下载文档原格式
模糊综合评价法案例模糊综合评价法是一种常用的多指标决策方法，它可以帮助决策者在具有多个评价指标的情况下，对各个方案进行综合评价，从而找到最优的决策方案。
下面我们通过一个案例来具体介绍模糊综合评价法的应用。
某公司需要选定一个供应商，以满足其原材料采购需求。
为了选择最优的供应商，公司需要考虑多个指标，包括价格、交货周期、质量等。
为了进行综合评价，公司决定采用模糊综合评价法。
首先，公司确定了三个评价指标，价格、交货周期和质量。
然后，针对每个指标，公司对供应商进行评价。
在评价过程中，由于供应商的表现可能存在一定的不确定性，公司采用了模糊数来描述评价结果。
比如，对于价格指标，公司可能认为某供应商的价格在便宜和昂贵之间存在一定的模糊性，于是可以用“价格便宜”的模糊数来描述其价格水平。
接下来，公司需要确定各个评价指标的权重。
在实际应用中，评价指标的重要性往往不同，因此需要对各个指标进行加权。
公司可以通过专家打分、层次分析法等方法来确定各个指标的权重。
然后，公司对每个供应商的评价结果进行模糊综合评价。
具体来说，对于每个供应商的每个指标，公司根据其模糊数和权重，计算出一个综合评价值。
最终，通过比较各个供应商的综合评价值，公司可以找到最优的供应商。
通过模糊综合评价法，公司成功地选择了最优的供应商，并在原材料采购中取得了良好的效果。
这个案例充分展示了模糊综合评价法在多指标决策中的优势和应用价值。
总之，模糊综合评价法是一种非常有效的多指标决策方法，它可以帮助决策者在不确定的环境下进行综合评价，找到最优的决策方案。
在实际应用中，我们可以根据具体情况，灵活运用模糊综合评价法，为企业的决策提供有力的支持。
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。
模糊综合评价法案例模糊综合评价法是一种利用模糊数学理论对多指标进行综合评价的方法。
它能够充分考虑各指标之间的相互影响和重要性，避免了传统评价方法的主观性和简单性。
下面通过一个案例来解释模糊综合评价法的具体应用。
假设某汽车公司需要对不同汽车品牌进行综合评价，共有以下五个指标：品牌知名度、市场占有率、客户满意度、技术创新能力和产品质量。
每个指标的评价等级分为优秀、良好和一般。
首先，我们需要将每个指标的评价等级转化为模糊数。
例如，品牌知名度的优秀、良好和一般分别转化为0.8、0.5和0.2。
同样，其他指标也进行相应转化。
接着，我们需要确定各指标的权重。
权重可以通过专家调查、层次分析法等方法获取。
假设我们已经得到了各指标的权重，品牌知名度权重为0.3，市场占有率权重为0.2，客户满意度权重为0.15，技术创新能力权重为0.25，产品质量权重为0.1。
然后，根据模糊综合评价法的计算公式，我们可以计算出每个品牌的评价值。
评价值可以表示为以下形式：品牌A：0.8 * 0.3 + 0.7 * 0.2 + 0.6 * 0.15 + 0.5 * 0.25 + 0.9 * 0.1 = 0.71品牌B：0.9 * 0.3 + 0.6 * 0.2 + 0.7 * 0.15 + 0.8 * 0.25 + 0.8 * 0.1 = 0.76品牌C：0.7 * 0.3 + 0.8 * 0.2 + 0.9 * 0.15 + 0.6 * 0.25 + 0.7 * 0.1= 0.74根据评价值的大小，我们可以得出品牌B最好，品牌A其次，品牌C最差的综合评价结果。
通过上述案例，我们可以看出模糊综合评价法能够在多指标综合评价中充分考虑各指标之间的权重和相互关系，避免了传统评价方法的主观性和简单性。
同时，该方法还可以提供具体的评价结果，便于决策者进行决策和比较。
总之，模糊综合评价法是一种有效的多指标综合评价方法，可广泛应用于各个领域的评价和决策过程中。
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, ki ij 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。
模糊综合评价法案例模糊综合评价法是一种通过模糊数学理论来进行决策和评价的方法。
它能够有效地处理那些难以用精确数值来描述的问题，如主观评价、不确定性问题等。
下面我们通过一个案例来介绍模糊综合评价法的具体应用。
假设某公司需要对几位员工的绩效进行评价，而这些员工的工作表现很难用具体的指标来衡量。
在这种情况下，可以使用模糊综合评价法来进行评价。
首先，我们需要确定评价的几个方面，比如工作态度、工作成绩、团队合作能力等。
然后，针对每个方面，我们可以设定几个评价等级，如优秀、良好、一般、较差等。
接下来，我们需要确定每个评价等级对应的隶属函数。
隶属函数可以用来描述一个事物对某个概念的归属程度，比如对于“工作态度优秀”这个概念，可以用一个隶属函数来描述员工工作态度优秀的程度。
通过专家评价或者历史数据分析，我们可以确定每个评价等级对应的隶属函数。
然后，我们需要对每个员工的工作表现进行模糊化处理，将具体的表现转化为模糊的概念。
比如，对于员工A的工作态度，我们可以用“工作态度优秀的程度为0.7”来描述。
同样地，对于工作成绩、团队合作能力等方面也进行模糊化处理。
接着，我们可以利用模糊综合评价法来对员工的绩效进行综合评价。
通过隶属函数和模糊化的数据，我们可以计算出每个员工在各个方面的绩效得分，然后进行综合得分的计算，最终得出员工的绩效排名。
通过以上案例，我们可以看到模糊综合评价法在处理主观评价和不确定性问题时具有很大的优势。
它能够充分利用专家经验和历史数据，将模糊的概念转化为具体的数值，为决策和评价提供了一种有效的方法。
