模糊决策论文2013完整版

1、模糊决策课程论文 指导老师：胡桂开时间：2013年4月30日A1 烟草公司某部门员工年终考核评定问题重述烟草公司某部分员工年终考核按照工作绩效，工作态度，工作能力，学习成长四大指标18个具体指标分别是工作量、工作效率、工作质量、计划性、责任感、团队精神、学习态度、工作主动性、360度满意度、创新能力、自我管理能力、沟通能力、协调能力、执行能力、勤情评价、技能提高、培训参与、工作提供进行综合考核评定！一级指标二级指标评 价优秀良好一般较差差工作绩效工作量0.80.150.0500工作效率0.20.60.10.10工作质量0.50.40.100计划性0.10.30.50.050.05工作态度责任感

2、0.30.50.150.050团队精神0.20.20.40.10.1学习态度0.40.40.10.10工作主动性0.10.30.30.20.1360度满意度0.10.20.50.20.1工作能力创新能力0.10.30.50.20自我管理能0.20.30.30.10.1沟通能力0.20.30.350.150协调能力0.10.30.40.10.1执行能力0.10.40.30.10.1学习成长勤情评价0.30.40.20.10技能提高0.10.40.30.10.1培训参与0.20.30.40.10工作提供0.40.30.20.10问题分析根据题意1、将因素分为4组，即，。2、设评判集，表示优秀，表示

3、优良，表示一般，表示较差，表示差。具体员工考核指标体系及考核表请专家设定指标权重，一级指标权重为；二级指标权重为，。符号说明:工作绩效 :工作态度 :工作能力 :和学习成长；分别表示工作量、工作效率、工作质量、计划性、责任感、团队精神、学习态度、工作主动性、360度满意度、创新能力、自我管理能力、沟通能力、协调能力、执行能力、勤情评价、技能提高、培训参与、工作提供。表示优秀，表示优良，表示一般，表示较差，表示差。分别表示四个二级指标权重和一个一级指标权重！问题求解根据题意，对于第二级因素集有： ,权重,单因素评判矩阵为 作一级综合评判，用模型计算，得 0.3000 0.3000 0.2000

4、0.1000 0.0500,权重,单因素评判矩阵为 作一级综合评判，用模型计算，得 0.3000 0.3000 0.2000 0.2000 0.1000,权重,单因素评判矩阵为 作一级综合评判，用模型计算，得 0.2000 0.3000 0.3000 0.1500 0.1000,权重,单因素评判矩阵为 作一级综合评判，用模型计算，得 0.3000 0.3000 0.3000 0.1000 0.1000对一级因素集,权重为令总单因素评判矩阵为 作二级综合评判，得 0.3000 0.3000 0.2000 0.1000 0.1000 结果分析按最大隶属度原则，用模型无法判断，故需改进，本文采用模型

5、求得： 0.3900 0.3900 0.1700 0.0400 0.0100 0.2100 0.3300 0.2950 0.1250 0.0600 0.1500 0.3200 0.3550 0.1250 0.0600 0.2700 0.3500 0.2600 0.1000 0.0200 0.2760 0.3540 0.2535 0.0885 0.0360此时再按最大隶属度原则可知，对该员工的综合考核评价为良好！程序附录及部分运行截图一、模型源代码：functionC=Max_Min(A,B)m,s=size(A);i,n=size(B);if(i=s) C=;return;endfor(i=1

6、:m) for(j=1:n) C(i,j)=0; for(k=1:s) x=B(k,j); if(A(i,k)<x)x=A(i,k);end if(C(i,j)<x) C(i,j)=x;end end end; end二、模型源代码：function C=Weight_Average(A,B)m,s=size(A);t,n=size(B);if(t=s)C=;return;endfor(i=1:m) for(j=1:n) C(i,j)=0; sum=0; for(k=1:s) sum=sum+A(i,k)*B(k,j); C(i,j)=sum;end;end;endB2：某地区农业

