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: 确定X上的一个模糊集合A,
记作 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 | |
序偶表示法 | |
向量表示法 |
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
。如学生的各科成绩
- 评语集(V):定义评价等级,例如
,如 {优, 良, 中, 差}。
2.确定权重向量
权重向量 反映各指标的相对重要性,需满足 (
)。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,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
:
其中表示指标
对评语
的隶属度,满足
。
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 ):
其中 。(太复杂了一般就是矩阵乘法运算
)
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,则评价结果属于评语
。
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