模糊综合评价法

模糊综合评价法模糊综合评价法（Fuzzy Comprehensive Evaluation）是一种常用的多指标决策方法，它可以在不确定、模糊的条件下对不同选项进行评估和排序。

该方法通过将不同指标的评价结果用模糊集合表示，结合权重和评价等级，最终得出各选项的综合评估结果。

本文将介绍模糊综合评价法的概念、基本步骤和具体应用。

模糊综合评价法的核心思想是将模糊集合理论与评价方法相结合，从而克服了传统评价方法只考虑确定性条件下的不足。

在现实问题中，往往存在不确定和模糊的因素，无法用简单的数学模型描述。

而模糊综合评价法可以通过模糊集合的运算和推理，对这些模糊因素进行量化和评估。

模糊综合评价法的基本步骤如下：1. 确定评价指标：根据评价对象的特征和目标，确定几个关键评价指标。

这些指标应该能够反映出评价对象的综合性能。

2. 构建评价集合：对于每个评价指标，需要构建其对应的模糊集合。

模糊集合由隶属函数表示，它可以描述事物的不同特征和评价等级之间的关系。

3. 确定权重：为不同评价指标确定权重，反映出它们在综合评价中的重要性。

常用的方法有主观赋权、层次分析法等。

4. 进行评价计算：根据评价指标的隶属函数和权重，对每个指标进行评估计算。

通常采用隶属度最大值法、隶属度平均值法等方法。

5. 综合评价：将各个指标的评估结果综合起来，得出最终的综合评价结果。

可以通过加权平均法、熵权法等进行综合。

模糊综合评价法在实践中有着广泛的应用。

它可以用于企业绩效评估、项目可行性分析、人才选拔、产品质量评价等领域。

通过综合考虑多个指标，可以更全面地评估对象的优劣，为决策提供科学依据。

然而，模糊综合评价法也存在一些问题和挑战。

首先，评价指标的选择和权重的确定往往具有主观性，不同人对同一指标的看法可能存在差异。

其次，模糊综合评价法的计算过程较为繁琐，需要较高的数学基础和专业知识。

最后，由于模糊综合评价法忽略了指标之间的相互关系，可能导致评价结果的不准确性。

（6）根据隶属度最大原则作出评判，或计算综合评判值
11
【引例】科研成果评价
假设评价科研成果，评价指标集合
U={u1 ，u2 ，u3}
={学术水平，社会效益，经济效益}，
其各因素权重设为
A {0.3,0.3,0.4}
12

确定评语集为V= {V1 ，V2 ，V3 ，V4} ={很好，好，一般，差}
26
评语集 V {v1 , v2 , v3 , v4 } 其中
v3 =“不太受欢迎”； v1 =“很受欢迎”；v2 =“较受欢迎”；
v4 =“不受欢迎”；
对于某个型号的电脑，请一些用户对各因素进行评价： 若对于运算功能
u1 ,有20%的人认为是“很受欢迎”，50%的
的单因素评价向量为
人认为“较受欢迎”，30%的人认为“不太受欢迎” ，没有
对各指标分别表示如下：
u1 =“运算功能（数值、图形等）”； u 2 =“存储容量（内、外存）”； u3 =“运行速度（CPU、主板等）”； u 4 =“外设配置（网卡、调制调解器、多媒体部件等）”；
u5 =“价格”。
则
U {u1 , u2 , u3 , u4 , u5} 构成指标集或因素集。
R1 ,
R2 , R3 , R4 ,
R5 组合成评判矩阵 R
28
0 .2 0 .1 R 0 .0 0 .0 0 .5
0 .5 0 .3 0 . 0 0 .3 0 .5 0 . 1 0 .4 0 .5 0 . 1 0 . 1 0 .6 0 .3 0 .3 0 .2 0 . 0
A2 (0.4,0.35,0.15,0.1)
23
（5）用算子 M (,) 计算综合评判为

B1=(0.5,0.2,0.14,0.14,0.14) B2=(0.2,0.2,0.5,0.14,0.14) 归一化（即将每分量初一分量总和），得
B1=(0.46,0.18,0.12,0.12,0.12) B2=(0.17,0.17,0.42,0.12,0.12) 若规定评价“好”“较好”要占50%以上才可晋升， 则此教师晋升为教学型教授，不可晋升为科研型教
是由一个指标实际值来刻画，因此从这个角度讲，
模糊综合评价要求更多的信息），ri 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，即影响因素与评价对象之间的“合理关
系”。
在确定隶属关系时，通常是由专家或与评价问题 相关的专业人员依据评判等级对评价对象进行打分
，然后统计打分结果，然后可以根据绝对值减数法
1.80 1.93 0.87 1.12 1.21 0.87 0.89 2.52 0.81 0.82 1.01
A＝（0.2，0.3，0.5）
专家评价结果表
由上表，可得甲、乙、丙三个项目各自 的评价矩阵P、Q、R：
0.7 0.2 0.1 P 0.1 0.2 0.7
0.3 0.6 0.1
0.3 0.6 0.1 Q 1 0 0
0.7 0.3 0
0.1 0.4 0.5 R 1 0 0
0.1 0.3 0.6
例3：“晋升”的数学模型，以高校教师晋 升教授为例
因素集：
U={政治表现及工作态度，教学水平，科 研水平，外语水平}；
评判集：
V={好，较好，一般，较差，差}；
（1）建立模糊综合评判矩阵
当学科评审组的每个成员对评判的对象进 行评价，假定学科评审组由7人组成，用打分 或投票的方法表明各自的评价

3、进行单因素评价，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 u i ( i = 1, 2 , L , m ) 上进行量化，也就是确 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：
权重选择的合适与否直接关系到模型的成败。 确定权重的方法有以下几种： 层次分析法 Delphi法 加权平均法 专家估计法
5、多因素模糊评价
利用合适的合成算子将A与模糊关系矩阵R合成得 到各被评价对象的模糊综合评价结果向量B。 R中不同的行反映了某个被评价对象从不同的单 因素来看对各等级模糊子集的隶属程度。用模糊权 向量A将不同的行进行综合就可以得到该被评价对 象从总体上来看对各等级模糊子集的隶属程度，即 模糊综合评价结果向量B。
常用的模糊合成算子有以下两种： M (∧ ， ) 算子： ∨
b j = ∨ (a i ∧ rij ) = max {min (a i , rij )} j = 1, 2 , L , n ,
m i =1 1≤ i ≤ m
M (⋅， ) 算子： ∨
b j = ∨ (a i , rij ) = max
m i =1
ri = (ri1 , ri 2 , L , rim ) 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，因此从这个角度讲， 模糊综合评价要求更多的信息），r i 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，即影响因素与评价对象之间的“合理关 系”。
在确定隶属关系时，通常是由专家或与评价问题 相关的专业人员依据评判等级对评价对象进行打分 ，然后统计打分结果，然后可以根据绝对值减数法 求得 r ij ，即：