模糊综合评价

模糊综合评价法原理模糊综合评价法是一种基于模糊数学的综合评价方法，它应用模糊关系综合的原理，将一些界限不清、难以量化的因素量化，进行综合评价。

这种综合评价方法根据模糊数学的隶属度理论，将定性评价转化为定量评价，即利用模糊数学对受多种因素制约的事物或对象进行总体评价。

它具有结果明确、系统性强的特点，能解决模糊、难以量化的问题，适用于解决各种不确定性问题。

其特点是评价结果不是绝对肯定或否定的，而是用一个模糊集来表示。

模糊综合评价通常由目标层和指标层组成。

通过指标层与评价集之间的模糊关系矩阵(即隶属度矩阵)，可以得到目标层对评价集的隶属度向量，从而得到目标层的综合评价结果。

隶属度和隶属度矩阵是模糊综合评价的关键概念。

计算步骤1、确定评价对象的因素集设U={u1,u2,...,um}为刻画被评价对象的m种评价因素（评价指标），其中：m是评价因素的个数，由具体的指标体系所决定。

2、确定评价对象的评语集设V={v1,v2,...,vn},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评语等级的集合，一般划分为3-5个等级。

3、确定评价因素的权重向量设A=（a1,a2,...,am）为权重分配模糊矢量，其中ai表示第i个因素的权重，要求a1+a2+...+am=1，A反映了各因素的重要程度。

在模糊综合评价中，权重会对最终的评价结果产生很大的影响，不同的权重有时会得到完全不同的结论。

现在权重一般是凭经验给的，但很主观。

确定权重的方法有:(1)专家估计法；(2)加权平均法:当专家人数少于30人时，可采用此方法。

先由多位专家独立给出各因素的权重，然后取各因素的平均值作为其权重；(3)频率分布测定的权重法；(4)模糊协调决策方法:贴近度和贴近度选择原则；(5)层次分析法。

4、进行单因素模糊评价，确立模糊关系矩阵R5、综合评价6、对模糊综合评价结果进行定量分析模糊综合评价的结果是被评价对象对各等级模糊子集的隶属度，它一般是一个模糊矢量，而不是一个值，因而他能提供的信息比其它方法更丰富。

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。

模糊综合评价法模糊综合评价当需要对评价对象做出客观全⾯的评价，但是存在⼤量的模糊性的概念，⽐如⼀个⼈的好坏这样的主观因素会起很⼤作⽤，会使很多指标都⽆法量化，这时就很适合⽤模糊综合评价。

⼀级模糊综合评判1. 确定因素集把所有需要评价的指标构成⼀个集合，即因素集U={u1,u2,...u n}其中的每个u i就为⼀个评价指标2. 确定评语集由于每个指标的评价值不同，那么我们需要有⼀个等级制度来评判各个指标把所有等级构成⼀个集合，即为评语集V={v1,v2,...,v m}⽐如V={好，较好，中等，较差，差}3. 确定各个因素的权重W=[w1,w2,...,w n]$w_i$为第i个元素的权重，且满⾜$\sum_{k=1}^{n}w_i=1$确定权重的⽅法有不少，如Delphi法，加权平均法，众⼈评估法等4. 确定模糊综合评价矩阵对于第i个评价指标u i来说，它有m个评语，我们把对它的评判向量记为R iR i=[r i1,r i2,...,r im]那么对各个指标的总模糊综合评价矩阵就为R=[R1,R2,...R n]它是⼀个从U到V的模糊关系矩阵，即是从因素到评语的关系5. 综合评判综合评价结果B就是权重W和关系矩阵R的乘积，即B=W.R那么最后的评价结果就是B=[b1,b2,...,b m]中最⼤的⼀个元素多层次的模糊综合评价1. 实际上多层次的分析就是在单层次的分析上在多⼀次分析就可由第⼀级的分析得到⼀级评判向量B=[b1,b2,...,b m]。

