模糊综合评价.doc

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得好坏就作出判断,而应该依据多种因素进行综合评判,如技术方案得选择、经济发展得比较等、模糊综合评判可有效地对受多种因素影响得事物作出全面评价、2、1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得因素有个,记为,称之为因素集。又设所有可能出现得评语有个,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、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。(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。2、算子得定义在进行综合评判时,根据算子得不同定义,可以得到不同得模型。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得那个因素,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得情形。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,也兼顾了其她因素,比较适用于模型I失效,即不可区别而需要加细时得情形。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,比较适用于要求总与最大得情形。4)模型——取小上界与型运算法则为。使用该模型时,需要注意得就是:各个不能取得偏大,否则可能出现均等于1得情形;各个也不能取得太小,否则可能出现均等于各个之与得情形,这将使单因素评判得有关信息丢失。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得元素偏大或偏小时得情景。2、2案例分析例1考虑一个服装评判得问题,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。进行单因素评判得结果如下:,,设有两类顾客,她们根据自己得喜好对各因素所分配得权重分别为,试分析这两类顾客对此服装得喜好程度。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=[0、10、20、30、4];A2=[0、40、350、150、1];R=[0、20、50、20、1;0、70、20、10;00、40、50、1;0、20、30、50];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得列不等于R得行');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)%取小上界与型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=0、20000、30000、40000、1000ans=0、35000、40000、20000、1000例2某校规定,在对一位教师得评价中,若“好”与“较好”占50%以上,可晋升为教授。教授分教学型教授与科研型教授,在评价指标上