(ppt)模糊综合评价法基础.ppt

模糊综合评价法基础 主讲人：宋玉婷 数学建模工作室 2013年10月20日 引言 什么是模糊数学？ 模糊数学：是研究和揭示模糊现象的定量处理方法。 什么是模糊现象？ 模糊现象：“亦此亦彼”的不分明现象。 主要内容 模糊数学的一些基本概念 模糊综合评价法的主要步骤 相关应用 模糊综合评价法的优缺点 基本概念 （一）普通集合 论域：指被讨论对象的全体。又称全域，全集合，通常用大写字母U,E,X,Y等来表示。 元素：组成某一集合的单个对象就称为该集合的一个元素，通常用小写字母表示。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，两者必居其一，且仅居其一。 基本概念 （二）模糊集合 在现实生活中，也存在很多模糊的概念。比如年轻，重，热，美等，这些语言变量就是模糊的概念。我们说：小明跑路很快。但是我们却不能明确表示是有快，没有一个隶属度。 对于所要表示的概念没有明确的界限，这种概念人们称之为模糊概念。对于这种概念的集合，在论域U中存在着并非绝对属于或绝对不属于该集合的元素，这种集合我们称之为模糊集合。 基本概念 定义： 设论域为 U，u为 U中的元素。 对于任意的 u?U，给定了如下的映射：U ?[0, 1] , u ? A(u) ?[0, 1]， 则称A是U上的一个模糊集合（或称A是U的一个模糊子集）， A(u)称为模糊集合A的隶属度函数， A(u) 的值称为u对模糊集合A的隶属度。 基本概念 用取值于区间[0,1]的隶属函数A(u)表示u属于A的程度高低。隶属度A(u)越接近于1，表示u属于A的程度越高。A(u)越接近于0表示u属于A的程度越低。 基本概念 确定隶属度函数的几个方法： 隶属度函数的确定过程，本质上说应该是是客观的，但是每一个人对于同一个模糊概念的理解存在差异，因此，隶属度函数的确定又带有主观性。 隶属度函数的确定目前还没有成熟的一套方法，大多数系统的方法停留在经验和实验的基础上。对于同一个模糊概念，不同的人会建立不同的隶属度函数。尽管形式不同，但是反映的都是同一模糊概念。那么来介绍几种常用的方法。 基本概念 1、模糊统计法： 模糊统计法的计算步骤是:在每次统计中, v0是固定的,A的值是可变的,作 n次试验,其模糊统计可按下式进行计算 ： 　v0对 A 的隶属频率 = v0∈A 的次数 / 试验总次数 n　 　　随着 n的增大,隶属频率也会趋向稳定,这个稳定值就是 v0对A 的隶属度值。这种方法较直观地反映了模糊概念中的隶属程度,但其计算量相当大。 基本概念 2、专家经验法： 专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法。在许多情况下,经常是初步确定粗略的隶属函数,然后再通过“学习”和实践检验逐步修改和完善,而实际效果正是检验和调整隶属函数的依据。 基本概念 3、例证法： 例证法的主要思想是从已知有限个μA的值,来估计论域 U 上的模糊子集A 的隶属函数。 如论域 U代表全体人类,A 是“高个子的人”。显然 A 是一个模糊子集。为了确定μA,先确定一个高度值 h,然后选定几个语言真值(即一句话的真实程度)中的一个来回答某人是否算“高个子”。如语言真值可分为“真的”、“大致真的”、“似真似假”、“大致假的”和“假的”五种情况,并且分别用数字1、0.75、0.5、0.25、0来表示这些语言真值。对 n个不同高度h1、h2、…、hn都作同样的询问,即可以得到 A 的隶属度函数的离散表示。 基本概念 4、二元对比排序法： 二元对比排序法是一种较实用的确定隶属度函数的方法。它通过对多个事物之间的两两对比来确定某种特征下的顺序,由此来决定这些事物对该特征的隶属函数的大体形状。二元对比排序法根据对比测度不同,可分为相对比较法、对比平均法、优先关系定序法和相似优先对比法等。 基本概念 基本概念 例： S=（0.3，0.3，0.3，0.2），评价等级集合为：｛很好，好，一般，差｝，各等级赋值分别为｛4，3，2，1｝， 基本概念 基本概念 基本概念 基本概念 基本概念 模糊综合评价法的相关应用 （一）一级模糊综合评价模型 例1，顾客选择服装评价 应用 确定评价对象：对选择服装问题进行评价 确定影响因素：价格，样式，质量。所以U=｛价格，样式，质量｝ 确定表示评价结果的评语：很喜欢，比较喜欢，不太喜欢，不喜欢。所以V=｛很喜