2. B的权重为A=[a1,a2,....a m]3. ⼆级评判向量B2为B2=A.B4. 故也可以继续推出第三级，第四级，甚⾄更⾼层次的步骤。

Processing math: 100%。

模糊综合评价标准摘要：一、模糊综合评价标准的概念与特点1.模糊综合评价标准的定义2.模糊综合评价标准的特点二、模糊综合评价标准的应用领域1.社会科学领域2.工程技术领域3.医疗健康领域4.其他领域三、模糊综合评价标准的方法与步骤1.确定评价指标2.建立评价矩阵3.确定权重向量4.计算评价值四、模糊综合评价标准的优缺点分析1.优点a.适用性广泛b.考虑因素全面c.评价结果客观2.缺点a.计算过程复杂b.依赖主观判断五、模糊综合评价标准的发展趋势与展望1.算法优化2.与其他评价方法的结合3.应用范围的拓展正文：模糊综合评价标准是一种基于模糊数学的综合评价方法，它通过将评价指标进行模糊化处理，再结合权重向量计算出评价结果。

该方法具有较强的适用性，可以广泛应用于社会科学、工程技术、医疗健康等领域。

在应用模糊综合评价标准时，首先需要确定评价指标，这些指标应具有可度量、可比较的特点。

接着，根据评价指标的模糊性，建立评价矩阵。

评价矩阵的元素是评价指标的隶属度值，用以表示评价指标在某个状态下的模糊程度。

接下来，需要确定权重向量。

权重向量的元素表示评价指标在综合评价中所占的权重。

通常采用主观赋权法或客观赋权法来确定权重向量。

主观赋权法主要依赖专家经验，而客观赋权法则通过数学方法来计算权重。

计算评价值是模糊综合评价标准的关键步骤。

根据评价矩阵和权重向量，采用合适的计算方法（如加权平均法、最大最小法等）计算出评价结果。

模糊综合评价标准具有以下优点：首先，它具有较强的适用性，可以广泛应用于各种领域；其次，该方法考虑因素全面，能够反映评价指标的模糊性；最后，评价结果较为客观，能够较好地反映评价对象的真实情况。

然而，该方法也存在一定的缺点，如计算过程复杂，依赖主观判断等。

随着科技的发展，模糊综合评价标准在算法优化、与其他评价方法的结合以及应用范围的拓展等方面具有较大的发展潜力。

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：111212122212m 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 ∨：——主因素突出型运算法则为max{(),1,2,,}j i ij b a r i n ==(1,2,,)j m =。

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。

模糊综合评价法模糊综合评价法是一种基于模糊数学的综合评价方法。

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。

中文名模糊综合评价法理论依据模糊数学属性综合评标方法提出人查德模糊集合理论(fuzzy sets)的概念于1965 年由美国自动控制专家查德（L．A．Zadeh）教授提出，用以表达事物的不确定性。

术语定义为了便于描述，依据模糊数学的基本概念，对模糊综合评价法中的有关术语定义如下：1．评价因素（F）：是指对招标项目评议的具体内容（例如，价格、各种指标、参数、规范、性能、状况，等等）。

为便于权重分配和评议，可以按评价因素的属性将评价因素分成若干类（例如，商务、技术、价格、伴随服务，等），把每一类都视为单一评价因素，并称之为第一级评价因素（F1）。

第一级评价因素可以设置下属的第二级评价因素（例如，第一级评价因素“商务”可以有下属的第二级评价因素：交货期、付款条件和付款方式，等）。

第二级评价因素可以设置下属的第三级评价因素（F3）。

依此类推。

2．评价因素值（Fv）：是指评价因素的具体值。

例如，某投标人的某技术参数为120，那么，该投标人的该评价因素值为120。

3．评价值（E）：是指评价因素的优劣程度。

评价因素最优的评价值为1（采用百分制时为100分）；欠优的评价因素，依据欠优的程度，其评价值大于或等于零、小于或等于1（采用百分制时为100分），即0≤E≤1（采用百分制时0≤E≤100）。

