模糊综合评价ppt课件

.模糊综合评价法，赵元：王涛张黎明杨利娟吴归善，一，思想和原则，一。模糊性和随机性在客观世界中存在很多不确定性，这种不确定性主要表现在两个方面。(1)。随机性事件是否发生的不确定性。其不确定性是对事物的因果关系，但事物本身有明确的定义。(2)模糊事物本身状态的不确定性。它是某事物或概念的界限不明确，这种界限不明确，不是人的主观认识达不到客观实际而引起的，而是作为事物的一种客观属性，事物之间存在着中间转换过程的结果。一般来说，随机性是外部因果关系的不确定性，模糊性是内部结构的不确定性。从信息的角度来看，随机性只涉及信息量，模糊性与信息质量有关。2 .模糊概念和模糊现象一个概念及其相反概念不能画出明确的界限。他们根据数量而变质。例如，像“年轻”和“年老”这样的人，不能画出严格的年龄界限来区分“年轻”和“年老”。这个概念是模糊概念。凡涉及模糊概念的现象，称为模糊现象。3 .模糊数学模糊数学是利用数学工具解决模糊问题的尝试。模糊数学的生成将数学的应用范围从精确现象扩大到模糊现象领域，处理复杂的系统问题。那是用正确的数学方法处理过去无法用数学方法描述的模糊的东西。从某种意义上说，模糊数学是在形式化思维和复杂系统之间建立的桥梁，它可以将多年积累的形式化思维应用到复杂系统中。4 .综合评价在实际工作中，对一个事物的评价往往涉及多个因素或多个指标，此时需要基于多个因素的综合评价，而不是仅用一个因素来评价事物。这里的判断是根据给定的条件来评价事物的优劣，好坏。综合的意思是判断条件包括多个因素或多个指标。5 .模糊综合评价模糊综合评价是利用模糊数学的一些概念对实际综合评价问题提供一些评价的方法。特别是模糊综合评价是应用基于模糊数学的模糊关系合成原理，对一些界限不明确、难以量化的因素进行量化，并综合评价各种因素评价的事物的隶属状态的一种方法。对综合评价对象整体，应根据给定的条件，给各对象非负实数-判断指标，然后相应排序。模糊综合评价是模糊数学的具体应用方法，首先由我们学者王佩庄提出。它主要分为两个阶段：第一个阶段，首先根据每个因素单独判断。第二步是综合评价因素。数学模型的优点是简单容易掌握，对多因素、多层复合问题的判断更好，是替代其他数学分和模型的困难方法。模糊综合评价方法的特点是评价按对进行，不受评价对象所在对象的集合影响，对评价对象有自己的评价值。该模型被广泛使用，在很多方面采用了模糊综合评价的实用模型，获得了良好的经济效益和社会效益。2，模糊综合评价模型，评价系统中一些指标的样本值很难准确得到，例如年龄的定义，服装的风格，内衣，价格的评价，我们周围公务员的政治表现，事业水平，工作能力的评价等这些指标的评价，往往是通过评分计算方法来决定的。但是对指标的认识和评价受到多种因素的限制，评分结果模糊。这种问题需要用模糊数学进行综合评价。首先介绍了模糊评价的基本概念，然后具体介绍了模糊评价的阶段和相关算法。，2.1模糊综合评价方法简介1。用模糊数学方法(也称为模糊评价)综合评价具有随机评价矩阵的多目标问题的一种方法。2.基本零件：(1)零件族群：x=x1，x2，XM，(2)决定集：y=y1，y1，yn，(3)单元素判断f : uf (v)，uif (ui)=(ri1，ri2，rin)f(v)。显示元素集u的类的模糊加权向量a=(a1，a2，am)。其中f 表示从u到v的模糊变换，对于每个元素ui单独判断f (ui)=(ri1，ri2，rin)f(v)，I=1，2，表示m，相应地构造模糊矩阵r=rijm * nf(u * v)。其中rij表示元素ui中存在意见VJ。即，在模糊评价中经常使用的隶属关系。然后模糊综合评价b=(B1，B2，。找到bn)f(v)。其中bj表示评估对象属于模糊集b的VJ。2.2m(，v)，m(.v)、m(.)和m(.)的运算符简介，其中元素族为x=x1，x2，XM等。