7、经济类型划分一、问题重述:农业经济系统是一个多因素、多层次、结构复杂的大系统, 要正确划分农业经济类型, 首先必须选择一套能全面反映当前农业经济状况的指标体系。通过实地调查和对统计资料的综合分析, 选定以下8 个指标: 年平均降水量; 年平均温度; 无霜期; 粮食单产水平; 人均粮食; 粮食面积占耕地面积比例; 经济作物面积占总播种面积比例; 人均纯收入。某地区经济类型划分原始数据如下表： 各项指标因素地区（乡镇）年平均降雨量年平均温度无霜期粮食单产水平人均粮食粮食面积占耕地面积经济作物占总播种面积人均纯收入乡镇16647.51102294087511.52430乡镇26647.5150268

8、2758672100乡镇36003.212023746756161218乡镇45505.7140361460978.82194乡镇56648.3170358468824.61796乡镇645017.5205262255124.571650乡镇76608.217028532989.81.31905乡镇86257.214032740970.35.41234乡镇95309.5160356401861.41620乡镇10560.55.51354116347611906请依据以上数据对这10个乡镇进行分类，并确定分类的名称，并判别样本 所属类型 。二、问题分析:农业经济系统是一个多因素、多层次、结构复杂

9、的大系统，要正确的划分农业经济类型，首先必须选择一套能全面反映当前农业经济状况的指标体系。而传统的分类方法，往往只依据单项指标或少数几项指标的总量指标或个别效益指标进行分类，这样就很难全面反映各个经济类型的整体综合情况，因而分类也就不能较准确地反映各地区之间的差异。为此我们根据上述某地区农业的实际情况，选择对农业经济发展起主导作用的因子作为聚类指标.三、符号说明:选定的8个指标:x1:年平均降水量 x2:年平均温度 x3:无霜期 x4：粮食单产水平x5:人均粮食 x6：粮食面积占耕地面积比例 x7:经济作物面积占中播种面积比例 x8：人均纯收入为第i个乡镇第k个指标的原始数据，min和max分

10、别为第k指标中的最小值和最大值。四、问题求解：(1)如表，由于这些指标都是相对指标,各地区经济水平的高低、效益的好坏等都是模糊概念，因此，我们采用模糊聚类分析方法进行分类。第一步：数据标准化，利用公式变换，其公式为： i=1,2,10 k=1,2,8数据标准化: (代码见附录B2.0)第二步：采取相似系数法建立模糊相似矩阵 i,j=1,210i=1,210 k=1,28其中由程序（代码见附录B2.1）算得模糊相似矩阵如下： 第三步：基于模糊等价矩阵聚类，用二次方法求R的传递闭包T(R):RR2R4R8, R8 R8=R16=T(R),的模糊等价矩阵T(R)=R16=R*如下：(代码见附录B2.

11、2)动态聚类图如下图: (代码见附录B2.3)将由大到小进行聚类:取=1.0000,分为10类:1,3,5,8,7,2,9,5,4,10.取=0.9012,分为9类:1,3,5,8,7,2,9,5,4,10.取=0.8961,分为8类:1,3,5,8,7,2,9,5,4,10.取=0.8800,分为7类:1,3,5,8,7,2,9,5,4,10.取=0.8668,分为6类:1,3,5,8,7,2,9,5,4,10.取=0.8312,分为5类:1,3,5,8,7,2,9,5,4,10.取=0.8211,分为4类:1,3,5,8,7,2,9,5,4,10取=0.8001,分为2类:4,10.取=0

12、.7806,分为3类:1,3,5,8,7,2,9,5,4,10.取=0.7784,分为1类: 1,3,5,8,7,2,9,5,4,10.(1,210分别代表乡镇1,乡镇2乡镇10) 根据实际情况,我们认为=0.8312时的类型划分结果较符合实际，即将10个乡镇划分为5类，具体结果如下：=1,3,5,8,7,2即乡镇1,乡镇3,乡镇7,乡镇3.=9即乡镇9.=5即乡镇5.=4即乡镇4.=10及乡镇10. (2)模型识别: 。 所属类型 由公式编程(代码见附录B2.4)算得:从中取最大值,即,最贴近,故属于类型五、结果分析 通过聚类把农业经济状况相似的乡镇归为一类,我们便能够比较容易的找出各个乡镇