4．平均评价值（Ep）：是指评标委员会成员对某评价因素评价的平均值。

平均评价值（Ep）=全体评标委员会成员的评价值之和÷评委数5．权重（W）：是指评价因素的地位和重要程度。

第一级评价因素的权重之和为1；每一个评价因素的下一级评价因素的权重之和为1 。

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 =,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：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 ∨：——主因素突出型运算法则为max{(),1,2,,}j i ij b a r i n ==(1,2,,)j m =;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 +——加权平均型运算法则为1n j i ij i b a r ==∑(1,2,,)j m =;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 =;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10()n ij j i i r b a r ==∧∑(1,2,,)j m =,其中01nkj 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 =,22(0.7,0.2,0.1,0)u r = 33(0,0.4,0.5,0.1)u r =,44(0.2,0.3,0.5,0)u r =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：用模型(,)M∧∨计算综合评判为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 1A1= ;A2= ;R= ;0;0 ;0;fuzzy_zhpj1,A1,Rfuzzy_zhpj1,A2,Rend%%function B=fuzzy_zhpjmodel,A,R %模糊综合评判B=;m,s1=sizeA;s2,n=sizeR;if s1~=s2disp'A的列不等于R的行';elseif model==1 %主因素决定型for i=1:mfor j=1:nBi,j=0;for k=1:s1x=0;if Ai,k<Rk,jx=Ai,k;elsex=Rk,j;endif Bi,j<xBi,j=x;endendendendelseif model==2 %主因素突出型for i=1:mfor j=1:nBi,j=0;for k=1:s1x=Ai,kRk,j;if Bi,j<xBi,j=x;endendendendelseif model==3 %加权平均型for i=1:mfor j=1:nBi,j=0;for k=1:s1Bi,j=Bi,j+Ai,kRk,j;endendendelseif model==4 %取小上界和型for i=1:mfor j=1:nBi,j=0;for k=1:s1x=0;x=minAi,k,Rk,j;Bi,j=Bi,j+x;endBi,j=minBi,j,1;endendelseif model==5 %均衡平均型 C=;C=sumR;for j=1:nfor i=1:s2Ri,j=Ri,j/Cj;endendfor i=1:mfor j=1:nBi,j=0;for k=1:s1x=0;x=minAi,k,Rk,j; Bi,j=Bi,j+x;endendendelsedisp'模型赋值不当';endendend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：按模型(,)M∧∨针对俩个权重分别计算得由于要计算百分比,需要将上述评判结果进一步归一化为如下：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_zhpj1,A1,Rfuzzy_zhpj1,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 3 55 72 5乙529 2 38 105 3丙412 1 32 85 2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5 550~600 1 <20 >130 14500~550220~30110~13023450~500330~4090~11032400~450440~5070~9041350~400550~6050~7050<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：产品质量的隶属函数：亩用工量的隶属函数：亩纯收入的隶属函数：对生态影响的隶属函数：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：根据所给权重按加权平均型计算得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_zhpj3,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：对Ⅱ级的隶属函数：对Ⅲ级的隶属函数：对Ⅳ级的隶属函数：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：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 ==,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_zhpj3,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;。

模糊综合评判法1.算法原理模糊综合评判方法是指当一个事物受多个要素的作用时，对其进行的一种多要素综合评价方法。

有些要素的范围没有清晰的界限，而模糊综合评判法能够根据最大隶属度原则将定性指标转换为定量指标，从而对受多个要素影响的事物作出综合评价。

模糊综合评判方法是模糊数学理论在实际生活中的应用，对于因素众多、无法量化、等级划分没有清晰界限等一类问题的决策，模糊综合评判利用最大隶属度原则，柔性划分各个因素的隶属等级，解决人们主观难以确定的模糊界限问题。

模糊综合评判包括单层模糊综合评判和多层模糊综合评判。

影响因素较多时，为避免权重过于微小掩盖该因素的作用，可以根据问题的特征将影响因素分层，先求出一层内部的评判结论，再根据得到的N个一层结论再次求解，此过程为多层次模糊综合评判。

首先确定被评价对象的因素集合评价集；再分别确定各个因素的权重及它们的隶属度矢量，获得模糊评判矩阵；最后把模糊评判矩阵与因素的权矢量进行模糊运算并进行归一化，得到模糊综合评价结果。

2.算法过程具体过程：将评价指标看成是由多种因素组成的模糊集合，再设定这些因素所能选取的评审等级，组成评语的模糊集合，分别求出各单一因素对各个评审等级的归属程度（称为模糊矩阵），然后根据各个因素在评价指标中的权重分配，通过计算，求出评价的定量解值。

分为以下六个步骤。

2.1确定评价对象的因素集合设U={u1,u2，•…u m}为刻画被评价对象的m种评价指标，m是评价指标个数。

按评价指标的属性将评价指标分为若干类，把每一类都视为单一评价因素，称之为第一级评价因素。

第一级评价因素可以设置下属的第二级评价因素，第二级评价因素可以设置下属的第三级评价因素，依此类推：U = U1 UU2 U-UU s其中，U j= u.i,u i2,…,u.m，U j q =①，任意i 牛 j，i,j = 12…，S。

U j是U的一个划分，U i称为类。

2.2确定评价对象的评语集设V= v1,v2,…,v n，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评语等级的集合。

