0.4)﹀(0.2︿0.2)﹀(0.2︿0.1)﹀(0.4︿0)= 0.2即A·R = [ 0.1, 0.2, 0.4, 0.3, 0.2 ]归一化：[0.1/1.2, 0.2/1.2, 0.4/1.2, 0.3/1.2, 0.2/1.2]= [ 0.083, 0.167，0.333，0.250，0.167 ]2、按经典矩阵运算（新第二版教材上的例题）：a、权重系数会事先给出，由此会得出集合A = [ 0.2, 0.2, 0.2, 0.4 ]b、指标集和评价集按下式列出，代入数据表示成集合R评价集V1 V2 V3 V4 V5指 U10 0.1 0.2 0.3 0.4标 U2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集 U3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0C、综合评价集合的计算B=A·R即用集合A中第一个数和集合R中的沿第一列方向的第一个数相乘0.2×0，然后再相加（＋）集合A中第二个数和集合R中的沿第一列方向的第二个数相乘0.2×0.1，依次类推得到下式（0.2×0）＋（0.2×0.1）＋（0.2×0 ）＋（0.4×0）=0.02然后再用集合A中第一个数和集合R中的沿第二列方向的第一个数相乘0.2×0.1，然后再相加（＋）集合A中第二个数和集合R中的沿第二列方向的第二个数相乘0.2×0.1，依次类推得到下列各算式及值（0.2×0.1)＋(0.2×0.1)＋(0.2×0.1)＋(0.4×0.2)= 0.14(0.2×0.2)＋(0.2×0.4)＋(0.2×0.2)＋(0.4×0.5)= 0.36(0.2×0.3)＋(0.2×0.2)＋(0.2×0.6)＋(0.4×0.3)= 0.34(0.2×0.4)＋(0.2×0.2)＋(0.2×0.1)＋(0.4×0)= 0.14即A·R = [ 0.02, 0.14, 0.36，0.34, 0.14]（因0.02＋0.14＋0.36＋0.34＋0.14=1，无需再归一化）3、考试时采用模糊矩阵运算，因教材上给出的全是模糊矩阵运算公式，而此节讲的又是模糊理论方法，理应采用模糊矩阵运算，但不知为啥教材上用经典矩阵计算。

模糊综合评价法举例企业进行年度绩效评价时，需要综合考虑多个指标，包括销售额、利润率、市场份额等。

为了进行绩效评价，需要将这些指标进行量化，按照一定的评价标准进行评分。

首先，我们需要确定多个评价指标的权重。

假设销售额的权重为0.4，利润率的权重为0.3，市场份额的权重为0.3、权重的确定可以根据不同的评价对象和评价目标进行调整。

接下来，我们需要将每个指标的实际值进行归一化处理，将其转化为[0,1]之间的数值。

假设销售额的最小值为1000万，最大值为2000万；利润率的最小值为10%，最大值为20%；市场份额的最小值为5%，最大值为15%。

通过将每个指标的实际值减去最小值，然后除以最大值减去最小值，得到归一化后的值。

例如，企业的销售额为1500万元，利润率为15%，市场份额为10%，那么归一化后的销售额值为(1500-1000)/(2000-1000)=0.5，归一化后的利润率值为(15-10)/(20-10)=0.5，归一化后的市场份额值为(10-5)/(15-5)=0.5接下来，我们需要确定模糊综合评价的判断矩阵。

判断矩阵是一个n×n的矩阵，其中n是指标的个数。

假设我们有3个指标，判断矩阵如下：归一化指标1归一化指标2归一化指标3归一化指标110.70.4归一化指标20.310.6归一化指标30.60.81判断矩阵的元素表示对应指标之间的重要程度比较，数值越大表示权重越高。

然后，我们需要确定评价等级。

评价等级一般根据实际情况确定，可以是五级评价（优秀、良好、合格、差、很差）等。

最后，我们需要计算模糊矩阵。

模糊矩阵是一个n×r的矩阵，其中n是指标的个数，r是评价等级的个数。

模糊矩阵的元素表示对应指标在不同评价等级下的隶属度。

我们可以根据实际情况给出每个指标在各个评价等级下的隶属度。

例如，企业的销售额在不同评价等级下的隶属度如下：优秀良好合格差很差0.10.40.50.30.1利润率在不同评价等级下的隶属度如下：优秀良好合格差很差0.20.60.40.30.1市场份额在不同评价等级下的隶属度如下：优秀良好合格差很差0.30.70.60.20.1根据判断矩阵和模糊矩阵，我们可以通过计算得出企业的综合评价结果。

多级模糊综合评价法例题多级模糊综合评价法（Multi-level Fuzzy Comprehensive Evaluation Method）是一种常用于进行综合评价的方法。

