数学建模案例分析---模糊数学方法建模1模糊综合评判及其应用
- 格式:doc
- 大小:352.00 KB
- 文档页数:7
第八章 模糊数学方法建模1965年,美国自动控制学家首先提出了用“模糊集合”描述模糊事物的数学模型。
它的理论和方法从上个世纪七十年代开始受到重视并得到迅速发展,特别是愈来愈广泛地应用于解决生产实际问题。
模糊数学的理论和方法解决了许多经典数学和统计数学难以解决的问题,这里,我们通过几个例子介绍模糊综合评判、模糊模式识别、模糊聚类、模糊控制等最常用方法的应用。
而相应的理论和算法这里不作详细介绍,请参阅有关的书籍。
§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 =。
模糊综合评判的数学模型例1服装评判问题1考虑因素. 花色样式、耐穿程度和价格费用这3种因素. 用数学符号表示为1u =花色样式, 2u =耐穿程度, 3u =价格费用将所有考虑的因素放在一起称为因素集, 记作U . 这样该问题的因素集就是123{,,}U u u u =2 引入评价集假设对本问题的评价分为四等: 很欢迎、比较欢迎、不太欢迎和不欢迎. 用符号表示为1v =很欢迎, 比较欢迎, 2v =3v =不太欢迎, 4v =不欢迎将这些评价(或决断)放在一起称为决断集或评判集, 记作V . 这时的决断集为1234{,,,}V v v v v =3 进行单因素评价.1(0.70.20.10)u 6, ,2(0.20.40.30.1)u 63(0.10.30.40.2)u 64 作出单因素评判矩阵0.70.20.100.20.40.30.10.10.30.40.2⎛⎞⎜⎟=⎜⎟⎜⎟⎝⎠R三元组构成一个综合评判模型(综合决策模型). (,,)U V R 假设某位顾客对该服装诸因素考虑的权重为()0.50.30.2A =问应作出何种综合性决断?5 运算()(0.70.20.100.50.30.20.20.40.30.10.50.30.30.20.10.30.40.2B A ⎛⎞⎜⎟===⎜⎟⎜⎟⎝⎠R D D )6 决策(或判断)练习1 教师教学质量评价 假设影响教师教学质量的因素为:1u =清楚易懂, 教材熟练, 2u =3u =生动有趣, 4u =板书清楚即因素集取为.1234{,,,}U u u u u =评价集取为, 其中1234{,,,}V v v v v =1v =很好, 2v =较好, 3v =一般, 不好. 4v =对某教师, 进行调查问卷, 得到如下的单因素评判矩阵:123412340.40.50.100.60.30.100.10.20.60.10.10.20.50.2v v v v u u u u ⎛⎞⎜⎟⎜⎟=⎜⎟⎜⎟⎝⎠R (1) 解释评价矩阵各行的含义?(2) 假设对诸因素的权重分配为()0.50.20.20.1A =, 按最大隶属原则给出该教师的质量认定.进一步的思考:1 综合决策与综合评判是一回事吗?2 影响结果的环节有哪些?(1) 首先要确定(,, 这是前提. ,)U V R (2) 要明确合成运算“”的含义. D (a) “”取为“∨−”(主因素决定型)D ∧(b) “D ”取为“”或“”(主因素突出型) ∨−⋅⊕−∧(c) “”取为 “⊕−”(加权平均型)D ⋅练习2 利用(b)和(c)取作的合成运算, 给出上述练习1的解答. (3) 决策依据的原则3 如果评价对象的因素很多, 而且因素之间有层次之分, 怎么办?例2 评价一批产品质量, 因素集分为九项指标, 即129{,,,}U u u u =". 评价分为四等:1v =一等品, 2v =二等品, 3v =次品, 4v =废品即. 评价小组由专家、检验人员和用户三类组成, 他们分别从不同着眼点进行评价, 分别得出单因素评判矩阵, 具体如下:1234{,,,}V v v v v =123411230.360.240.130.270.200.320.250.230.400.220.260.12v v v v u u u ⎛⎞⎜⎟=⎜⎟⎜⎟⎝⎠R 123442560.300.280.240.180.260.360.120.200.220.420.160.10v v v v u u u ⎛⎞⎜⎟=⎜⎟⎜⎟⎝⎠R123473890.380.240.080.200.340.250.300.110.240.280.300.18v v v v u u u ⎛⎞⎜⎟=⎜⎟⎜⎟⎝⎠R 假定确定的权数分配为()0.100.120.070.070.160.100.100.100.18A =则计算出的决策向量为()0.180.180.180.18B A ==R D这时无法决策!建立二级综合评判模型来解决上述问题.