模糊综合评价法名词解释
模糊综合评价法是一种基于模糊数学理论的综合评价方法。

它采用数学模型对评价对象进行评价，通过对多个指标的评价得出综合评价结果。

以下是该方法中常用的名词解释：
1. 模糊数：是指数值不确定或难以精确表达的数值。

它由一个
实数和一个隶属度组成，隶属度表示该数值属于某一模糊集合的程度。

2. 模糊集合：是指元素的隶属度不是二元的，而是在0到1之
间的实数。

模糊集合可以用数学函数进行描述。

3. 模糊关系：是指元素间的关系具有不确定性或模糊性。

它可
以用模糊矩阵或模糊规则来描述。

4. 模糊综合评价：是指通过对多个指标的评价，得出综合评价
结果的过程。

它通过计算各指标的权重和隶属度，得到最终的综合评价结果。

5. 模糊综合判断矩阵：是指用于确定各指标之间的重要程度和
相对权重的矩阵。

它通过对每个指标之间的比较，得出各指标之间的相对重要性。

6. 模糊综合评价模型：是指采用模糊数学理论，将各指标的权
重和隶属度计算在一起，得出综合评价结果的数学模型。

7. 模糊综合评价系统：是指将模糊综合评价方法运用到实际评
价中的一套完整的评价系统。

它包括评价对象的选择、指标体系的构建、权重的确定、评价结果的计算等环节。

- 1 -。

模糊综合评价法（fuzzy comprehensive evaluation method）1.什么是模糊综合评价法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。

2.模糊综合评价法的术语及其定义为了便于描述，依据模糊数学的基本概念，对模糊综合评价法中的有关术语定义如下：1．评价因素（F）：系指对招标项目评议的具体内容（例如，价格、各种指标、参数、规范、性能、状况，等等）。

为便于权重分配和评议，可以按评价因素的属性将评价因素分成若干类（例如，商务、技术、价格、伴随服务，等），把每一类都视为单一评价因素，并称之为第一级评价因素（F1）。

第一级评价因素可以设置下属的第二级评价因素（例如，第一级评价因素“商务”可以有下属的第二级评价因素：交货期、付款条件和付款方式，等）。

第二级评价因素可以设置下属的第三级评价因素（F3）。

依此类推。

2．评价因素值（Fv）：系指评价因素的具体值。

例如，某投标人的某技术参数为120，那么，该投标人的该评价因素值为120。

3．评价值（E）：系指评价因素的优劣程度。

评价因素最优的评价值为1（采用百分制时为100分）；欠优的评价因素，依据欠优的程度，其评价值大于或等于零、小于或等于1（采用百分制时为100分），即0≤E≤1（采用百分制时0≤E≤100）。

4．平均评价值（Ep）：系指评标委员会成员对某评价因素评价的平均值。

平均评价值（Ep）＝全体评标委员会成员的评价值之和÷评委数5．权重（W）：系指评价因素的地位和重要程度。

第一级评价因素的权重之和为1；每一个评价因素的下一级评价因素的权重之和为1 。

6．加权平均评价值（Epw）：系指加权后的平均评价值。

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。

由于地质环境与地质灾害系统的复杂性，地质环境与地质灾害评价需要研究的变量关系较多且错综复杂，其中既有确定的可循的变化规律，又有不确定的随机变化规律，人们对地质环境的认识也是既有精确的一面，也有模糊的一面。

用绝对的“非此即彼”有时不能准确地描述地质环境中的客观现实，经常存在着“亦此亦彼”的模糊现象，其刻划与描述也多用自然语言来表达，如某一斜坡地段的工程岩组为软“弱岩体” ，该地段岩体稳定性“较差”等等。

自然语言最大的特点是它的模糊性。

从逻辑上讲，模糊现象不能用 1 真(是)或 0 假(否)二值逻辑来刻划，而是需要一种用区间 [0， 1]的多值(或连续值)逻辑来描述。

可见，运用模糊理论解决地质环境与地质灾害危险性评价问题，是模拟人脑某些思维方式，提高认识地质体的一种有效方法。

因此，地质环境质量与地质灾害危险性评价中引入了模糊综合评判方法是客观事物的需要 ,也是主观认识能力的发展。

模糊综合评判方法是应用模糊关系合成的特性,从多个指标对被评价事物隶属等级状况进行综合性评判的一种方法,它把被评价事物的变化区间作出划分,又对事物属于各个等级的程度作出分析,这样就使得对事物的描述更加深入和客观,故而模糊综合评判方法既有别于常规的多指标评价方法 ,又有别于打分法。