这表示对象具有的m属性，评估集合表示y=y1，y2，yn，表示元素的可能评估。模糊评价是y的模糊集。现在，每个元素的一个模糊评估ri=ri1，ri2，假设有，rin，m元素的m个模糊评估R1，R2，RM可以始终表示为矩阵。R1 r 11 r 12.R1 NR 2r 21 r 22.r2nr=.rmrm 1 rm2.rmn称为单元素评估矩阵，模糊关系矩阵r和元素的权重为a=(a1，a1，am)，其中ai=0且 ai=1，则a和r的模糊综合评价b。此运算可写成：b=a其中“”表示合成操作。模型1m(，v) bj=v (ai rij)，即bj=max min (a1，r1j)，min (am，rmj)，表示式的中间和v分别为小(min)和大(max)运算模型2M(.V)bj=V(ai*rij)，即bj=max a1 * r1j，am * rmj，表达式的“.”代表一般实数乘法。模型3m(，)bj=(ai rij)，其中a r=min (1，a r)具有上限1和。型号4M(.)的计算方法与矩阵乘法相同。Bj= ai * rij，模型1是“主要元素确定类型”。此方法的主要运算和v容易运算，但对于某些问题，会丢失大量信息，结果可能会有点粗糙。如果元素更多，权重分布更均匀，则 ai=1要求每个元素的权重ai非常小。仅运算，因为v，在结果综合评价中，bj也很小(bj=Vai)，较小的权重通过运算实际上没有理想的结果。要解决此问题，请不要规格化a，或使用上述模型3或4。模型2和模型3都被分类为“主要元素挤出”。I与因子Xi的重要性相关，但没有权重因子的意义，因此矢量a也不需要规范化。模型4是加权平均值，矢量a具有表示元素重要性的加权系数语义，因此必须满足 ai=1的要求。模型4实际上是一般矩阵乘法。一般模糊综合评价在实际中的应用大致可分为正、反两类问题。例如，在已知已指定权重的情况下查找结果。如服装评价：设置x=颜色，耐磨，价格成本，y=非常欢迎，更欢迎，不太欢迎，不欢迎。单因素分析：颜色样式(0.2，0.7，0.1，0)耐磨性(0，0.4，0.5，0.1)价格成本(0.2，0.3，0.4，0.1)两种类型客户的加权分配：a1，可以在B1=(0.2，0.4，(0.5，0.1)和B2=(0.2，0.5，0.3，0.1)中找到他们对这种服装的综合评价，一级顾客对服装不太欢迎，二级顾客对服装更受欢迎。w，2.3模糊评估的基本步骤：步骤1确定评估对象集、元素集和描述集根据实际需要确定评估对象的对象集、评估的元素集和描述集(即决定集)。物件集：o=O1，O2，ol，零件集：x=x1，x2，XM，决定集：y=y1，y1，yn。在步骤2中，设置m个评估因子的权重分布向量a。A=(a1，a2，am)阶段3通过每个单因素模糊评价获得模糊综合评价矩阵。(模糊变换)，4阶复合运算综合评价加权向量和评价矩阵的内部产品解决方案过程。计算公式：b=a00r合成运算阶段5评价结果向量规范化处理阶段6模糊综合评价的结果分析根据等级给出了相应的分数。例如，如果划分为5个阶段，则可以根据标准给出95，85，75，65，55的分数，然后乘以规范化结果，得到最终分数。三、案例：对课程的综合评价。X=清晰易懂，熟悉教材，生动有趣，整理板书，判断分为4: y=优秀，良好，中，差。作为教师一个科目的分数评价提出的单一因素评价是表：通过专家对模糊输入矢量A，x的每个元素的重要性评估设置为A=(0.9，0.4，0.4，0.2):0 . 40 . 450 . 1500 . 550 . 40 . 050 b=a0r=(0.9，0.4，0.2)，按模型1(确定关键元素)计算：B1=max min (0.9，0.4)，min (0.4，0.55)，min (0.4，0.1)，min，按模型2(主元素悬挑)计算：b1=max(0.36，0.22，0.04，0.02)=0.36b2=max (0.41，0.16，0.1，0.0