假定按某种属性, 将U 分为, 1123{,,}U u u u =2456{,,}U u u u =, 3789{,,}U u u u =, 它们所对应的单因素评价矩阵分别为, 和. 设, 和各自对应的权重分配为1R 2R 3R 1U 2U 3U ()10.300.420.28A =, ()20.200.500.30A =, ()30.300.300.40A =于是便有()1110.300.320.260.27B A ==R D ()2220.260.360.200.20B A ==R D ()3330.300.280.300.20B A ==R D令1230.300.320.260.270.260.360.200.200.300.280.300.20B B B ⎛⎞⎛⎜⎟⎜==⎜⎟⎜⎜⎟⎜⎝⎠⎝R ⎞⎟⎟⎟⎠若123{,,}U U U =U 的权重分配为()0.200.350.45A =, 则()0.300.350.300.20B A ==R D根据最大隶属原则将这批产品评定为二等品.4 在综合评判中需要知道权重, 如何确定权重?综合决策的正问题 对给定权重A , 应如何作出综合性的决断? 答案是: 综合决断为B A =R D .求权重, 可以看作是综合决策的逆问题, 即已知综合决断B , 问决断B 所赖以产生的因素权重A 是什么?5 综合评价的理论基础。
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。
模糊综合评价模型[编辑]什么是模糊综合评价模型?模糊综合评价方法是模糊数学中应用的比较广泛的一种方法。
在对某一事务进行评价时常会遇到这样一类问题,由于评价事务是由多方面的因素所决定的,因而要对每一因素进行评价;在每一因素作出一个单独评语的基础上,如何考虑所有因素而作出一个综合评语,这就是一个综合评价问题。
[编辑]模糊评价的基本思想许多事情的边界并不十分明显,评价时很难将其归于某个类别,于是我们先对单个因素进行评价,然后对所有因素进行综合模糊评价,防止遗漏任何统计信息和信息的中途损失,这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题。
[编辑]模糊综合评价模型类别[1][编辑]模糊评价基本模型设评判对象为P: 其因素集 ,评判等级集。
对U中每一因素根据评判集中的等级指标进行模糊评判,得到评判矩阵:(1)其中,rij表示u i关于v j的隶属程度。
(U,V,R)则构成了一个模糊综合评判模型。
确定各因素重要性指标(也称权数)后,记为,满足,合成得(2)经归一化后,得 ,于是可确定对象P的评判等级。
[编辑]置信度模糊评价模型(1) 置信度的确定。
在(U,V,R)模型中,R中的元素rij是由评判者“打分”确定的。
例如k 个评判者,要求每个评判者uj对照作一次判断,统计得分和归一化后产生, 且 , 组成R0。
其中既代表uj关于v j的“隶属程度”,也反映了评判u j为v j的集中程度。
数值为1 ,说明u j为v j是可信的,数值为零为忽略。
因此,反映这种集中程度的量称为“置信度”。
对于权系数的确定也存在一个信度问题。
在用层次分析法确定了各个专家对指标评估所得的权重后,作关于权系数的等级划分,由此决定其结果的信度。
当取N个等级时,其量化后对应于[0,l]区间上N次平分。
例如,N取5,则依次得到[0,0.2],[0.2,0.4],[0.2,0.6],[0.6,0.8],[0.8,l]。
对某j个指标,取遍k个专家对该指标评估所得的权重,得。
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。
模糊综合评价法数学建模模糊综合评价法,这可不是简单的加减乘除,而是数学里的一门高深学问。
想象一下,你面前摆满了各种水果,有苹果、香蕉、橙子、草莓……每种水果都有甜的、酸的、脆的、软的,口感各不相同。
现在,要你给这些水果打分,你觉得应该怎么打?直接按大小排序?或者根据颜色和形状来定?没错,这就是模糊综合评价法的精髓所在。
它就像是我们用来衡量事物的一把尺子,不是简单的“是”或“否”,而是更接近于“差不多”或“有点意思”。
就像你在选衣服,不是非得挑出一件完美的,而是要在几件中找出最适合自己的那一件。
比如说,你有个朋友,工作能力强,但有时候会有点马虎。
这时候,你就需要通过模糊综合评价法来判断他的整体表现。
你不能说他“好”或“坏”,因为“好”和“坏”都是很绝对的概念,而模糊综合评价法就是要找到那种“差不多”的感觉。
举个例子,如果一个项目需要多个部门共同完成,每个部门都有自己的强项和弱点。
这时,你可以用模糊综合评价法来评估整个项目的进度和质量。
你不能简单地说这个项目“成功”或“失败”,因为“成功”和“失败”也是太绝对了。
