当前位置: 首页 > java >正文

数学建模——模糊综合评价

1.概念

1.1模糊数学

模糊数学(Fuzzy Mathematics) 是由美国控制论专家 扎德(L. A. Zadeh) 于1965年提出的一套处理 模糊性(不精确性) 的数学理论。它扩展了传统集合论(经典集合)的“非此即彼”的二值逻辑,允许元素以 隶属度(Membership Degree) 的形式部分属于某个集合,从而更贴近人类思维和现实世界的复杂性。 

很多概念在生活中并不是确定的,比如身高的高还是低,成绩好还是坏,这就是模糊性概念

经典集合模糊集合
特点

非此即彼

可以亦此亦彼
举例

比如成绩及格线是60,那么分数比60低就是不及格,

不存在一个分数即及格又不及格

隶属函数:\mu _{A}:X\rightarrow \left [ 0,1 \right ]

确定X上的一个模糊集合A,\mu _{A}叫做A的隶属函数

\mu _{A}\left ( x \right )叫做x对模糊集A的隶属度

记作A=\left \{ \left ( x,\mu _{A}\left ( x \right ) \right ) |x\in X \right \}

其中隶属度0.5最具有模糊性,隶属度就是元素属于某个模糊集合的程度

隶属函数不唯一

模糊集合表示方式

表示法
zadeh记号法A = \sum_{i=1}^{n} \frac{\mu_A(x_{i})}{x_{i}},A= \int _{x\in X}\frac{\mu _{A}\left ( x \right )}{x}注:积分/求和符号仅为记号,无实际运算意义。
序偶表示法A = \left \{ \left ( x_{1},\mu _{A}\left (x_{1} \right ) \right ),\left ( x_{2},\mu _{A}\left (x_{2} \right ) \right ),...,\left ( x_{n},\mu _{A}\left (x_{n} \right ) \right ) \right \}
向量表示法A=\left ( \mu _{A}\left (x_{1} \right ),\mu _{A}\left (x_{2} \right ),...,\mu _{A}\left (x_{n} \right )\right )

模糊集合分类

偏小型比如年轻就是偏小型,岁数越小隶属度越大
中间型比如中年就是中间型,岁数在中间某个范围内隶属度越大
偏大型比如年老就是偏大型,岁数越大隶属度越大

隶属函数的确定方法

模糊统计法发问卷,找多个人对同一个模糊概念描述,用隶属频率定义隶属度,符合实际但耗时
借助客观尺度用已有的指标作为元素的隶属度
指派法直接根据分类指派一个隶属函数,主观但是常用(矩阵,梯形,k次抛物线,Γ型,正态型,柯西型等)

看起来比较复杂,但是说白了就是计算一个隶属度,用原始值套隶属函数

1.2评价问题概述

在模糊综合评价中有三个集合

  • 因素集 U={u1​,u2​,...,un​}

  • 评价集 V={v1​,v2​,...,vn​}

  • 权重集 A={a1​,a2​,...,an}

就是要把论域中的对象对应评语集合里面的一条评语

就是算隶属度,看评价中谁的隶属度最高,最高的就是这个因素的评语

1.3*一级模糊综合评价模型

 1.构建因素集与评语集

  • 因素集(U):包含所有评价指标,例如( U = {u_1, u_2, \dots, u_n} )。如学生的各科成绩
  • 评语集(V):定义评价等级,例如( V = {v_1, v_2, \dots, v_m} ),如 {优, 良, 中, 差}。

2.确定权重向量


权重向量( A = (a_1, a_2, \dots, a_n) ) 反映各指标的相对重要性,需满足 ( \sum_{i=1}^n a_i = 1)。权重可通过层次分析法(AHP)或熵权法确定。 

3.建立隶属度矩阵(模糊综合判断矩阵)


对每个指标( u_i ),通过专家打分或数据统计代公式得到其隶属于各评语的隶属度,形成矩阵( R )

 

其中( r_{ij} )表示指标 ( u_i )对评语( v_j )的隶属度,满足 ( \sum_{j=1}^m r_{ij} = 1 )

 

4.模糊合成运算


采用加权平均型算子(常用模型)计算综合评价结果 ( B ):
[ B = A \circ R = (b_1, b_2, \dots, b_m) ]
其中 ( b_j = \min\left(1, \sum_{i=1}^n a_i r_{ij}\right) )。(太复杂了一般就是矩阵乘法运算B = A \circ R =A\cdot R

 

5.结果分析


根据最大隶属度原则或加权平均法确定最终评价等级。例如,若( b_k = \max(b_1, b_2, \dots, b_m) ),则评价结果属于评语( v_k )

1.4多层次模糊综合评价模型

1.给出被评价对象集合

2.确定指标体系(因素集合),如果因素过多往往按照某些属性分成s个子集,每个子集都有一定的元素(指标),且满足条件

每个子集元素个数等于总的元素个数
子集元素取并集应该是所有元素
子集没有重叠

3.确定评语集合

4.算评价矩阵

5.对于每一个Ui分别作出综合决策,在这个小范围内做模糊合成运算,得到一级评价向量

6.再将Ui看成一个元素再分配权重做模糊合成运算,得到二级评价向量,以此类推

http://www.xdnf.cn/news/16470.html

相关文章:

  • 【C语言网络编程基础】TCP 服务器详解
  • java8+springboot2.5.4环境Markdwon转word
  • SecureCRT连接密钥交换失败
  • Sql server开挂的OPENJSON
  • fchdir系统调用及示例
  • Git+宝塔面板部署Hugo博客
  • CodeBLEU:面向代码合成的多维度自动评估指标——原理、演进与开源实践
  • 三色标记法
  • Spring经典“送命题”:BeanFactory vs FactoryBean
  • GPT 生成一个打字练习页面
  • 基于LNMP架构的分布式个人博客搭建
  • Mysql中的索引详解
  • 浅谈智能体经济(上篇)——人机共生、生态自治的未来经济形态
  • JavaScript单线程实现异步
  • 「iOS」————MRC
  • Python爬虫实战:研究netaddr库相关技术构建IP地址信息采集分析系统
  • 【NLP实践】三、LLM搭建中文知识库:提供RestfulAPI服务
  • 解决GoLand运行go程序报错:Error: Cannot find package xxx 问题
  • 3.JDK+JRE组件构成与协作
  • Qt 窗口 工具栏QToolBar、状态栏StatusBar
  • Baumer工业相机堡盟工业相机如何通过YoloV8深度学习模型实现标签条码一维码的检测(C#代码,UI界面版)
  • 基于Django的天气数据可视化分析预测系统
  • 背包DP之多重背包
  • python 阿里云 安装 dashscope的简介、安装
  • 【数据结构与算法】数据结构初阶:详解排序(二)——交换排序中的快速排序
  • 算法竞赛阶段二-数据结构(36)数据结构双向链表模拟实现
  • bash的特性-bash中的引号
  • 力扣131:分割回文串
  • 智能化设备健康管理:中讯烛龙预测性维护系统引领行业变革
  • 零基础,如何入手学习SAP?