在这种方法中，我们基于模糊集理论，将评价对象的各个指标进行模糊化处理，并通过一系列的运算和权重分配，得出最终的评价结果。

本文将通过一个例题来介绍多级模糊综合评价法的具体应用过程。

假设我们需要对某家公司的项目进行综合评价。

该项目的评价指标包括：投资金额、项目规模、运营成本、市场竞争力等。

第一步，我们首先对评价指标进行模糊化处理。

以“投资金额”指标为例，我们可以将其划分为“低投资”、“中等投资”和“高投资”三个模糊集合。

- 低投资：感觉投资较小- 中等投资：感觉投资适中- 高投资：感觉投资较大对于其他指标，也可以根据具体情况进行类似的模糊化处理。

第二步，我们需要确定各个评价指标之间的权重。

权重表示了不同评价指标对最终评价结果的重要程度。

一种确定权重的方法是利用专家问卷调查等方式进行主观评价，另一种方法是利用经验和历史数据进行客观评价。

在本例中，我们假设已经获得了评价指标的权重如下：- 投资金额：0.3- 项目规模：0.2- 运营成本：0.25- 市场竞争力：0.25第三步，我们将各个指标的模糊集合进行运算。

对于每个评价指标，我们需要确定各个模糊集合的隶属度。

以“投资金额”指标为例，我们可以通过一定的算法（如三角隶属度函数）来计算模糊集合的隶属度。

- 低投资：隶属度为0.4- 中等投资：隶属度为0.6- 高投资：隶属度为0.8对于其他指标，也可以利用类似的方法计算出各个模糊集合的隶属度。

第四步，我们通过隶属度的加权平均值来计算出各个评价指标的综合评价值。

以“投资金额”指标为例，计算公式为：综合评价值 = 低投资 * 0.4 + 中等投资 * 0.6 + 高投资 * 0.8。

利用类似的计算公式，我们可以得到其他评价指标的综合评价值。

关于模糊综合评价的矩阵算法：1、按模糊矩阵运算（培训教材课堂上的例题）：a、权重系数会事先给出，由此会得出集合A = [ 0.2, 0.2, 0.2, 0.4 ]b、指标集和评价集按下式列出，代入数据表示成集合R评价集V1V2V3V4V5指U10 0.1 0.2 0.3 0.4标U2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集U3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0C、综合评价集合的计算B=A·R即用集合A中第一个数和集合R中的沿第一列方向的第一个数模糊相乘(0.2︿0)，然后再模糊相加（﹀）集合A中第二个数和集合R中的沿第一列方向的第二个数模糊相乘(0.2︿0.1)，依次类推得到下式(0.2︿0)﹀(0.2︿0.1) ﹀(0.2︿0) ﹀(0.4︿0)按相乘取小，相加取大得出= 0 ﹀0.1﹀0 ﹀0 = 0.1然后再用集合A中第一个数和集合R中的沿第二列方向的第一个数模糊相乘(0.2︿0.1)，然后再模糊相加（﹀）集合A中第二个数和集合R中的沿第二列方向的第二个数模糊相乘(0.2︿0.1)，依次类推得到下列各算式，按相乘取小，相加取大得出各数值(0.2︿0.1)﹀(0.2︿0.1)﹀(0.2︿0.1)﹀(0.4︿0.2)= 0.2(0.2︿0.2)﹀(0.2︿0.4)﹀(0.2︿0.2)﹀(0.4︿0.5)= 0.4(0.2︿0.3)﹀(0.2︿0.2)﹀(0.2︿0.6)﹀(0.4︿0.3)= 0.3(0.2︿0.4)﹀(0.2︿0.2)﹀(0.2︿0.1)﹀(0.4︿0)= 0.2即A·R = [ 0.1, 0.2, 0.4, 0.3, 0.2 ]归一化：[0.1/1.2, 0.2/1.2, 0.4/1.2, 0.3/1.2, 0.2/1.2]= [ 0.083, 0.167，0.333，0.250，0.167 ]2、按经典矩阵运算（新第二版教材上的例题）：a、权重系数会事先给出，由此会得出集合A = [ 0.2, 0.2, 0.2, 0.4 ]b、指标集和评价集按下式列出，代入数据表示成集合R评价集V1V2V3V4V5指U10 0.1 0.2 0.3 0.4标U2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集U3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0C、综合评价集合的计算B=A·R即用集合A中第一个数和集合R中的沿第一列方向的第一个数相乘0.2×0，然后再相加（＋）集合A 中第二个数和集合R中的沿第一列方向的第二个数相乘0.2×0.1，依次类推得到下式（0.2×0）＋（0.2×0.1）＋（0.2×0 ）＋（0.4×0）=0.02然后再用集合A中第一个数和集合R中的沿第二列方向的第一个数相乘0.2×0.1，然后再相加（＋）集合A中第二个数和集合R中的沿第二列方向的第二个数相乘0.2×0.1，依次类推得到下列各算式及值（0.2×0.1)＋(0.2×0.1)＋(0.2×0.1)＋(0.4×0.2)= 0.14(0.2×0.2)＋(0.2×0.4)＋(0.2×0.2)＋(0.4×0.5)= 0.36(0.2×0.3)＋(0.2×0.2)＋(0.2×0.6)＋(0.4×0.3)= 0.34(0.2×0.4)＋(0.2×0.2)＋(0.2×0.1)＋(0.4×0)= 0.14即A·R = [ 0.02, 0.14, 0.36，0.34, 0.14]（因0.02＋0.14＋0.36＋0.34＋0.14=1，无需再归一化）3、考试时采用模糊矩阵运算，因教材上给出的全是模糊矩阵运算公式，而此节讲的又是模糊理论方法，理应采用模糊矩阵运算，但不知为啥教材上用经典矩阵计算。

