2模糊数学建模

模糊数学方法建模§1 模糊综合评判及其应用一、模糊综合评判在我们的日常生活和工作中，无论是产品质量的评级，科技成果的鉴定，还是干部、学生的评优等等，都属于评判的范畴。

如果考虑的因素只有一个，评判就很简单，只要给对象一个评价分数，按分数的高低，就可将评判的对象排出优劣的次序。

但是一个事物往往具有多种属性，评价事物必须同时考虑各种因素，这就是综合评判问题。

所谓综合评判，就是对受到多种因素制约的事物或对象，作出一个总的评价。

综合评判最简单的方法有两种方式：一种是总分法，设评判对象有m 个因素，我们对每一个因素给出一个评分i s ，计算出评判对象取得的分数总和∑==mi isS 1按S 的大小给评判对象排出名次。

例如体育比赛中五项全能的评判，就是采用这种方法。

另一种是采用加权的方法，根据不同因素的重要程度，赋以一定的权重，令i a 表示对第i 个因素的权重，并规定∑==mi ia11，于是用∑==mi ii sa S 1按S 的大小给评判对象排出名次。

以上两种方法所得结果都用一个总分值表示，在处理简单问题时容易做到，而多数情况下评判是难以用一个简单的数值表示的，这时就应该采用模糊综合评判。

由于在很多问题上，我们对事物的评价常常带有模糊性，因此，应用模糊数学的方法进行综合评判将会取得更好的实际效果。

模糊综合评判的数学模型可分为一级模型和多级模型两类，这里仅介绍一级模型。

应用一级模型进行综合评判，一般可归纳为以下几个步骤：（1）建立评判对象的因素集},,,{21n u u u U =。

因素就是对象的各种属性或性能，在不同场合，也称为参数指标或质量指标，它们综合地反映出对象的质量，人们就是根据这些因素给对象评价。

（2）建立评判集},,,{21m V V V V =。

例如对工业产品，评判集就是等级的集合。

（3）建立单因素评判。

即建立一个从U 到)(V F 的模糊映射U u V F U f i ∈∀→),(:~mim i i i i V r V r V r u f u +++=→ 2211~~)( )1,1,10(m j n i r ij ≤≤≤≤≤≤ 由~f 可诱导出模糊关系~R ，得到单因素评判矩阵⎪⎪⎪⎪⎪⎭⎫⎝⎛=nm n n m m r r rr r r r r r R212222111211~ （4）确定权重。

第二十二章 模糊数学模型模糊数学是研究和处理模糊性现象的数学，是在美国控制论专家A. Zadeh 教授于1965年提出的模糊集合（Fuzzy Set ）基础上发展起来的一门新兴的数学分支。

这门学科经过多年的发展。

它在现实世界中的应用越来越广泛。

§1 模糊数学基本知识1.1 集合与特征函数集合是现代数学的重要概念。

一般地说，具有某种属性的事物的全体或确定对象的汇总称为一个集合。

不含任何元素的集合称为空集，记为Φ。

由所研究的所有事物构成的集合称为全集，记为Ω。

若集合Ω⊆A ，则将集合},|{Ω∈∉x A x x 且称为集合A 的补集，记为c A 。

集合及其性质可用所谓特征函数来描述。

定义 1 设Ω为全集，A 为Ω的子集，则集合A 的特征函数指的是Ω到集合}1,0{=V 的一个映射A μV A →Ω:μ)(x x A μ→其中对应规则A μ满足⎩⎨⎧∉∈=Ax A x A 01μ 集合的特征函数具有以下性质：)}(),(m ax {)(x x x B A B A μμμ=Y ，记作)()(x x B A μμ∨)}(),(m in{)(x x x B A B A μμμ=I ，记作)()(x x B A μμ∧)(1)(x x A A cμμ-= 1.2 模糊集合1.2.1 模糊集合的概念对于普通集合A 及其余集c A ，任何元素A x ∈或cA x ∈，二者必居其一，且仅居其一；用特征函数来表示就是0)(=x A μ或1)(=x A μ有且仅有一个成立。

然而，客观世界中存在着大量的模糊概念，如“高个子”，“老年人”，这些概念无法用普通集合表示，因为这些概念与其对立面之间无法划出一条明确的分界线。

为了研究和处理这类模糊概念（或现象），就需要把普通集合引申到模糊集合，用特征函数来描述就是将集合的特征函数的值域由}1,0{两个数扩展到闭区间]1,0[，这就是建立模糊集合的基本思想。