(1)模糊综合评判数学模型设 U={ u1,u2, …,u m}为评价因素集,V={v1,v2, …v n}为危险性等级集。

评价因素论域和危险性等级论域之间的模糊关系用矩阵 R 来表示：式中， r ij = η(u i，v j)(0≤r ij ≤1) ，表示就因素 u i 而言被评为 v j 的隶属度；矩阵中第 i 行R i =(r i1,r i2, …,r in)为第 i 个评价因素 u i 的单因素评判，它是 V 上的模糊子集。

数学建模评价类模型——模糊综合评价文章目录•o一级模糊综合评价应用o1）模糊集合o2）隶属度、隶属函数及其确定方法o3）因素集、评语集、权重集o1、模糊综合评价法的定义o2、应用模糊综合评价法需要的一些小知识oo3、模糊综合评价法的应用（实例）oo4、最后总结1、模糊综合评价法的定义先来看看官方标准定义：模糊综合评价法是一种基于模糊数学的综合评价方法。

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。

初次看，是不是觉得有点懵懵懂懂的？（偷笑）我来用非官方的语言解释一遍，或许你就明白了。

大家想想，生活中，是不是有很多模糊的概念。

比如班级要评三好学生，那评价的标准一般就是学习成绩好不好、思想品德好不好、身体好不好（我查了下百度才发现三好学生竟然要身体好！？感情身体不好还不行）。

学习成绩好或者不好、思想品德好或者不好、身体好或者不好听起来是不是就很模糊？怎么样就算学习成绩好了或者思想品德好了或者身体好了？对，其实这些指标就是模糊的概念。

模糊综合评价法是什么呢？其实就是对评价对象就评价指标进行综合评判，最后给每个评价对象对于每个指标一个隶属度。

（有点绕口，用三好学生的例子再来阐述一下）比如现在有个学生参与评判三好学生。

标准假如就是评上和评不上。

用模糊综合评价法得到的最终结果就是这名学生对于评上的隶属度和评不上的隶属度。

假如评上的隶属度高一些，那这名学生肯定是被评上咯。

（反之亦然）我这样介绍一下，是为了让大家知道我们这个模糊综合评价到底是干嘛的，不要嫌我啰嗦（吃手手）2、应用模糊综合评价法需要的一些小知识1）模糊集合① 定义：（我觉得这段话不错，来自360百科）这段话其实就举了模糊的一些概念，和经典集合（就是有明确数字的，高中学的那个集合）的区别及其历史。

模糊综合评价法（fuzzy comprehensive evaluation method）1.什么是模糊综合评价法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。

2.模糊综合评价法的术语及其定义为了便于描述，依据模糊数学的基本概念，对模糊综合评价法中的有关术语定义如下：1．评价因素（F）：系指对招标项目评议的具体内容（例如，价格、各种指标、参数、规范、性能、状况，等等）。

为便于权重分配和评议，可以按评价因素的属性将评价因素分成若干类（例如，商务、技术、价格、伴随服务，等），把每一类都视为单一评价因素，并称之为第一级评价因素（F1）。

第一级评价因素可以设置下属的第二级评价因素（例如，第一级评价因素“商务”可以有下属的第二级评价因素：交货期、付款条件和付款方式，等）。

第二级评价因素可以设置下属的第三级评价因素（F3）。

依此类推。

2．评价因素值（Fv）：系指评价因素的具体值。

例如，某投标人的某技术参数为120，那么，该投标人的该评价因素值为120。

3．评价值（E）：系指评价因素的优劣程度。

评价因素最优的评价值为1（采用百分制时为100分）；欠优的评价因素，依据欠优的程度，其评价值大于或等于零、小于或等于1（采用百分制时为100分），即0≤E≤1（采用百分制时0≤E≤100）。

4．平均评价值（Ep）：系指评标委员会成员对某评价因素评价的平均值。

平均评价值（Ep）＝全体评标委员会成员的评价值之和÷评委数5．权重（W）：系指评价因素的地位和重要程度。

第一级评价因素的权重之和为1；每一个评价因素的下一级评价因素的权重之和为1 。

6．加权平均评价值（Epw）：系指加权后的平均评价值。