关于模糊综合评价的矩阵算法.doc

关于模糊综合评价的矩阵算法：1、 按模糊矩阵运算（培训教材课堂上的例题）：a、权重系数会事先给出，由此会得出集合A = 0.2, 0.2, 0.2, 0.4 b、指标集和评价集按下式列出，代入数据表示成集合R评价集V1 V2 V3 V4 V5指 U1 0 0.1 0.2 0.3 0.4标 U2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集 U3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0 C、综合评价集合的计算B=AR即用集合A中第一个数和集合R中的沿第一列方向的第一个数模糊相乘(0.20)，然后再模糊相加（）集合A中第二个数和集合R中的沿第一列方向的第二个数模糊相乘(0.20.1)，依次类推得到下式(0.20)(0.20.1) (0.20) (0.40)按相乘取小，相加取大得出= 0 0.1 0 0 = 0.1然后再用集合A中第一个数和集合R中的沿第二列方向的第一个数模糊相乘(0.20.1)，然后再模糊相加（）集合A中第二个数和集合R中的沿第二列方向的第二个数模糊相乘(0.20.1)，依次类推得到下列各算式，按相乘取小，相加取大得出各数值(0.20.1)(0.20.1)(0.20.1)(0.40.2)= 0.2(0.20.2)(0.20.4)(0.20.2)(0.40.5)= 0.4(0.20.3)(0.20.2)(0.20.6)(0.40.3)= 0.3(0.20.4)(0.20.2)(0.20.1)(0.40)= 0.2即AR = 0.1, 0.2, 0.4, 0.3, 0.2 归一化：0.1/1.2, 0.2/1.2, 0.4/1.2, 0.3/1.2, 0.2/1.2 = 0.083, 0.167，0.333，0.250， 0.167 2、 按经典矩阵运算（新第二版教材上的例题）：a、权重系数会事先给出，由此会得出集合A = 0.2, 0.2, 0.2, 0.4 b、指标集和评价集按下式列出，代入数据表示成集合R评价集V1 V2 V3 V4 V5指 U1 0 0.1 0.2 0.3 0.4标 U2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集 U3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0 C、综合评价集合的计算B=AR即用集合A中第一个数和集合R中的沿第一列方向的第一个数相乘0.20，然后再相加（）集合A中第二个数和集合R中的沿第一列方向的第二个数相乘0.20.1，依次类推得到下式（0.20）（0.20.1） （0.20 ） （0.40）=0.02然后再用集合A中第一个数和集合R中的沿第二列方向的第一个数相乘0.20.1，然后再相加（）集合A中第二个数和集合R中的沿第二列方向的第二个数相乘0.20.1，依次类推得到下列各算式及值（0.20.1)(0.20.1)(0.20.1)(0.40.2)= 0.14(0.20.2)(0.20.4)(0.20.2)(0.40.5)= 0.36(0.20.3)(0.20.2)(0.20.6)(0.40.3)= 0.34(0.20.4)(0.20.2)(0.20.1)(0.40)= 0.14即AR = 0.02, 0.14, 0.36，0.34, 0.14（因0.020.140.360.340.14=1，无需再归一化）3、 考试时采用模糊矩