下面我们把所讨论对象的全体称为论域。

§2 小麦品种的模糊模式识别把一批来自同一品种的小麦称为一个小麦亲本。

小麦有各种不同的品种，某一品种的小麦有它自己的很多特性，如抽穗期、株高、有效穗数、主穗粒数和百粒重量等数量性质。

然而对于小麦的一个亲本，我们不能凭其中某一粒或某一株小麦去鉴定它的品种。

实际上，同一品种的小麦中，各株小麦的抽穗期显然是不完全相同的。

在同一种小麦中，百粒重量的每一次样本也是不完全相同的，但总是在各自的均值附近摆动。

这样我们就可以把某一品种的小麦看成是一个模糊集。

不同品种的小麦就对应着不同的模糊集。

如果能肯定待识别小麦亲本的模糊集与某一已知品种小麦的模糊集最贴近，那就可以断言它属于该种小麦了。

由于模糊集合是用隶属函数来表示的，而隶属函数又不同于普通的函数，怎样来度量模糊集的模糊性以及怎样比较两个模糊集是否相贴近还是差别很大，这就要引入一些有关模糊集度量的概念。

一、单个模糊集度量 1、模糊度在论域U 上的任意模糊子集~A 的模糊度)(~A D 应满足：（ⅰ）对任意的U x ∈，当且仅当x 对~A 的隶属度)(~x A μ只取0和1时，)(~A D =0 ；（ⅱ）当)(~x A μ=0.5时，)(~A D 应取最大值，即)(~A D =1；（ⅲ）对任意的U x ∈，设U 的两个模糊子集~A 和~B ，若5.0)()(~~≥≥x x B A μμ或5.0)()(~~≤≤x x B A μμ，则有)()(~~A D B D ≥。

2、模糊熵在模糊数学中，用模糊熵描述模糊度，是模糊集合所含模糊性大小的一种度量，这里仅介绍较其它方法为好的仙农函数引出的模糊熵定义。

设~A 是论域U 上的任意模糊子集，当U x ∈时，记))((2ln 1)(~1~i Ai x S n A H μ∑∞==叫做模糊集~A 的熵，此处)1ln()1(ln )(x x x x x S ----=。

容易验证，上述模糊熵满足模糊度的三个条件。

二、多个模糊集度量 1、海明距离设论域U 上的两个模糊子集~A 和~B ，它们之间的海明距离定义为∑=-=ni i B i A x x B A d 1~~)()(),(~~μμ这个定义适用于论域为有限集时，n 是论域中元素的个数，它又称为绝对海明距离。

一、模糊评价模糊评价法是应用模糊理论和模糊关系合成的原理,通过多个因素对被评 价事物隶属等级状况进行综合性评价的一种方法。

运用模糊评价法,通过多因素 或多指标,既对被评价事物的变化区间作出某种划分,又对事物属于各评价等级 的程度作出分析,从而更深入和客观地对被评价事物进行描述。

特点：①模糊评价法的结果是一个向量,而不是一个数值,即被评价事物的状况是通过被评价事物的等级隶属度来表示。

②模糊评价法可以是一种多层的评价,即可以先对被评价事物的某一层面进行模糊评价,再将各层面的模糊评价结果进行模糊合成,得出总的模糊评价结果。

③模糊评价法具有指标或因素的自然可综合性。

由于模糊评价法只需确定各指标的等级隶属度,既可用于主观指标,又可用于客观指标,以此而无需专门对指标进行无量纲处理。

1.1模糊评价的应用①人事考核中的应用. ②单位员工的年终评定.③昆山公安信息化建设效绩的评估（下载文档）. ④我国商业银行内部控制评价体系研究（下载文档）. ⑤石化行业业绩评价（下载文档）等。

1.2一级模糊综合评判模型的建立步骤①确定因素集及评语集确定被评价对象的因素集U.{}12=,,,n U u u u .评语集{}12,,,m V v v v =；②构造模糊关系矩阵R.进行单因素评判。

用ij r 表示U 中的因素i u 对应于V 中等级j v 的隶属关系.则有111212122212=,01m m ij n n nm r r r r r r R r r r r ⎛⎫ ⎪ ⎪≤≤ ⎪⎪⎝⎭③确定各因素的权重用i a 表示第i 个因素的权重.11ni i a ==∑.则评价因素权向量A 为()12,,,n A a a a =。

④综合评判由模糊关系矩阵R 得到一个模糊变换为:()(),R T F U F V →则评判的综合结果为()11121212221212,,,m m n n n nm r r r r r r B A R a a a r r r ⎛⎫⎪ ⎪== ⎪⎪⎝⎭。

