![模糊綜合評(píng)價(jià)_第1頁](http://file2.renrendoc.com/fileroot_temp3/2021-8/13/45d800ae-cfa4-413a-b6af-b76e7d0b73a4/45d800ae-cfa4-413a-b6af-b76e7d0b73a41.gif)
![模糊綜合評(píng)價(jià)_第2頁](http://file2.renrendoc.com/fileroot_temp3/2021-8/13/45d800ae-cfa4-413a-b6af-b76e7d0b73a4/45d800ae-cfa4-413a-b6af-b76e7d0b73a42.gif)
![模糊綜合評(píng)價(jià)_第3頁](http://file2.renrendoc.com/fileroot_temp3/2021-8/13/45d800ae-cfa4-413a-b6af-b76e7d0b73a4/45d800ae-cfa4-413a-b6af-b76e7d0b73a43.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、2 模糊綜合評(píng)價(jià)在對(duì)許多事物進(jìn)行客觀評(píng)判時(shí),其評(píng)判因素往往很多,我們不能只根據(jù)某一個(gè)指標(biāo)的 好壞就作出判斷,而應(yīng)該依據(jù)多種因素進(jìn)行綜合評(píng)判,如技術(shù)方案的選擇、經(jīng)濟(jì)發(fā)展的 比較等. 模糊綜合評(píng)判可有效地對(duì)受多種因素影響的事物作出全面評(píng)價(jià) .2.1 理論介紹模糊綜合評(píng)判通常包括以下三個(gè)方面:設(shè)與被評(píng)價(jià)事物相關(guān)的因素有 n 個(gè),記為U u1,u2,L ,un ,稱之為因素集。又設(shè)所有可能出現(xiàn)的評(píng)語有m 個(gè),記為V v1,v2 ,L ,vm ,稱之為評(píng)判集。由于各種因素所處地位不同,作用也不一樣,通???慮用權(quán)重來衡量,記為 A a1,a2,L ,an 。1. 評(píng)判步驟進(jìn)行模糊綜合評(píng)判通常按以下步驟進(jìn)
2、行:(1) 確定因素集 U u1,u2,L ,un 。(2) 確定評(píng)判集 V v1,v2,L ,vm 。(3) 進(jìn)行單因素評(píng)判得 ri ri1,ri2,L ,rim 。(4) 構(gòu)造綜合評(píng)判矩陣:(5) 綜合評(píng)判:對(duì)于權(quán)重 A a1,a2,L ,an ,計(jì)算 B A oR ,并根據(jù)最大隸屬度原 則作出評(píng)判。2. 算子o的定義在進(jìn)行綜合評(píng)判時(shí),根據(jù)算子o的不同定義,可以得到不同的模型。1) 模型 I:M ( , ) 主因素決定型運(yùn)算法則為 bj max( ai rij ),i 1,2,L ,n (j 1,2,L ,m) 。該模型評(píng)判結(jié)果只取決 于在總評(píng)判中起主要作用的那個(gè)因素,其余因素均不影響評(píng)判
3、結(jié)果,比較適用于單項(xiàng)評(píng) 判最優(yōu)就能認(rèn)為綜合評(píng)判最優(yōu)的情形。2) 模型 II:M (g, ) 主因素突出型運(yùn)算法則為 bj max( ai grij ), i 1,2,L ,n (j 1,2,L ,m) 。該模型與模型 I 比較接 近,但比模型 I 更精細(xì)些,不僅突出了主要因素,也兼顧了其他因素,比較適用于模型 I 失效,即不可區(qū)別而需要加細(xì)時(shí)的情形。3) 模型 III:M (g, )加權(quán)平均型運(yùn)算法則為bjaig-j (j 1,2丄,m)。該模型依權(quán)重大小對(duì)所有因素均衡兼顧,比i 1 較適用于要求總和最大的情形。4) 模型IV: M(,)取小上界和型n運(yùn)算法則為bj min 1, (ai ri
4、j) (j 1,2,L , m)。使用該模型時(shí),需要注意的是:i 1各個(gè)ai不能取得偏大,否則可能出現(xiàn)bj均等于1的情形;各個(gè)ai也不能取得太小,否則 可能出現(xiàn)bj均等于各個(gè)ai之和的情形,這將使單因素評(píng)判的有關(guān)信息丟失。5) 模型V: M (,)均衡平均型n -n運(yùn)算法則為bj(ai) (j 1,2,L ,m),其中r%。該模型適用于綜合評(píng)判i 1-ok 1矩陣R中的元素偏大或偏小時(shí)的情景。2.2 案例分析例1考慮一個(gè)服裝評(píng)判的問題,為此建立因素集UU1,U2,U3,U4,其中U1表示花色,U2表示式樣,U3表示耐穿程度,U4表示價(jià)格。建立評(píng)判集VV1 ,V2,V3,V4,其中V1表示很歡迎
5、,V2表示較歡迎,V3表示不太歡迎,V4表示不歡迎。進(jìn)行單因素評(píng)判的結(jié)果 如下:U1 a r1(020.5,020.1),U2 a r? (0.7,0.2,0.1,0)U3 a r3(0,0.4,0.5,0.1) , U4 a a (0.2,0.3,0.5,0)設(shè)有兩類顧客,他們根據(jù)自己的喜好對(duì)各因素所分配的權(quán)重分別為A,(0.1,0.2,0.3,0.4) ,A2(0.4,0.35,0.15,0.1)試分析這兩類顧客對(duì)此服裝的喜好程度。分析由單因素評(píng)判構(gòu)造綜合評(píng)判矩陣:用模型M(,)計(jì)算綜合評(píng)判為根據(jù)最大隸屬度原則知,第一類顧客對(duì)此服裝不太歡迎,第二類顧客對(duì)此服裝則比 較歡迎。程序源碼:fun
