模糊综合评价法2014.11分解.ppt

模糊综合评价法 2014.11 由NordriDesign提供 第一节 什么是模糊数学 什么是秃子悖论？ 一、引题：秃子悖论 结论： 天下所有的人都是秃子。 前提： 定义有 n 根头发的人被称为秃子。 证明： 如果一个有n根头发的人被称为秃子，那么，有n+ 1根头发的人也是秃子。所以，(n+ 1) + 1根头发的还是秃子。以此类推，无论你有几根头发都是秃子。 L.A. Zadeh（1921~） 美国工程院院士。 生于苏联巴库，1949年获哥伦比亚大学电机工程博士。 二、模糊数学的产生 1965年，L.A. Zadeh（扎德） 发表了文章《模糊集 》 (Fuzzy Sets，Information and Control, 8, 338-353 )，第一次成功地运用精确的数学方法描述模糊概念，从而宣告了模糊数学的诞生。 1、模糊概念 “年轻、年老、高矮、胖瘦、美丑、阴天、清晨…” 三、模糊数学的基本概念 模糊概念导致模糊现象； 模糊概念不能用普通集合加以描述； 从属于该概念到不属于该概念之间无明显分界线，即模糊(fuzzy)概念的外延不清楚。 2、模糊集合 三、模糊数学的基本概念 三、模糊数学的基本概念 3、隶属度的确定 最简单的方法是根据经验或统计而定，或者由某个权威给出。 常用的方法是建立隶属函数求解隶属度。 隶属函数的确定方法有：模糊统计法、三分法、模糊分布法等。 1 0 U 50 100 例题：隶属函数的确定 模糊数学就是用数学方法研究模糊现象。 其基本思想是用属于程度（隶属度）代替属于或不属于。 四、总 结 隶属度的确定可以用经验或统计方法，也可以通过建立隶属函数来求解。 约定，500根头发以下者为完全秃头，它对于{秃子}集合的隶属度为1；5000根以上的头发茂密者为完全不秃头，隶属度为0。 那么，501-4999根头发者就在某种程度上属于{秃子}集合。例如501根者隶属度为0.998，而4999根者隶属度为0.002，等等。 一个元素隶属于某一个集合的程度 第二节 模糊综合评价法的内容 一、基本术语 二、模糊综合评价法的数学模型 1）三个要素： 2）四个步骤： （U，V，R） U＝{u1,u2,u3,u4} V＝{v1,v2,v3} 三、模糊综合评价法的一般步骤 (1)确定评价对象的因素集U (3)确定评价因素的模糊权向量A (2)确定评价对象的评语集V (4)单因素模糊评价，建立模糊评价矩阵R (5)多因素综合评价，合成模糊综合评价结果向量B (6)根据最大隶属度原则，得出模糊综合评价最终结果 (1)确定评价对象的因素集U 三、模糊综合评价法的一般步骤 n ——评价因素（指标）的个数，表明我们对被评价对象从哪些方面来进行评价。 可设立多级评价指标体系。 (2)确定评价对象的评语集V 三、模糊综合评价法的一般步骤 ——第i个评价结果； m ——评语等级数，一般划分为3—5个等级。 具体等级可以依据评价内容用适当的语言进行描述，比如评价产品的竞争力可用V={强、中、弱}，评价地区的社会经济发展水平可用V={高、较高、一般、较低、低}，评价安全性可用V={符合、基本符合、不符合}等。 (3)确定评价因素的模糊权向量A 三、模糊综合评价法的一般步骤 为了反映各因素的重要程度，对各因素u应分配给一个相应的权数 ，表示第i个因素的权重，且要求 ，于是各权重组成一个模糊集合 就是模糊权向量。 确定权重的方法常见以下几种： 层次分析法 德尔菲法 加权平均法 专家估计法 (4)单因素模糊评价，进而建立模糊评价矩阵R 三、模糊综合评价法的一般步骤 单独从一个因素出发进行评价，以确定评价对象对评语集V的隶属程度，得到单因素评价矩阵（隶属度向量） 。 从U到V的一个模糊关系 表示从第i个因素 出发，作出第j种评语的可能程度。 三、模糊综合评价法的一般步骤 假设评价科研成果，因素集U={学术水平，社会效益，经济效益}，评语集V={很好，好，一般，差}。 请该领域专家若干位，分别对此项成果每一因素进行单因素评价，例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，没有人认为“差”。由此得出学术水平的单因素评价结果为： (5)多因素综合评价，合成模糊综合评价结果向量B 三、模糊综合评价法的一般步骤 选择适当的模糊综合评价模型（模糊算子），将模糊权向量A与模糊评价矩阵R合成，得到一个模糊综合评价结果向量