模糊数学方法1965年美国加利福尼亚大学控制论专家扎德（Zadeh L ．A ．）教授在《Information and Control 》杂志上发表了一篇开创性论文“Fuzzy Sets ”，这标志着模糊数学的诞生。

模糊数学是研究和处理模糊性现象的数学方法。

众所周知，经典数学是以精确性为特征的。

然而，与精确性相悖的模糊性并不完全是消极的、没有价值的。

甚至可以这样说，有时模糊性比精确性还要好。

例如，要你某时到某地去迎接一个“大胡子高个子长头发戴宽边黑色眼镜的中年男人”。

尽管这里只提供了一个精确信息——男人，而其他信息——大胡子、高个子、长头发、宽边黑色眼镜、中年等都是模糊概念，但是你只要将这些模糊概念经过头脑的综合分析判断，就可以接到这个人。

模糊数学在实际中的应用几乎涉及到国民经济的各个领域及部门，农业、林业、气象、环境、地质勘探、医学、经济管理等方面都有模糊数学的广泛而又成功的应用。

§1 模糊集的基本概念要想掌握模糊数学方法，必须先了解模糊集的基本概念，特别是隶属函数的建立方法。

1.1 模糊子集与隶属函数定义1 设U 是论域，称映射():[0,1]A x U →确定了一个U 上的模糊子集A ，映射()A x 称为A 的隶属函数，它表示x 对A 的隶属程度。

使()0.5A x =的点称为A 的过渡点，此点最具模糊性。

当映射()A x 只取0或1时，模糊子集A 就是经典子集，而()A x 就是它的特征函数。

可见经典子集就是模糊子集的特殊情形。

例 1 设论域123456{(140),(150),(160),(170),(180),(190)}U x x x x x x =（单位：cm ）表示人的身高，那么U 上的一个模糊集“高个子”（A ）的隶属函数()A x 可定义为140()190140x A x -=-，也可用Zadeh 表示法：12345600.20.40.60.81A x x x x x x =+++++， 上式仅表示U 中各元素属于模糊集A 的隶属度，不是普通分式与求和运算。

数学建模模糊综合评价法1. 什么是模糊综合评价法？好啦，今天咱们聊聊一个听起来复杂，但其实挺有意思的话题——模糊综合评价法。

别担心，不会让你脑袋里冒烟的。

其实，模糊综合评价法就像一个超级聪明的评委，专门用来评判那些不那么明确的事情。

比如，假设你想评估一个产品的质量，单靠“好”或“不好”这两个词，太简单了吧？这时候，模糊综合评价法就能派上用场了！想象一下，如果你要评价一部电影，除了“好看”和“难看”，你可能会考虑“剧情”、“演技”、“音乐”、“特效”等等。

而每一项评价可能还有不同的分数，像是“非常好”、“一般”、“差不多”等等。

模糊综合评价法就像给你一张多维度的评分表，让你全面而又细致地评估一件事情，省得你像那种一口气就咽下去的面条，吞得太快，咽不下去还得拉肚子。

2. 模糊综合评价法的基本步骤2.1 确定评价指标首先，我们得确定评价指标。

就像你要做一道美味的菜，必须先想好要用哪些食材。

比如说，如果你在评价一款手机，可能会考虑“屏幕清晰度”、“电池续航”、“拍照效果”等等。

每个指标就像是你挑选的食材，每个食材的好坏都会影响到最后的菜肴。

2.2 建立评价模型接下来，就是建立评价模型。

这里的模型有点像是咱们的食谱，得把所有的指标按照一定的规则组合在一起。

你可以根据每个指标的重要性来加权，也就是说，有些食材比其他的更重要。

比如，电池续航对一个经常出门的人来说，肯定比音质重要。

然后，你把每个指标的评分汇总，算出一个总分。

简单说，就是给每个食材加点调料，让整道菜更有味道。

3. 实际应用案例3.1 选学校说到这里，咱们不妨举个例子，比如说你想给孩子选个学校。

光看排名可不够，你还得考虑学校的师资力量、校园环境、课外活动、家长评价等等。

这时候，模糊综合评价法就像是你的一个小助手，帮你把这些看似杂乱无章的信息整理成一张清晰的图。

你可以给每个学校的这些指标打分，最终找出一个最适合你孩子的学校。

3.2 企业评估再比如，在企业管理中，模糊综合评价法也大显身手。