6、 cti onExample 1A1=0.1 0.2 0.3 0.4;A2=0.4 0.35 0.15 0.1;R=0.2 0.5 0.2 0.1;0.7 0.2 0.1 0;0 0.4 0.5 0.1;0.2 0.3 0.5 0;fuzzy_zhpj(1,A1,R)fuzzy_zhpj(1,A2,R)end%模糊綜合評(píng)判%主因素決定型function B=fuzzy_zhpj(model,A,R)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)for (i=1:m)for (j=1:n)B
7、(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)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)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);endende
8、ndelseif (model=4)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;%主因素突出型%加權(quán)平均型%取小上界和型B(i,j)=min(B(i,j),1);endend%均衡平均型elseif (model=5)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(
9、i,j)=B(i,j)+x;endendendelsedisp( 模型賦值不當(dāng) );endendend程序輸出結(jié)果如下:ans=0.2000 0.3000 0.4000 0.1000ans二0.3500 0.4000 0.2000 0.1000例2某校規(guī)定,在對(duì)一位教師的評(píng)價(jià)中,若“好”與“較好”占50%上,可晉升為教授。教授分教學(xué)型教授和科研型教授,在評(píng)價(jià)指標(biāo)上給出不同的權(quán)重,分別為A (0.2,0.5,0.1,0.2),A (0.2,0.1,0.5,0.2)。學(xué)科評(píng)議組由7人組成,對(duì)該教師的評(píng)價(jià) 見表1,請(qǐng)判別該教師能否晉升,可晉升為哪一級(jí)教授。表1對(duì)該教師的評(píng)價(jià)好較好一般較差差政治表現(xiàn)4
10、2100教學(xué)水平61000科研能力00511外語水平22111分析將評(píng)議組7人對(duì)每一項(xiàng)的投票按百分比轉(zhuǎn)化為成隸屬度得綜合評(píng)判矩陣:按模型M(,)針對(duì)倆個(gè)權(quán)重分別計(jì)算得由于要計(jì)算百分比,需要將上述評(píng)判結(jié)果進(jìn)一步歸一化為如下:顯然,對(duì)第一類權(quán)重“好”與“較好”占50%上,故該教師可晉升為教學(xué)型教授,程序與例1相同。輸入及結(jié)果:% 俞入評(píng)價(jià)指標(biāo)權(quán)重矩陣和綜合評(píng)判矩陣A1=0.2 0.5 0.1 0.2;A2=0.2 0.1 0.5 0.2;R=0.57 0.29 0.14 00;0.86 0.14 000;000.71 0.14 0.140.29 0.29 0.14 0.14 0.14 ;fuzzy
11、_zhpj(1,A1,R)fuzzy_zhpj(1,A2,R)程序輸出結(jié)果如下:ans=0.5000 0.2000 0.1400 0.1400 0.1400ans二0.2000 0.2000 0.5000 0.1400 0.1400例3某產(chǎn)糧區(qū)進(jìn)行耕作制度改革,制定了甲、已、丙三個(gè)方案見表2,以表3作為評(píng)價(jià)指標(biāo),5個(gè)因素權(quán)重定為(5,0.3,0.25),請(qǐng)確定應(yīng)該選擇哪一個(gè)方案。表2 三個(gè)方案萬案畝產(chǎn)量(kg/畝)產(chǎn)品質(zhì)量畝用工量畝純收入/元生態(tài)影響甲592.5355725乙5292381053丙412132852表3 5個(gè)評(píng)價(jià)標(biāo)準(zhǔn)分?jǐn)?shù)畝產(chǎn)量產(chǎn)品質(zhì)量畝用工量畝純收入生態(tài)影響5550600113