13、的共同点和差异所在,从而,以此为依据为个乡镇的发展提出切实可行的对策. 属于类的有5个乡镇. 粮食单产、人均粮食、人均收入等指标在中等水平，其振兴经济的较好途径是各业协调发展。 属于类的只有乡镇9. ，降雨量相对较少，但是全年平均气温相对较高，粮食单产水平较高，人均占有量大，人均耕地面积和水浇地面积也较大，属于粮食产区。该区应充分利用自然条件优势，实行以发展粮食生产为主，兼顾其他各业的发展思路。 属于类的只有乡镇5. 粮食单产水平和人均占有量较少，粮食产量最少的地区，人均收入低。该类型应在稳定粮食产量的基础上，积极改善生态环境，采取多种有效手段，发展多种经济。 属于类的只有乡镇4.该乡的粮食单

14、产水平,人均粮食,人均收入都较高,该去应充分利用地理环境,发展农业产业,加强基础建设. 属于类的只有乡镇10.该乡的粮食单产,人均粮食,经济作物面积占中播种面积比例等指标, 是农业未来发展的核心区，积极引进科学技术和优良品种，走农业产业化发展的路子是其潜力所在。附录B2B2.0(数据标准化)function X=Standard(X)n,m=size(X);for(k=1:m)xmin=X(1,k);xmax=X(1,k); for(i=1:n) if(xmin>X(i,k)xmin=X(i,k);end if(xmax<X(i,k)xmax=X(i,k);end end for(

15、i=1:n)X(i,k)=(X(i,k)-xmin)/(xmax-xmin);endendB2.1(相关系数法求模糊矩阵)function n,R=Relation(X) %定义函数%X,数据矩阵%返回值：n,模糊相似矩阵的阶数；R，模糊相似矩阵n,m=size(X); %获得矩阵的行列数for(i=1:n)for(j=1:n) xi=0;xj=0; for(k=1:m) xi=xi+X(i,k); xj=xj+X(j,k); end xi=xi/m; xj=xj/m; xis=0; xjs=0; for(k=1:m) xis=xis+(X(i,k)-xi)2; xjs=xjs+(X(j,k)

16、-xj)2; end s=sqrt(xis*xjs); R(i,j)=0; for(k=1:m) R(i,j)=R(i,j)+abs(X(i,k)-xi)*(X(j,k)-xj); end R(i,j)=R(i,j)/s;end;endB2.2(求传递闭包得模糊等价矩阵)function A=Transclo(R)js0=0;while(1)A=Max_Min(R,R);(附录B2.2.1)js0=js0+1;if(A=R) break;else R=A;endendendB2.2.1(定义Max_Min()函数)functionC=Max_Min(A,B)m,s=size(A);i,n=si

17、ze(B);if(i=s) C=;return;endfor(i=1:m)for(j=1:n)C(i,j)=0; for(k=1:s) x=B(k,j); if(A(i,k)<x)x=A(i,k);end if(C(i,j)<x) C(i,j)=x;end endend;endB2.3(动态聚类图)function F_JlDtjl(R)A=Transclo(R);U=unique(A);L=length(U);M=1:L;for i=L-1:-1:1 m,n=find(A=U(i); Ni,1=n; Ni,2=m; A(m(1),:)=0; mm=unique(m); Ni,3=

18、mm; len=length(find(m=mm(1); depth=length(find(m=mm(2); index1=find(M=mm(1); MM=M(1:index1-1),M(index1+depth:L); % index2=find(MM=mm(2); M=M(index1:index1+depth-1); M=MM(1:index2-1),M,MM(index2:end);endM=1:L;M;ones(1,L);h=(max(U)-min(U)/L;figure text(L,1,sprintf('%d',M(2,L);text(L+1,1-h,sprintf('%d',L);text(0,1,sprintf('%3.4f',1);text(0,(1+min(U)/2,sprintf('%3.4f',(1+min(U)/2);text(0,min(U),sprintf('%3.4f',min(U);hold onfor i=L-1:-1:1 m=Ni,2; n=Ni,1; mm=Ni,3; k=find(M(2,:)=mm(1