模糊综合评价.docx

---------------------------------作者:_____________-----------------------------日期::_____________模糊综合评价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、:设与被评价事物相关的因素有个,记为,称之为因素集。又设所有可能出现的评语有个,记为,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。:(1)确定因素集。(2)确定评判集。(3)进行单因素评判得。(4)构造综合评判矩阵:(5)综合评判:对于权重,计算,并根据最大隶属度原则作出评判。,根据算子的不同定义,可以得到不同的模型。1)模型——主因素决定型运算法则为。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——主因素突出型运算法则为。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——加权平均型运算法则为。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——取小上界和型运算法则为。使用该模型时,需要注意的是:各个不能取得偏大,否则可能出现均等于1的情形;各个也不能取得太小,否则可能出现均等于各个之和的情形,这将使单因素评判的有关信息丢失。5)模型——均衡平均型运算法则为,其中。该模型适用于综合评判矩阵中的元素偏大或偏小时的情景。,为此建立因素集,其中表示花色,表示式样,表示耐穿程度,表示价格。建立评判集,其中表示很欢迎,表示较欢迎,表示不太欢迎,表示不欢迎。进行单因素评判的结果如下:,,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,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:functionExample1A1=[];A2=[];R=[;;;];fuzzy_zhpj(1,A1,R)fuzzy_zhpj(1,A2,R)end%%function[B]=fuzzy_zhpj(model,A,R)%模糊综合评判B=[];[m,s1]=size(A);[s2,n]=size(R);if(s1~=s2)disp('A的列不等于R的行');elseif(model==1)%主因素决定型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=0;if(A(i,k)<R(k,j))x=A(i,k);elsex=R(k,j);endif(B(i,j)<x)B(i,j)=x;endendendendelseif(model==2)%主因素突出型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=A(i,k)*R(k,j);if(B(i,j)<x)B(i,j)=x;endendendendelseif(model==3)%加权平均型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)B(i,j)=B(i,j)+A(i,k)*R(k,j);endendendelseif(model==4)%取小上界和型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=0;x=min(A(i,k),R(k,j));B(i,j)=B(i,j)+x;endB(i,j)=min(B(i,j),1);endendelseif(model==5)%均衡平均型C=[];C=sum(R);for(j=1:n)for(i=1:s2)R(i,j)=R(i,j)/C(j);endendfor(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=0;x=min(A(i,k),R(k,j));B(i,j)=B(i,j)+x;endendendelsedisp('模型赋值不当');endendend程序输出结果如下:ans=.