下载文档原格式
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。