总之，模糊综合评价法在实际应用中具有很大的潜力，可以应用于各种领域，如人才评价、项目评估、风险分析等。
希望通过本文的介绍，读者能够对模糊综合评价法有一个更深入的了解，并在实际应用中发挥其作用。
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”。
在确定隶属关系时，通常是专家打分，然后统计结果，根据绝对值减数法求得，即，
其中，c可以适当选取，使得0≤≤1。
步骤4 确定评价因素的模糊权向量
因为各评级因素的重要程度不同，所以要对个因素分配一个相应的权数，(i=1，2，3…m)，≥0，。
A即为权重集。
在进行模糊综合评价时，权重对最终的评价结果会产生很大的影响，不同的权重有时会得到完全不同的结论。
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：
（1）层次分析法
（2）Delphi法
（3）加权平均法
（4）专家估计法
步骤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。
模糊综合评价的模型为：
其中(i=1，2，3…，n)是是由A与R的第j列运算得到的，表示被评级对象从整体上看对等级模糊子集的隶属程度。
常用的模糊合成算子有以下两种（算子中，∧表示取小，∨表示取大，·表示相乘，圆圈中一个加号表示求和）：
（1）算子，
（2）M（）
步骤6 对模糊综合评价结果进行分析
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，它一般是一个模糊向量，而不是一个点值，因而他能提供的信息比其他方法更丰富。
对多个评价对象比较并排序，就需要进一步处理，即计算每个评价对象的综合分值，按大小排序，按序择优。
将综合评价结果B转换为综合分值，于是可依其大小进行排序，从而挑选出最优者。
处理模糊综合评价向量常用的两种方法：
（1）最大隶属度原则
若模糊综合评价结果向量B=（）中的，则被评价对象总体上来讲隶属于第r等级，即为最大隶属原则。
（2）加权平均原则
加权平均原则就是将等级看作一种相对位置，使其连续化。
为了能定量处理，不妨用“1，2，3，……m”以此表示各等级，并称其为各等级的秩。
然后用B中对应分量将各等级的秩加权求和，从而得到被评价对象的相对位置，其表达方式如下：
其中，k为待定系数（k=1或2）目的是控制较大的bj所引起的作用。
当
时，加权平均原则就是为最大隶属原则。
3、模糊综合评价方法的优缺点
模糊综合评价法的优点
模糊评价通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价。
评价结果是一个向量，而不是一个点值，包含的信息比较丰富，既可以比较准确的刻画被评价对象，又可以进一步加工，得到参考信息。
模糊综合评价法的缺点
计算复杂，对指标权重向量的确定主观性较强。
当指标集U较大，即指标集个数凡较大时，在权向量和为1的条件约束下，相对隶属度权系数往往偏小，权向量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，甚至造成评判失败，此时可用分层模糊评估法加以改进（详见《模糊数学与军事决策》张明智编国防大学出版社，1997）。
4、滑坡稳定性模糊评价
工程概况
小河坡滑坡位于四川省北川县都坝河右岸、陈家坝拟建新场镇中部对岸，多年平均气温 15． 6 ℃ ;雨量充沛，年均降雨量 1 399． 1 mm，年最大降雨量2 340 mm。
滑坡所在斜坡为逆向单斜坡，总体坡向116°，该潜在不稳定斜坡整体地势西高东低，呈上中缓前缘陡，前缘和后缘陡，中部相对较平缓。
滑坡前沿高程 670 ～ 740 m 段形成 40°～60°左右的陡斜坡，斜坡体中前部为居民居住区( 现已搬迁) ，勘察期间，已有一条土石路于潜在不稳定斜坡体中部经过;中部高程 710 ～ 855 m 段为潜在不稳定斜坡主体，坡度约 15°～ 30°; 潜在不稳定斜坡体后缘为 50°～ 60°的岩质陡坡。
滑坡区出露地层主要为第四系滑坡堆积层 ( Q4del ) 、崩坡积层 ( Q4col + dl ) 、冲洪积层( Q4al + pl) 、泥盆系( D1) 和寒武系下统清平组( ∈1c) 。
该潜在不稳定斜坡在纵向上长 150 ～412 m，平均长度 271 m; 横向最窄 394 m，最宽 615 m，平均宽度406 m; 面积 11． 0
× 104 m2，钻孔揭露不稳定斜坡体厚度 6． 1 ～ 20． 6 m，平均厚度 12． 9 m，体积141． 9 × 104 m3，属大型土质潜在滑坡。
建立层次结构模型
结合滑坡的勘查资料提供的信息和对滑坡稳定性起重要作用的因素以及前人研究成果［5，7］建立层次结构模型，主要考虑三大因素，即滑坡内因 B1，滑坡表面形态 B2，诱发因素 B3。
如图 1 所示。
建立单因子评判矩阵
笔者选择4 个等级组成滑坡的稳定评判集 V，即V = { V1( 较不稳定) ，V2( 不稳定) ，V3( 稳定) ，V4( 较稳定) } 。
结合地质调查情况，由工程技术人员 ( 6人) 、教授( 5 人) 及研究生( 4 人) 组成 15 位专家进行投票调查，按其投票结果所占的比例获得隶属度指标( 见表 3) ，从而得到单因子评价矩阵 R。
确定评价因子的权重利用层次分析法( AHP)求得各层因子权重，即主因子权重为:
子因子的权重为:
一级评判:
二级综合评判，单因素矩阵为:
综合评判结果:
按照最大隶属原则，求出最大隶属度为 0．439，因此该滑坡属于不稳定状态。
参考文献
张明智《模糊数学与军事决策》国防大学出版社，1997
蔡长发滑坡稳定性模糊评价法及其应用西南科技大学学报。