你需要找到一个中间值,比如“基本满意”、“有待提高”之类的。
如何运用模糊综合评价法呢?简单来说,就是先确定评价标准,然后根据各个因素的重要性,给每个因素打分,最后再把这些分数加起来,得到一个整体的评价结果。
听起来是不是有点像做数学题?不过别担心,数学模型在这里只是一个工具,真正重要的是你的判断力和经验。
举个例子,如果你要给一个新产品的市场潜力打分,你会考虑哪些因素呢?是它的价格、性能、品牌还是消费者口碑?这些因素都很重要,但它们的重要性可能会有所不同。
这时候,你就可以用模糊综合评价法来帮你们决定。
模糊综合评价法就像是一把尺子,帮你找到那个“差不多”的点。
它不是简单的“是”或“否”,而是更接近于“差不多”或“有点意思”。
这样,你就能在复杂的世界中,做出更明智、更贴近实际的选择。
第八章 模糊数学方法建模1965年,美国自动控制学家首先提出了用“模糊集合”描述模糊事物的数学模型。
它的理论和方法从上个世纪七十年代开始受到重视并得到迅速发展,特别是愈来愈广泛地应用于解决生产实际问题。
模糊数学的理论和方法解决了许多经典数学和统计数学难以解决的问题,这里,我们通过几个例子介绍模糊综合评判、模糊模式识别、模糊聚类、模糊控制等最常用方法的应用。
而相应的理论和算法这里不作详细介绍,请参阅有关的书籍。
§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 rV 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 r r r r r r r R 212222111211~ (4)确定权重。
由于对U 中各因素有不同的侧重,需要对每个因素赋予不同的权重,它可表示为U 上的一个模糊子集},,,{21~n a a a A =,并且规定∑==ni ia11。
(5)综合评判。
在~R 与~A 求出之后,则综合评判为~~~R A B =,记},,,{21~m b b b B =,它是V上的模糊子集。
其中),,2,1()(1m j r a b ij i ni j =∧∨==如果评判结果∑=≠mj jb11,应将它归一化。
在模糊综合评判的上述步骤中,建立单因素评判矩阵~R 和确定权重分配~A ,是两项关键性的工作,没有统一的格式可以遵循,一般采用统计实验或专家评分等方法求出。
二、应用实例例1 对教师教学质量的综合评判。
设因素集 },,,,{54321u u u u u U =这里1u 为教材熟练,2u 为逻辑性强,3u 为启发性强,4u 为语言生动,5u 为板书整齐。
设评价集 },,,{4321V V V V V =这里1V 为很好,2V 为较好,3V 为一般,4V 为不好。
通过调查统计得出对某教师讲课各因素的评语比例如下:⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=1.01.05.03.01.01.04.04.01.02.04.03.001.04.05.01.02.025.045.0~R假定确定权重分配为 )1.0,2.0,2.0,2.0,3.0(~=A 得出综合评判如下 )1.0,2.0,25.0,3.0(~~~==R A B对结果进行归一化 )12.0,24.0,29.0,35.0(85.01.0,85.02.0,85.025.0,85.03.0~=⎪⎭⎫⎝⎛=B 评判结果表明,对该教师的课堂教学认为“很好”的占35%,“较好”的占29%,“一般”的占24%,“不好”的占12%,根据最大隶属原则,结论是“很好”。
例2 评判某地区是否适宜种植橡胶。
给定三个对橡胶生长影响较大的气候因素作为因素集,即},,{321u u u U =。
这里1u 为年平均气温,2u 为年极端最低气温,3u 为年平均风速。
再给定评价集},,,{4321V V V V V =,这里1V 为很适宜,2V 为较适宜,3V 为适宜,4V 为不适宜。
根据历年的资料和经验,选定类似戒上型的隶属函数,即对于年平均气温1u⎪⎩⎪⎨⎧<≤-+≥=230,)23(1123,1)(1211111u u a u u μ其中1a 为参数,一般取0625.01=a 。
对于年极端最低温度2u⎪⎩⎪⎨⎧<≤--+≥=84,)8(118,1)(2222222u u a u u μ其中2a 为参数,一般取0833.02=a 。
对于年平均风速3u⎪⎩⎪⎨⎧>-+≤=1,)1(111,1)(3233333u u a u u μ其中2a 为参数,一般取82/8.03=a 。