12、0145005502203011013023450500330409011032400450440507090413504005506050705060506分析根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)建立各指標(biāo)的隸屬函數(shù)如下畝產(chǎn)量的隸屬函數(shù):產(chǎn)品質(zhì)量的隸屬函數(shù):畝用工量的隸屬函數(shù):畝純收入的隸屬函數(shù):對(duì)生態(tài)影響的隸屬函數(shù):將表2三個(gè)方案中數(shù)據(jù)帶入相應(yīng)隸屬函數(shù)算出隸屬度,從而得到綜合評(píng)判距陣: 根據(jù)所給權(quán)重按加權(quán)平均型計(jì)算得根據(jù)最大隸屬度原則,0.662最大,所對(duì)應(yīng)的是乙方案,故應(yīng)選擇乙方案。程序同例1.輸入及結(jié)果:%輸入評(píng)價(jià)指標(biāo)權(quán)重矩陣和綜合評(píng)判距陣A=0.2 0.1 0.15 0.3 0.25;R=0.97 0.71
13、6 0.248;0.6 0.8 1;0.125 0.55 0.7;0.275 0.6875 0.4375;0.2 0.6 0.8;fuzzy_zhpj(3,A,R)%調(diào)用綜合評(píng)判函數(shù)程序運(yùn)行結(jié)果如下:ans=0.40530.6620 0.5858例4表4是大氣污染物評(píng)價(jià)標(biāo)準(zhǔn)。今測(cè)得某日某地以上污染物日均濃度為(0.07 ,0.20 , 0.123,5.00,0.08,0.14),各污染物權(quán)重為(0.1,0.20,0.3,0.3,0.05, 0.05 ),試判別其污染等級(jí)。表4大氣污染物評(píng)價(jià)標(biāo)準(zhǔn)單位mg / m2污染物I級(jí)n級(jí)川級(jí)級(jí)0.050.150.250.500.120.300.501.00
14、0.100.100.150.304.004.006.0010.000.050.150.250.500.120.160.200.40分析 由于大氣中各污染物含量均是越少大氣質(zhì)量越高,可構(gòu)造各污染物含量對(duì)四個(gè)等級(jí)的隸屬函數(shù)如下:對(duì)I級(jí)的隸屬函數(shù):對(duì)U級(jí)的隸屬函數(shù):對(duì)川級(jí)的隸屬函數(shù):對(duì)W級(jí)的隸屬函數(shù):其中i 123,4,5,6表示6種污染物,如24表示第二種污染物的含量Xi對(duì)W級(jí)的隸屬度,而a,b,c,d依次表示評(píng)價(jià)標(biāo)準(zhǔn)中各污染物含量對(duì)污染物 SO2 ,其含量 xi 0.07 ,計(jì)算其對(duì)各等級(jí)的隸屬度如下:因0.05 0.07 0.15, 故因 0.07 0.15,故 ri3 0,因 0.07 0.25,故辰 0。同理可計(jì)算其他污染物含量對(duì)各等級(jí)的隸屬度,從而得綜合評(píng)判距陣:結(jié)合權(quán)重,選擇加權(quán)平均型進(jìn)行計(jì)算得 B AoR 0.252,0.478,0.27,0 ,根據(jù)最大隸屬度原則,0.478最大,故當(dāng)日大氣質(zhì)量為U級(jí)。程序同例1輸入及其結(jié)果:A=0.1 0.2 0.3 0.3 0.05 0.05;R=0.8 0.2 0 0;0.56 0.44 0 0;0 0.6 0.4 0;0 0.5 0.5 0;0.7 0.3 0 0;0.5 0.5 0 0;fuzzy_zhpj(3,A,R)程序運(yùn)行結(jié)果如下 :ans=0.2520 0.4780 0.2700 02.3 方法評(píng)論模糊綜合評(píng)價(jià)經(jīng)常
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 人教版數(shù)學(xué)八年級(jí)下冊(cè)《章前引言及 加權(quán)平均數(shù)》聽評(píng)課記錄1
- 人教部編版八年級(jí)道德與法治上冊(cè):7.1《關(guān)愛他人》聽課評(píng)課記錄2
- 蘇教版小學(xué)二年級(jí)下冊(cè)數(shù)學(xué)口算題
- 七年級(jí)生物教學(xué)計(jì)劃
- 工程建設(shè)項(xiàng)目招標(biāo)代理合同范本
- 2025年度二零二五年度食堂檔口租賃合同與食品安全宣傳教育協(xié)議
- 農(nóng)機(jī)合作社入社協(xié)議書范本
- 二零二五年度智能駕駛技術(shù)聘用駕駛員安全合作協(xié)議書
- 2025年度船舶買賣合同中的船舶交易市場(chǎng)分析及預(yù)測(cè)
- 2025年度員工公寓租賃補(bǔ)貼協(xié)議范本
- 2025年礦山開采承包合同實(shí)施細(xì)則4篇
- 2025年度茶葉品牌加盟店加盟合同及售后服務(wù)協(xié)議
- 氧氣、乙炔工安全操作規(guī)程(3篇)
- 建筑廢棄混凝土處置和再生建材利用措施計(jì)劃
- 集裝箱知識(shí)培訓(xùn)課件
- 某縣城區(qū)地下綜合管廊建設(shè)工程項(xiàng)目可行性實(shí)施報(bào)告
- 《架空輸電線路導(dǎo)線舞動(dòng)風(fēng)偏故障告警系統(tǒng)技術(shù)導(dǎo)則》
- 2024年計(jì)算機(jī)二級(jí)WPS考試題庫
- JJF(京) 92-2022 激光標(biāo)線儀校準(zhǔn)規(guī)范
- 普惠金融政策解讀
- 廣東省廣州黃埔區(qū)2023-2024學(xué)年八年級(jí)上學(xué)期期末數(shù)學(xué)試卷(含答案)
評(píng)論
0/150
提交評(píng)論