多级模糊综合评价法例题以下是一个使用多级模糊综合评价法的例题：假设某公司要对员工进行绩效评价，根据员工的能力水平和工作表现，给出以下指标：1. 能力水平：A, B, C, D, E，5个等级，A代表能力非常高，E 代表能力较低。

2. 工作表现：1, 2, 3, 4, 5，5个等级，1代表出色，5代表不合格。

给出以下员工的评价数据：员工A：能力水平B，工作表现2员工B：能力水平C，工作表现4员工C：能力水平A，工作表现1员工D：能力水平D，工作表现3现在需要对这些员工的综合绩效进行评价。

首先，对于能力水平指标，定义模糊集合：A：能力非常高（0, 0, 0.2, 0.4, 0.7）B：较高能力（0, 0.2, 0.4, 0.6, 0.8）C：一般能力（0, 0.4, 0.6, 0.8, 1）D：较低能力（0.2, 0.6, 0.8, 1, 1）E：能力较低（0.4, 0.7, 0.8, 1, 1）对于工作表现指标，定义模糊集合：1：出色（0, 0, 0.2, 0.4, 0.7）2：良好（0, 0.2, 0.4, 0.6, 0.8）3：一般（0, 0.4, 0.6, 0.8, 1）4：较差（0.2, 0.6, 0.8, 1, 1）5：不合格（0.4, 0.7, 0.8, 1, 1）然后，对于每个员工，根据其能力水平和工作表现指标，求出其对应的隶属度。

员工A的绶效评价：能力水平B：较高能力（0, 0.2, 0.4, 0.6, 0.8）工作表现2：良好（0, 0.2, 0.4, 0.6, 0.8）综合隶属度表格：A B C D E能力水平B 0.2 0.8 0.4 0 0工作表现2 0 0.8 0 0 0综合评价的隶属度为：A：0.2, B：0.8, C：0.4, D：0, E：0员工B的绶效评价：能力水平C：一般能力（0, 0.4, 0.6, 0.8, 1）工作表现4：较差（0.2, 0.6, 0.8, 1, 1）综合隶属度表格：A B C D E能力水平C 0 0 0.6 0.2 0工作表现4 0 0 0 0.6 0综合评价的隶属度为：A：0, B：0, C：0.6, D：0.6, E：0员工C的绶效评价：能力水平A：能力非常高（0, 0, 0.2, 0.4, 0.7）工作表现1：出色（0, 0, 0.2, 0.4, 0.7）综合隶属度表格：A B C D E能力水平A 0.7 0 0 0 0工作表现1 0 0 0 0 0综合评价的隶属度为：A：0.7, B：0, C：0, D：0, E：0员工D的绶效评价：能力水平D：较低能力（0.2, 0.6, 0.8, 1, 1）工作表现3：一般（0, 0.4, 0.6, 0.8, 1）综合隶属度表格：A B C D E能力水平D 0 0 0 0.8 0.2工作表现3 0 0 0.6 0 0综合评价的隶属度为：A：0, B：0, C：0.6, D：0.8, E：0.2根据综合评价的隶属度，可以得出每个员工的绩效评价：员工A：B员工B：D员工C：A员工D：D根据综合评价的隶属度，员工A的能力水平评价最高，为B 级；员工B的能力水平评价最低，为D级；员工C的能力水平评价最高，为A级；员工D的能力水平评价为D级。

