第五章：系统评方法.pptVIP

如只对科学性(u1)一个因素来评定该教材，若采用民意测验的方法，结果16%的人说“很好”，42%的人说“好”， 39%的人说“一般”， 3%的人说“差”，则评价结果可用模糊集 描述 评价结果 是评语集合V这一论域上的模糊子集。 可简记为向量形式 1、模糊综合评价的数学模型 就是对被评对象所做的单因素评价。 然而，一般往往需要从几个方面来综合地评价某一事物，从而得到一个综合的评价结果。 对多指标因素的综合评价，最终结果仍是评语集合V这一论域上的模糊子集，记作 。 其中 bj 为V中相应元素的隶属度，且 。 简记为m维向量形式 1、模糊综合评价的数学模型 隶属度 rij 指多个评价主体对某个评价对象在第i个项目下作出第j等级评定的可能性程度。 实际评价工作中，考虑到不同评价因素重要性的区别，评价因素集合是因素集U这一论域上的模糊子集，记作 。 简记为n维向量形式 其中 ai 为U中相应元素的权重，且 。 1、模糊综合评价的数学模型 一个模糊综合评价问题，就是将评价因素集合U这一论域上的一个模糊集合 经过模糊关系变换为评语集合V这一论域上的一个模糊集合 ，即 上式即模糊综合评价的数学模型。其中 种评语的可能程度。 ——模糊综合评价的结果，是m 维模糊行向量。 ——模糊评价因素权重集合，是n维模糊行向量。 ——从U到V的一个模糊关系，是 矩阵，称为隶属度矩阵。 表示从第i个因素着眼，做出第j 1、模糊综合评价的数学模型 模糊综合评价模型中的矩阵乘积表示模糊矩阵的乘积 。 1、模糊综合评价的数学模型 B = [bj ] , , j=1,2, …,m ∧为交运算，两中取小 ∨为并运算，两中取大 模糊综合评价的步骤： 设定评价指标因素集U； 设定评语集V； 确定评价指标权重集 ； 用民意测验方法请专家实施评价； 建立评价矩阵 ； 按数学模型进行综合评价； 归一化处理，得出具有可比性的综合评价结果。 1、模糊综合评价的数学模型 若记：隶属度矩阵为 评价项目权重向量为 评价等级分值向量为 则有：综合隶属度向量 S=W?R 综合得分 1、模糊综合评价的应用 1）用于讲课质量的评估 U = [清楚易懂，教材熟练，生动有趣，板书整洁] V = [很好，较好，一般，不好] 2、模糊综合评价的应用 归一化： 按隶属原则来识别李老师讲课效果是“较好”（取其最大值所对应的评语等级） 2）用于科技成果的评定 U = [水平，成功概率，经济效益] V = [高，中，低] 因素 项目 技术水平 成功概率 经济效益 甲 乙 丙 接近国际先进 国内先进 一般 70% 100% 100% 100万元 200万元 20万元 2、模糊综合评价的应用 2、模糊综合评价的应用 评价 项目 科技水平 成功概率 经济效益 高 中 低 大 中 小 高 中 低 甲 0.7 0.2 0.1 0.1 0.2 0.7 0.3 0.6 0.1 乙 0.3 0.6 0.1 1 0 0 0.7 0.3 0 丙 0.1 0.4 0.5 1 0 0 0.1 0.3 0.6 2、模糊综合评价的应用 综合评价： 归一化： 排序： 乙、甲、丙 3.某品牌服装的市场定位选择（方案不同，各指标权重不同） f1 f2 f3 f4 f5 f6 因素集 款式 面料 耐穿度 流行性 商标 价格 e1 e2 e3 e4 评语集 很欢迎 欢迎 一般 不欢迎 a1 a2 市场定位方案集 第一类消费者 第二类消费者 2、模糊综合评价的应用 利用市场调查获得模糊评价矩阵： 很欢迎e1 欢迎e2 一般e3 不欢迎e4 款式f1 0.55 0.34 0.10 0.01 面料f2 0.60 0.15 0.25 0 耐穿性f3 0.25 0.40 0.15 0.20 流行性f4 0.80 0.12 0.08 0 商标f5 0.50 0.38 0.12 0 价格f6 0.21 0.17 0.44 0.18 2、模糊综合评价的应用 4.不同