将某地区自1960年至1978年间每年对三个气候因素实测的数据,分别代入上面三个隶属函对隶属度的大小给予分类,即规定(1)当9.0≥μ时,为“很适宜”; (2)当8.09.0≥>μ时,为“较适宜”; (3)当7.08.0≥>μ时,为“适宜”;(4)当7.0<μ时,为“不适宜”。
以单因素1u 为例,该地区在19年中“很适宜”的年份有8年,占总数的42%,“较适宜”的年份有11年,占58%,其他两种均无,占0%,于是得到对1u 而言V 上的模糊集 )0,0,58.0,42.0(0058.042.04321~1=+++=V V V V u 同理可得相对其它两个因素的模糊集)74.0,26.0,0,0(~2=u ,)63.0,26.0,11.0,0(~3=u 。
从而建立了单因素评判矩阵⎪⎪⎪⎭⎫ ⎝⎛=63.026.011.0074.026.0000058.042.0~R 根据三个气候因素的作用,给定权重分配为)01.0,80.0,19.0(~=A得出综合评判如下 )74.0,26.0,19.0,19.0(~~~==R A B对结果进行归一化 )53.0,19.0,14.0,14.0(~=B根据最大隶属原则,结论是判定该地区种植橡胶为“不适宜”。
例3 污水处理厂运行管理效果的综合评判。
为了评价污水处理厂经营管理的优劣,给定5个评判因素},,,,{54321u u u u u U =。
这里1u 为每天处理污水量(千吨/日),2u 为五日生化需氧量BOD5去除率(百分比),3u 为浮物SS 去除率(百分比),4u 为气水比(处理一吨污水消耗的空气量)(立方米/吨),5u 为单耗(用去一公斤BOD5所耗电的度数)。
给出评价集},,,,{54321V V V V V V =。
这里1V 为很好,2V 为好,3V 为中等,4V 为差,5V 为很差。
根据实际情况进行定级,以1u 为例,当181>u 时,定为“很好”;17181>≥u 时定为“好”对某污水处理厂多年运行的大量实测数据经技术处理后,按每一旬得出各因素的平均值,见下表。
根据上表建立单因素评判矩阵~R ,例如对因素4u 而言,总共36次统计中它属于1V 的次数为10,占总数的28%,因而28.041=r ,其余类似可求,于是得到⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛=10.006.014.020.050.0006.017.050.028.003.014.011.028.044.0008.008.020.064.036.019.025.014.006.0~R这是根据以往数据建立的评判矩阵,对今后每旬的运行效果的评价,还须求出权重分配~A ,各个因素对~A 的隶属度,用如下隶属函数公式计算:(1)1u 对~A 的隶属函数⎪⎪⎪⎩⎪⎪⎪⎨⎧≤≤<-≤<-->=15,05.1615,)15(92185.16,)18(92118,1)(1121121111u u u u u u u μ(2)2u 对~A 的隶属函数 ⎪⎪⎪⎩⎪⎪⎪⎨⎧≤≤<⎪⎭⎫ ⎝⎛-≤<⎪⎭⎫⎝⎛-->=80,05.8680,13802935.86,13932193,1)(2222222222u u u u u u u μ (3)3u 对~A 的隶属函数 ⎪⎪⎪⎩⎪⎪⎪⎨⎧≤≤<⎪⎭⎫ ⎝⎛-≤<⎪⎭⎫ ⎝⎛-->=80,05.8680,13802935.86,13932193,1)(3323323333u u u u u u u μ (4)4u 对~A 的隶属函数 ⎪⎪⎪⎩⎪⎪⎪⎨⎧>≤<⎪⎭⎫ ⎝⎛-≤<⎪⎭⎫⎝⎛--≤=10,0105.8,31025.87,37217,1)(4424424444u u u u u u u μ (5)5u 对~A 的隶属函数 ⎪⎪⎪⎩⎪⎪⎪⎨⎧>≤<⎪⎭⎫ ⎝⎛-≤<⎪⎭⎫ ⎝⎛--≤=2.1,02.105.1,3.02.1205.19.0,3.09.0219.0,1)(5525525555u u u u u u u μ 于是权重分配确定为))(,)(,)(,)(,)((5544332211~u u u u u A μμμμμ=。
根据~~~R A B =,即可得出当前运行效果的综合评判。
例如该厂某月上旬的各项因素平均数据为:1u =,2u =%,3u =%,4u =,5u =,将它们分别带入上面五个隶属函数公式,即可求出)0,68.0,1,1,0(~=A 。
从而求出)03.0,14.0,17.0,50.0,64.0(~~~==R A B ,归一化后得)02.0,09.0,11.0,34.0,43.0(~=B 。
根据最大隶属原则,结论是运行管理效果“很好”。
若该月中旬得到的综合评判为)12.0,09.0,13.0,26.0,33.0(~=B ,虽然也评为“很好”,但与上旬相比,隶属于“很好”的程度低于上旬,因而可以认为上旬的经营管理比中旬好。