模糊综合评价例题模糊综合评价是一种综合性的评价方法，用于评价一个对象的多个方面或因素，且对各个方面或因素的权重和评价标准的确定有一定的模糊性。

在实际应用中，常常用于评价复杂的社会、经济和自然系统等。

一种常见的模糊综合评价方法是模糊综合评价模型。

该模型主要包括模糊矩阵、权值计算、规范化处理和综合评价四个步骤。

首先，构建模糊矩阵。

模糊矩阵用于描述具有模糊性的评价信息，其中元素值表示对象在某个因素上的评价等级。

矩阵的行表示不同的因素，列表示不同的评价等级。

在构建模糊矩阵时，可以采用问卷调查、专家评价或历史数据等方法获取评价信息。

其次，计算权值。

权值是指不同因素在综合评价中所占的比重。

权值的计算可以采用主成分分析、层次分析法、模糊综合评价法等方法。

主成分分析是一种常用的降维技术，通过线性变换将原始变量转化为若干个不相关的主成分，并根据其解释方差比例确定权值。

然后，进行规范化处理。

规范化处理是指将模糊矩阵的元素值映射到[0,1]的范围内，使其具有可比性。

常见的规范化方法有最大-最小规范化、z-score规范化等。

最后，进行综合评价。

综合评价是基于模糊矩阵和权值计算结果，通过综合运算得到一个综合评价的结果。

常见的综合运算方法有加权平均法、加权几何平均法、模糊综合评价法等。

除了上述模糊综合评价模型，还有一些其他常用的方法。

例如，层次分析法结合模糊综合评价法可以用于处理多级评价指标的情况。

模糊TOPSIS方法可以用于解决模糊多目标决策问题，该方法通过计算对象与最佳和最差方案之间的接近程度，确定最优方案。

在实际应用中，模糊综合评价方法具有广泛的应用领域。

比如，在企业管理中，可以用于评价供应商、评估产品质量等；在环境评价中，可以用于评价环境影响、评估生态系统健康等；在城市规划中，可以用于评价城市发展水平、评估城市综合竞争力等。

总之，模糊综合评价是一种有效的评价方法，可以用于处理评价对象具有模糊性的情况。

通过合理的模糊综合评价模型和方法，在实际应用中可以得到准确、全面的评价结果，为决策提供科学依据。

模糊综合评价法举例例：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2所示：表2物流中心选址的三级模型一级指标二级指标三级指标气象条件U li （0.25）地质条件U12 （0.25）自然环境u1（0.1）水文条件U13 （0.25）地形条件U14 （0.25）交通运输u2（0.2）经营环境u3（0.3）面积U41（0.1）形状U42 （0.1）候选地u4（0.2）周边干线U（0.4）43地价U44 （0.4）供水U511（1/3）三供丄1 （0.4）供电U512 （1/3）供气U513 （1/3）公共设施u5（0.2）排水U521（0.5）废物处理U52 （0.3）固体废物处理u522（0.5）通信u53（0.2）道路设施U54 （0.1）因素集u分为三层:第一层为U = di，U2，U3，U4，U5?第二层为 U^'.U ii,U i2,U13,U14 /；U^'.U41,U42,U43,U44^U^'.U51,U52,U53,U54?第三层为U5^ tU511 ,U512, U51^f ；U5^ ~ L U521,U522 p?假设某区域有8个候选地址，决断集V X代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所示。

表3某区域的模糊综合评判⑴分层作综合评判U51 -山511川512山513?,权重阳-「1/ 3,1/ 3,1/ 3｝，由表3对丄仆丄②比^的模糊评判构成的单因素评判矩阵：'0.60 0.71 0.77 0.60 0.82 0.95 0.65 0.76"0.60 0.71 0.70 0.60 0.80 0.95 0.65 0.76卫.91 0.90 0.93 0.91 0.95 0.93 0.81 0.89』用模型Mg •)(矩阵运算)计算得：B51讥砥=(0.703,0.773,0.8,0.703,0.857,0.943,0.703,0.803)类似地：B52=乓2 R52 = (0.895,0.885,0.785,0.81,0.95,0.77,0.775, 0.77)‘0.7030.773 0.8 0.703 0.857 0.943 0.703 0.803、B5 =A5°R5 =(0.4 0.3 0.2 0.1)°0.895 0.885 0.785 0.81 0.95 0.77 0.775 0.770.81 0.94 0.89 0.60 0.65 0.95 0.95 0.89I 0.90 0.60 0.92 0.60 0.60 0.84 0.65 0.81 j =(0.802,0.823,0.826,0.704,0.818,0.882,0.769,0.811)巾.60 0.95 0.60 0.95 0.95 0.95 0.95 0.95'B4=代=(0.1 0.1 0.4 0.4) °0.60 0.69 0.92 0.92 0.87 0.74 0.89 0.95 0.95 0.69 0.93 0.85 0.60 0.60 0.94 0.78 ©.750.60 0.80 0.93 0.84 0.84 0.60 0.80 ;=(0.8,0.68,0.844,0.899,0.758,0.745,0.8,0.822)*0.91 0.85 0.87 0.98 0.79 0.60 0.60 0.95' B, f QR =(0.25 0.25 0.25 0.25)。